P-JiT-21K-ComfyUI

P-JiT-21K-ComfyUI

在 ComfyUI 里根据文字提示生成图像，用的是 Linum 的 2B 参数 P-JiT 21K 模型，提供 bf16 和 int8 文件，4 GB 空闲显存就能运行。适合显卡配置一般的 ComfyUI 用户。

由 PedroMarinhoDev 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：P-JiT-21K-ComfyUI 把 Linum 的 P-JiT 21K 文字生成图像模型打包成适用于 ComfyUI 的 bf16 和 int8 文件。P-JiT 是一个 2B 参数的模型，直接在像素上作画，不需要 VAE。通过 ComfyUI-PJiT 节点，生成过程使用 ComfyUI 常规的采样器和内存管理，只需 4 GB 空闲显存。

适合谁：它适合想在配置一般的 GPU 上生成图像、并且愿意安装自定义节点的 ComfyUI 用户。

Industry | Who uses it | How they use it | Example
设计 | 视觉设计师 | 根据文字描述生成概念图 | 一段关于雨后地中海街道的描述
创意爱好 | ComfyUI 爱好者 | 在中端显卡上运行小型像素空间模型 | 在 4 GB 显卡上使用 int8 文件
研究 | 图像模型研究人员 | 对比文件精度和文本编码器 | 阅读卡片里对 bf16、int8 和 fp32 的对比

使用其他前端的人可以跳过它，因为这些文件是为 ComfyUI 做的。

用在哪里：

• ComfyUI 0.44 或更新版本，加上 ComfyUI-PJiT 自定义节点
• 带 GPU 的电脑，空闲显存 4 GB 起
• Windows、macOS 或 Linux，ComfyUI 能运行的地方都行

Use case | Who | What they get back
文字生成图像 | 设计师和爱好者 | 根据 50 到 80 词描述画出的图像
精修图像 | ComfyUI 用户 | 用低去噪强度重新处理图像的精修步骤
提示词扩写 | 普通用户 | 把简短提示词扩写成完整描述的工作流

如何设置：

• ComfyUI 0.44 或更新版本
• ComfyUI-PJiT 自定义节点，克隆到 custom_nodes 文件夹，不需要 pip install
• 至少有 4 GB 空闲显存的 GPU
• 模型和文本编码器的磁盘空间，分别从约 2.33 GB 和 3.16 GB 起

1. 安装 ComfyUI-PJiT 节点并重启 ComfyUI。
2. 把模型和一个文本编码器文件下载到 models 文件夹。
3. 打开 pjit_text_to_image 模板并运行。

pip install -U huggingface_hub

cd ComfyUI/models
hf download PedroMarinhoDev/P-JiT-21K-ComfyUI diffusion_models/pjit_21k_bf16.safetensors --local-dir .
hf download Comfy-Org/Qwen3.5 text_encoders/qwen3.5_4b_bf16.safetensors --local-dir .

如何使用：打开 ComfyUI-PJiT 模板，选 pjit_text_to_image。Linum 的设置已经填好：50 步、euler 采样器、simple 调度器、cfg 为 15、负面提示词为空。写 50 到 80 词的描述。这里没有 VAE 文件，因为 Load VAE 里内置的 pixel_space 选项就充当 VAE。

Tool | What it does
pjit_21k_bf16 | 4.37 GB 的主模型，像素与 Linum 的 fp32 一致，大小只有一半
pjit_21k_int8_convrot | 2.33 GB 的模型，在带 int8 内核的 GPU 上快约 1.8 倍
qwen3.5_4b_int8_convrot | 4.72 GB 的文本编码器，描述嵌入偏差 2%
qwen3.5_4b_w4a8 | 最小的文本编码器，3.16 GB，嵌入偏差 14% 到 16%

示例：你写一段 60 词的日落灯塔描述，用默认设置运行模板。模型经过 50 步，直接在像素上画出图像。在 RTX 3090 上，1024 乘 1024 的分辨率下，卡片测得 bf16 文件每步约 0.34 秒。

新手与专家：文字生成图像模型把文字描述变成图片。第一步可以先用 bf16 模型、bf16 文本编码器和默认模板，需要更快时再试 int8 文件。

P-JiT 在像素空间里工作，所以没有 VAE 来解码结果。卡片说 bf16 给出的像素与 fp32 版本相同，大小只有一半，而 int8 用一些细节换取速度。在各个文本编码器里，W4A8 文件对人脸的改变最大。

你写一段 50 到 80 词的描述
Qwen3.5-4B 文本编码器读取它
P-JiT 直接在像素上作画
可选的精修步骤润色图像

注意事项：

• License: Apache 2.0。
• Cost to run: 未提及。你需要自己的 GPU，至少有 4 GB 空闲显存。
• Data it reaches: 它从 Hugging Face Hub 下载文件，然后在你自己的机器上生成图像。
• Not for: 其他前端，或者用最小文本编码器却需要最精细人脸细节的工作。

Title: RTX 3090 上 1024 乘 1024 分辨率的每步秒数
pjit_21k_bf16: 0.34 seconds
pjit_21k_int8_convrot: 0.19 seconds
Linum's fp32 release: 0.35 seconds

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 框架：comfyui
• 最近 30 天下载：0
• 点赞：3
• 许可证：apache-2.0
• 基于：Linum-AI/pjit-21k
• 标签：comfyui, text-to-image, pixel-space, pjit, int8, convrot

链接

• 模型：https://huggingface.co/PedroMarinhoDev/P-JiT-21K-ComfyUI
• 文件：https://huggingface.co/PedroMarinhoDev/P-JiT-21K-ComfyUI/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download PedroMarinhoDev/P-JiT-21K-ComfyUI

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。