Ryzen AI Max+ 395 128GB笔记本跑Qwen-Image 2.1实战

getBooker
getBooker LV1
25阅读
本文摘要Ryzen AI Max+ 395 128GB笔记本跑Qwen-Image 2.1实战本文来源： 小桥（公众号：小桥）原文链接： https://mp.weixin.qq.com/s/LZfnrl3j5ozUcYRrQ3a5WA发布时间： 2026-09-26 23:14作者： 小桥　　发布时间： 2026-09-26 23:14大家好，我是小桥，算法工程师，我写文章主要是记录我自己学习的过程，加...

Ryzen AI Max+ 395 128GB笔记本跑Qwen-Image 2.1实战

本文来源： 小桥（公众号：小桥）
原文链接： https://mp.weixin.qq.com/s/LZfnrl3j5ozUcYRrQ3a5WA
发布时间： 2026-09-26 23:14

Ryzen AI Max+ 395 128GB笔记本跑Qwen-Image 2.1实战

作者： 小桥　　发布时间： 2026-09-26 23:14

大家好，我是小桥，算法工程师，我写文章主要是记录我自己学习的过程，加深自己的理解，另外对自己也是一个督促。如果你对我的文章感兴趣，请关注我，后续会继续给大家介绍推广搜和大模型干货。

Qwen-Image 2.1据说效果不错，我在Ryzen AI Max+ 395 128GB笔记本尝试了一下，记录一下部署过程。

1 笔记本参数

488
488

2 安装ComfyUI

方案：用 Python 3.12 建python虚拟环境 ~/envs/comfyui，安装 AMD 官方 torch 2.9.1 + ROCm 7.2.4 wheel，再克隆并装 ComfyUI。

2.1 安装Python 3.12虚拟环境

uv python install 3.12
uv venv ~/envs/comfyui --python 3.12 --seed
source ~/envs/comfyui/bin/activate
python -V    # 应显示 Python 3.12.x

2.2 安装 PyTorch ROCm 7.2.4

不要从 PyPI 装默认的 CUDA 版 torch，要用 AMD repo.radeon.com 上带 rocm7.2.4 标签的wheel， 和 ComfyUI 文档对齐的组合是 PyTorch 2.9.1 + torchvision 0.24.0 + torchaudio 2.9.0 + triton 3.5.1：

WHEEL_BASE="https://repo.radeon.com/rocm/manylinux/rocm-rel-7.2.4"

uv pip install --python ~/envs/comfyui/bin/python \
  "${WHEEL_BASE}/torch-2.9.1%2Brocm7.2.4.lw.git39497456-cp312-cp312-linux_x86_64.whl" \
  "${WHEEL_BASE}/torchvision-0.24.0%2Brocm7.2.4.gitb919bd0c-cp312-cp312-linux_x86_64.whl" \
  "${WHEEL_BASE}/torchaudio-2.9.0%2Brocm7.2.4.gite3c6ee2b-cp312-cp312-linux_x86_64.whl" \
  "${WHEEL_BASE}/triton-3.5.1%2Brocm7.2.4.gita272dfa8-cp312-cp312-linux_x86_64.whl"

torch wheel大约 ### 1.5 GB，下载需要一定的时间，请耐心等待。

装完验证 GPU：

# 我之前跑了llama.cpp已经安装好了，如果没安装需要先安装
export ROCM_PATH=/opt/rocm-7.2.4
export HIP_PATH=/opt/rocm-7.2.4
export LD_LIBRARY_PATH="/opt/rocm-7.2.4/lib:${LD_LIBRARY_PATH:-}"
export TORCH_ROCM_AOTRITON_ENABLE_EXPERIMENTAL=1

~/envs/comfyui/bin/python - <<'PY'
import torch
print("torch:", torch.__version__)
print("hip:", torch.version.hip)
print("cuda available:", torch.cuda.is_available())
print("device:", torch.cuda.get_device_name(0))
x = torch.randn(1024, 1024, device="cuda", dtype=torch.float16)
y = x @ x
torch.cuda.synchronize()
print("matmul ok")
PY

期望输出大概是这样的：

torch: 2.9.1+rocm7.2.4.git39497456
hip: 7.2.53211-...
cuda available: True
device: Radeon 8060S Graphics
matmul ok

PyTorch 里的 torch.cuda 在 ROCm 上是同一套接口，看到 True 就说明走的是 AMD GPU，不是 NVIDIA。

2.3 在PyTorch基础上安装 ComfyUI

首先从github上clone：

git clone --depth 1 https://github.com/comfyanonymous/ComfyUI.git ~/envs/comfyui/ComfyUI

注意 requirements.txt 里写了裸的 torch，直接 pip install -r 可能把刚才的 ROCm wheel换成 CUDA 版。先把 torch 三件套滤掉再装：

grep -vE '^(torch|torchvision|torchaudio)($|[[:space:]#]|[=<>!~])' \
  ~/envs/comfyui/ComfyUI/requirements.txt > /tmp/comfyui-req-notorch.txt

uv pip install --python ~/envs/comfyui/bin/python -r /tmp/comfyui-req-notorch.txt

装完之后再确认 torch 还是 ROCm：

~/envs/comfyui/bin/python -c "import torch; print(torch.__version__, torch.version.hip)"

最后写一个启动脚本 ~/envs/comfyui/ComfyUI/run.sh：

#!/usr/bin/env bash
set -euo pipefail

export ROCM_PATH="${ROCM_PATH:-/opt/rocm-7.2.4}"
export HIP_PATH="${HIP_PATH:-$ROCM_PATH}"
export PATH="$ROCM_PATH/bin:$PATH"
export LD_LIBRARY_PATH="$ROCM_PATH/lib:${LD_LIBRARY_PATH:-}"
export TORCH_ROCM_AOTRITON_ENABLE_EXPERIMENTAL="${TORCH_ROCM_AOTRITON_ENABLE_EXPERIMENTAL:-1}"

COMFYUI_DIR="$(dirname "$(readlink -f "$0")")"
VENV="${VENV:-$(dirname "$COMFYUI_DIR")}"
cd "$COMFYUI_DIR"
exec "$VENV/bin/python" main.py "$@"

3 下载 Qwen-Image 2.1

注意不能直接去下 Hugging Face 上的 Qwen/Qwen-Image-2.1 原仓库，那是 Diffusers 分片，大约 47 GB，ComfyUI 官方模板不用这套路径。

ComfyUI 要用 Comfy-Org 拆好的单文件：

官方文生图模板默认用 int8 DiT + int8 文本编码器 + bf16 VAE，大约 17 GB，就能跑。我的这台机器显存够，另外下了 bf16 全精度（大约再加 32 GB），画质更好。

放到 ComfyUI 约定目录：

~/envs/comfyui/ComfyUI/models/
├── diffusion_models/
│   ├── qwen_image_2.1_int8_convrot.safetensors      # 6.8G  模板默认
│   └── qwen_image_2.1_bf16.safetensors              # 14G   可选全精度
├── text_encoders/
│   ├── qwen3vl_8b_int8_convrot.safetensors          # 8.8G  模板默认
│   └── qwen3vl_8b_bf16.safetensors                  # 17G   可选全精度
└── vae/
    └── qwen_image_2.1_vae_bf16.safetensors          # 645M

用 aria2c 断点续传，这样失败了可以重新接着下载。以模板三件套为例：

BASE="https://www.modelscope.cn/models/Comfy-Org/Qwen-Image-2.1/resolve/master"
ROOT=~/envs/comfyui/ComfyUI/models

aria2c -c -x 8 -s 8 -k 1M --file-allocation=none \
  -d "$ROOT/vae" -o qwen_image_2.1_vae_bf16.safetensors \
  "$BASE/vae/qwen_image_2.1_vae_bf16.safetensors"

aria2c -c -x 8 -s 8 -k 1M --file-allocation=none \
  -d "$ROOT/diffusion_models" -o qwen_image_2.1_int8_convrot.safetensors \
  "$BASE/diffusion_models/qwen_image_2.1_int8_convrot.safetensors"

aria2c -c -x 8 -s 8 -k 1M --file-allocation=none \
  -d "$ROOT/text_encoders" -o qwen3vl_8b_int8_convrot.safetensors \
  "$BASE/text_encoders/qwen3vl_8b_int8_convrot.safetensors"

如果只想先跑起来，这三个文件就够。我这里再下了两个 bf16：

1234567aria2c -c -x 8 -s 8 -k 1M --file-allocation=none \
  -d "$ROOT/diffusion_models" -o qwen_image_2.1_bf16.safetensors \
  "$BASE/diffusion_models/qwen_image_2.1_bf16.safetensors"

aria2c -c -x 8 -s 8 -k 1M --file-allocation=none \
  -d "$ROOT/text_encoders" -o qwen3vl_8b_bf16.safetensors \
  "$BASE/text_encoders/qwen3vl_8b_bf16.safetensors"

中途断了再跑同一条命令即可续传。下完建议核对体积（或 sha256），体积对了但校验失败说明没下完整，不要直接拿去加载。

4、启动 ComfyUI

~/envs/comfyui/ComfyUI/run.sh --listen --port 8188

终端出现类似：

To see the GUI go to: http://127.0.0.1:8188

浏览器打开 http://127.0.0.1:8188。这个终端不要关。

启动日志里应能看到：

pytorch version: 2.9.1+rocm7.2.4.git39497456
AMD arch: gfx1151
ROCm version: (7, 2)
Device: cuda:0 Radeon 8060S Graphics : native

5 加载 Qwen-Image 2.1 并出图

5.1 打开官方模板

  1. 点 Workflow → Browse Templates（或 Templates）
  2. 搜索 Qwen-Image 2.1
  3. 打开 Text to Image

模板会自动选中：

  • UNET：qwen_image_2.1_int8_convrot.safetensors
  • CLIP：qwen3vl_8b_int8_convrot.safetensors
  • VAE：qwen_image_2.1_vae_bf16.safetensors

第一次加载权重会慢一些，属于正常。

一开始看到的图只有一些框框，看起来就不太对，这时候放大一些就能看到了。

Pasted image 20260926225028
Pasted image 20260926225028

5.2. 输入 prompt，再点 Run

  1. 找到中间最大的节点
  2. 最上面的长文本框就是 prompt（模板里已经预填了一段英文时尚人像）
  3. 想试跑：直接点右上角 Run
  4. 想自己出图：删掉预填内容，换成自己的描述（中英文都可以），再点 Run

我测试的prompt是：

请生成一张电影级超写实科技主题海报，场景设定在 2026 年的上海未来人工智能实验室。

画面中央是一位约 30 岁的亚洲女性人工智能工程师，穿着简洁高级的深灰色科技夹克，佩戴透明 AR 智能眼镜，坐在现代化工作台前。她正在专注地观察面前悬浮的全息显示界面，表情自然、专注而自信。人物面部比例自然，皮肤纹理真实，头发丝细节清晰，衣服具有真实的织物纹理。

工程师面前是一块大型透明全息屏幕，上面显示复杂的人工智能系统界面，包括神经网络结构图、模型训练曲线、GPU 利用率、推理延迟、Token 生成速度、代码窗口和数据可视化图表。所有界面元素都应该具有真实的软件 UI 设计感，排列整齐、逻辑清晰。

实验室内部可以看到多台高性能 AI GPU 服务器，服务器机箱采用黑色金属和铝合金材质，可以看到散热风扇、液冷管路、光纤线缆和细小的状态指示灯。设备细节丰富但不要杂乱。

实验室后方是一整面落地玻璃窗，可以看到夜晚的上海未来城市景观：高耸的摩天大楼、城市灯光、高架道路、远处的东方明珠、潮湿路面上的霓虹灯倒影，以及轻微的城市雾气。建筑之间具有真实的空间透视关系。

海报顶部必须准确显示以下英文文字：

“THE FUTURE OF AI”

英文文字必须拼写完全正确，字体清晰锐利，不得出现乱码、错字或多余字符。

英文标题下方必须准确显示中文：

“生成式人工智能实验室”

海报右下角必须准确显示：

“QWEN-IMAGE 2.1”

其下方显示：

“LOCAL AI · 2026”

所有文字必须清晰、完整、准确、可读，不得生成任何额外的文字、乱码或随机字母。

采用电影级广角摄影构图，具有明显的前景、中景和背景层次。人物作为视觉中心，实验室设备作为中景，上海城市夜景作为背景。画面具有强烈的空间纵深感和真实透视关系。

采用冷蓝色环境光与温暖的橙色灯光混合照明，人物边缘具有自然的轮廓光，全息屏幕产生柔和的蓝色反射，玻璃窗和金属设备表面具有真实的光线反射。空气中存在非常轻微的体积光和雾气。

材质必须真实，包括玻璃、金属、碳纤维、OLED 屏幕、透明全息投影、织物、皮肤和头发。强调真实的光照、阴影、反射和环境遮蔽。

整体风格：超写实、电影摄影、顶级科技广告、真实摄影质感、高动态范围、真实全球光照、丰富细节、自然景深、专业商业海报构图。

要求画面整体协调，人物、文字、UI、服务器和城市背景之间具有良好的空间关系，不要出现畸形人物、额外手指、错误文字、乱码、重复人物、重复物体或不合理的透视。

画幅比例：16:9。

建议先保持默认参数：

  • 分辨率：1:1、1 megapixel（1024×1024）
  • steps：25
  • cfg：1
  • sampler：euler / simple

出图后可以将图片下载，我这里生成的图片如下：

Pasted image 20260926225332
Pasted image 20260926225332

看起来还行。

想出 2K：把 ResolutionSelector 改成 1:1、4 megapixels（2048×2048）。Qwen-Image 2.1 原生支持 2K。

5.3. 可选：换成 bf16 全精度

显存够的话，在大方块的模型下拉里改成：

  • qwen_image_2.1_bf16.safetensors
  • qwen3vl_8b_bf16.safetensors

VAE 仍用 qwen_image_2.1_vae_bf16.safetensors。画质更好，速度会慢一些。

361
361

注意如果是图编辑，需要用模板里的 Qwen-Image 2.1 Image Edit。

5.4 生成速度

我觉得还挺快的，不会用太长的时间（大概1分45s左右），图片就生成好了。

本文转载自微信公众号「小桥」，仅供学习交流使用。

觉得内容不错？我要

打赏杯咖啡或蜜雪冰城吧
微信扫一扫
微信赞赏码
支付宝扫一扫
支付宝赞赏码
版权声明
本文作者：getBooker
本文链接：https://www.ilearnai.online/archives/1530/
转载需注明文章出处，若本文内容有侵犯到您合法权益，请联系站长删除
推荐阅读
83.6K Star！Google工程总监把20年经验做成24个AI技能
83.6K Star！Google工程总监把20年经验做成24个AI技能
Vibe Coding｜如何让AI做出更漂亮的UI
Vibe Coding｜如何让AI做出更漂亮的UI
告别 XPath！Midscene.js，用自然语言搞定 UI 自动化
告别 XPath！Midscene.js，用自然语言搞定 UI 自动化
Jev来了，软件测试可能要重新定义&amp;quot;AI测试&amp;quot;了
Jev来了，软件测试可能要重新定义&quot;AI测试&quot;了
从0写一个 playwright-tester Skill，我花了 3 天：架构和流程全记录
从0写一个 playwright-tester Skill，我花了 3 天：架构和流程全记录
4天拿下13.6k星！Browser Use接上Jev，Agent操作浏览器效率提升10倍
4天拿下13.6k星！Browser Use接上Jev，Agent操作浏览器效率提升10倍
评论 暂无评论
请登录后参与评论