Z-Image Turbo: Calidad, DyPE y resolución
Domina Z-Image Turbo: muestreo DyPE, resolución óptima y presupuestos de pasos para máxima calidad
On this page
Z-Image Turbo: Calidad, DyPE y resolución
TL;DR
- Z-Image Turbo es un modelo destilado de 6B parámetros con 8 NFEs que logra calidad visual "Muy alta" pero diversidad "Baja" en su resolución de entrenamiento nativa 1024×1024; para saber cómo funciona el alineamiento de progresión espectral, vea la sección Mecanismo de trabajo DyPE.
- La escala CFG debe ser <strong>0</strong> para Z-Image Turbo, no "moderada" — valores más altos causan artefactos de sobresharpening porque Decoupled-DMD ya hornea la guía en el modelo estudiante; para correcciones, vea la sección Errores comunes y correcciones.
- DyPE permite la generación nativa de alta resolución mediante alineamiento de progresión espectral, con valores de exponente ajustados por nivel de resolución; para los parámetros recomendados del flujo de trabajo, vea la sección Configuración óptima.
- El modelo destilado intercambia diversidad de muestras por velocidad; el modelo base Z-Image a 50 pasos ofrece diversidad "Media" y calidad "Alta", mientras que Omni-Base ofrece diversidad "Alta"; vea la sección Compensaciones del modelo destilado para más detalles.
- Respuestas rápidas a preguntas frecuentes: vea la sección Preguntas frecuentes.
Introducción
Z-Image Turbo logra una calidad de salida notable en solo <a href="https://github.com/Tongyi-MAI/Z-Image">8 NFEs</a>, convirtiéndolo en uno de los transformadores de difusión más rápidos disponibles. Sin embargo, su arquitectura destilada introduce restricciones que suelen malinterpretar los profesionales. El modelo no puede simplemente aumentar su escala CFG para mejorar la coherencia — hacerlo aplica la guía dos veces y degrada los resultados. Comprender estos intercambios es esencial para cualquier persona que genere imágenes de calidad de producción a escala.
Esta guía explica por qué se comporta diferente el CFG en los modelos Turbo, cómo DyPE (Extrapolación de Posición Dinámica) extiende el modelo más allá de su resolución nativa mediante codificación posicional consciente de frecuencias, y exactamente dónde el proceso de destilación estrecha la distribución de salida del modelo comparado con el modelo base.
La corrección del CFG
El error más peligroso que circula sobre Z-Image Turbo es que una escala CFG moderada produce los resultados más naturales. Esto es erróneo para el modelo Turbo destilado, aunque se aplica al Z-Image base a 50 pasos.
La destilación Decoupled-DMD de Z-Image Turbo fusiona la Aumento de CFG (CA) en el estudiante durante el entrenamiento. El modelo aprende a producir guía tipo CFG internamente sin necesidad de guía sin clase explícita en la inferencia. Establecer guidance_scale a cualquier valor positivo en Turbo aplica este mecanismo dos veces, provocando sobresharpening y amplificación de artefactos. La ficha oficial del modelo indica guidance_scale=0.0 con la nota explícita "Guidance should be 0 for the Turbo models."
El modelo Z-Image base (no Turbo), por el contrario, usa CFG a 50 pasos y se beneficia de la guía explícita en la inferencia.
Cómo funciona DyPE: Alineamiento de progresión espectral
DyPE es un método sin entrenamiento que permite a los transformadores de difusión generar a resoluciones mucho mayores que sus datos de entrenamiento sin costo adicional de muestreo. La técnica explota un orden espectral inherente en el proceso de difusión. Fuente: DyPE README
El mecanismo central
El desruido por difusión sigue una jerarquía de frecuencias: las frecuencias bajas (estructura a gran escala) convergen al inicio de la trayectoria de muestreo, mientras que las frecuencias altas (detalle fino) evolucionan a lo largo de toda la trayectoria. DyPE hace la codificación posicional consciente del tiempo mediante una función de programador κ(t) = λs · t^λt que modula la fuerza de extrapolación en cada paso.
Al inicio del muestreo (t≈1), esta fórmula produce un escalado casi máximo κ(1)=λs, estabilizando la estructura global mediante extrapolación posicional agresiva. A medida que el muestreo avanza hacia su finalización (t≈0), el programador decae a κ(0)=1, eliminando la extrapolación para que el modelo pueda acceder al detalle perceptual de alta frecuencia exactamente cuando se necesita.
Ajuste del exponente según la resolución
El exponente λt controla cuán agresivamente decae la extrapolación: Exponente | Rango ideal | Comportamiento
|----------|------------|----------
2.0 | 4K+ | Horario agresivo; mantiene la estructura de baja frecuencia por más tiempo para estabilizar la geometría a gran escala 1.0 | ~2K–3K | Horario equilibrado para resoluciones moderadamente por encima de la nativa 0.5 | Nativa+ | Horario suave para resoluciones justo por encima de la resolución de entrenamiento El método DyPE vision_yarn está específicamente recomendado para Z-Image y imágenes no cuadradas a 4K+ porque desacopla estructura de textura: las frecuencias bajas se escalan para ajustarse a la relación de aspecto del lienzo mientras las frecuencias altas se escalan uniformemente, evitando los estiramientos y artefactos estructurales que los métodos de extrapolación estática producen.
Donde el modelo destilado cede detalle
La calificación de "Baja" diversidad de Z-Image Turbo es el indicador más concreto de lo que la destilación sacrifica.
El espectro de diversidad
Modelo | Calidad visual | Diversidad
|--------|----------------|-----------
Z-Image Turbo | Muy alta | Baja Z-Image (base) | Alta | Media Z-Image Omni-Base | Media | Alta Estas calificaciones provienen del zoológico de modelos oficial de Z-Image. Fuente: Model Zoo
Qué cambia durante la destilación
La restricción de 8 pasos obliga al modelo a tomar pasos de desruido más grandes que la trayectoria de 50 pasos del modelo base. Esto no puede capturar la distribución multimodal completa a la que puede acceder el horario de muestreo más largo.
Compensaciones específicas:
- Diversidad de muestra: DMDR basado en RL (Distribution Matching Dice con Aprendizaje por Refuerzo) afina las salidas hacia estéticas preferidas pero reduce el espacio de posibles salidas válidas para cualquier instrucción dada
- Consistencia de lanzamiento: El colapso DMD hacia modos de alta probabilidad significa que el modelo produce salidas más similares al muestrear repetidamente la misma instrucción
- Conceptos raros o inusuales: Las instrucciones que solicitan combinaciones de estilo inusuales o elementos composicionales raros reciben menos variación entre muestras
Lo que el modelo gana: Velocidad (<a href="https://github.com/Tongyi-MAI/Z-Image">8 NFEs</a> vs. 50 pasos), fidelidad visual en el pico modal y generación de alta resolución nativa mediante DyPE.
Configuración óptima para Z-Image Turbo + DyPE
Los parámetros recomendados del flujo de trabajo ComfyUI, verificados contra el JSON del flujo de trabajo publicado: Configuración | Valor | Fuente
|---------|-------|--------
Steps | 9 | Civitai CFG scale | 0 | Ficha del modelo Z-Image Turbo Sampler | res_multistep | Civitai Scheduler | simple | Civitai Denoise | 1.0 | Civitai Ajuste DyPE_FLUX | Valor | Fuente
|-------------------|-------|--------
Width/Height | 2048×1152 | Civitai Resolución base | 1024 | Civitai Método | vision_yarn | ComfyUI-DyPE DyPE habilitado | true | ComfyUI-DyPE Escala | 2.0 | ComfyUI-DyPE Exponente | 2.0 (para objetivos 4K+) | ComfyUI-DyPE Desplazamiento base | 0.5 | Civitai Desplazamiento máximo | 1.15 | Civitai Componentes del modelo:
- Codificador de texto: qwen_3_4b.safetensors (type: lumina2)
- VAE: ae.safetensors
- Modelo de difusión: z_image_turbo_bf16.safetensors
Análisis del presupuesto de pasos
El presupuesto de 9 pasos para Z-Image Turbo está fijado por la arquitectura — el modelo fue destilado específicamente para este conteo de pasos. Agregar más pasos no mejora calidad porque el modelo estudiante no fue entrenado para desruir en pasos intermedios. De igual modo, el modelo Z-Image base a 50 pasos y el modelo base con DyPE a 28 pasos representan cada uno sus respectivos presupuestos de entrenamiento.
VRAM y rendimiento
Z-Image Turbo cabe dentro de 16 GB de VRAM en dispositivos de consumo en resolución nativa <a href="https://github.com/Tongyi-MAI/Z-Image">1024×1024</a>. El nodo DyPE añade sobrecarga insignificante ya que parchea los insertados posicionales sobre la marcha durante el pase adelante.
Errores comunes y correcciones
Ruido moteado blanco
Síntoma: Grano de alta frecuencia en áreas enfocadas de la imagen como cabello u ojos en resoluciones extremas. Causa: Escalar el mecanismo de atención del modelo más allá de los límites de su resolución de entrenamiento produce amplificación de patrones de ruido de alta frecuencia. Corrección: Aplique el DeJPEG-LoRA con fuerza 1.0, que suaviza artefactos de alta frecuencia mientras mejora la precisión de proporciones. Fuente: DeJPEG-LoRA
Distorsión de proporciones en resoluciones extremas
Síntoma: Estiramiento o deformación geométrica de los sujetos en resoluciones 4K+. Causa: Un dype_exponent más alto (2.0) mantiene un escalado posicional fuerte a lo largo de toda la trayectoria de muestreo, lo cual puede sobreestabilizar relaciones espaciales cuando la relación de aspecto diverge de los datos de entrenamiento. Corrección: Reduzca dype_exponent (por ejemplo, 2.0 → 1.0) a costa de cierta reducción de ruido. Fuente: ComfyUI-DyPE
Artefactos de método legacy
Síntoma: Estiramiento y artefactos estructurales al usar yarn o ntk a 4K+. Causa: La extrapolación posicional estática no se adapta a la progresión espectral del proceso de difusión, causando desalineación entre la estabilización de estructura de baja frecuencia y la recuperación de detalle de alta frecuencia. Corrección: Cambie a vision_yarn, que equilibra dinámicamente el manejo de relación de aspecto y el escalado de frecuencias internamente. Fuente: ComfyUI-DyPE
Preguntas frecuentes (FAQ)
¿Cuántos pasos necesita Z-Image Turbo? 9 pasos en total (8 forwards de DiT). Esta es la restricción arquitectónica de la destilación de 8 NFEs. Más pasos no mejoran la calidad.
¿Qué escala CFG es correcta para Z-Image Turbo? 0.0 (desactivada). El modelo destilado incorpora la guía internamente mediante Aumento de CFG Decoupled-DMD. Cualquier valor positivo de CFG aplica esto dos veces y degrada la calidad de salida.
¿Funciona DyPE con Z-Image Turbo? Sí, el complemento ComfyUI-DyPE soporta explícitamente modelos Z-Image (Lumina 2) con el selector model_type=zimage. El flujo de trabajo de referencia publicado usa vision_yarn con dype_exponent=2.0 a 2048×1152. Fuente: ComfyUI-DyPE
¿Dónde pierde detalle Z-Image Turbo comparado con el modelo base? Principalmente en diversidad de muestras. La destilación de 8 pasos no puede capturar la distribución multimodal completa disponible mediante el lanzamiento de 50 pasos del modelo base. DMDR basado en RL reduce aún más las salidas hacia un modo estético preferido.
¿Puedo usar Z-Image Turbo a resoluciones superiores a 2048×1152? Sí, DyPE permite generación nativa a 4K+ y más allá. El modelo no fue probado más allá de 2160×2160 en flujos de trabajo publicados, aunque DyPE se demostró a 4096×4096 en arquitecturas relacionadas. Fuente: Papel DyPE
Resumen
Z-Image Turbo entrega una calidad visual excepcional en <a href="https://github.com/Tongyi-MAI/Z-Image">8 NFEs</a> pero requiere CFG=0 y una configuración cuidadosa de DyPE para evitar artefactos. El intercambio clave del modelo destilado es diversidad por calidad: donde el Z-Image base captura diversas interpretaciones de una instrucción, Turbo produce consistentemente la salida más probable con fidelidad estructural nítida. En resoluciones por encima de la nativa <a href="https://github.com/Tongyi-MAI/Z-Image">1024×1024</a>, el alineamiento de progresión espectral de DyPE extiende las capacidades del modelo con costo de muestreo adicional cero, aunque las resoluciones extremas amplifican el ruido moteado que la mitigación DeJPEG-LoRA aborda. Para preguntas comunes de implementación, vea la <a href="/internal:z-image-turbo-dype-sampling-resolution-steps-faq">Preguntas frecuentes</a> sección.