Kromoss GGUF

Kromoss GGUF

Kromoss 的 GGUF 量化副本，Kromoss 是基于 MOSS-Image-Base 微调的 1024 像素文生图模型，用于 ComfyUI。适合想在显存有限的 GPU 上生成图像的画师。

由 molbal 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：这个仓库存放 Kromoss 的 GGUF 量化副本，Kromoss 是在 MOSS-Image-Base 上以 1024 像素微调而成的文生图模型。它沿用了 MOSS-Image-SFT 的架构、文本编码器和 VAE，所以能放进现有的 MOSS-Image 工作流。量化后的文件让模型下载和运行都更小。

适合谁：适合想在显存有限的显卡上根据文字生成图像的 ComfyUI 用户。

Industry | Who uses it | How they use it | Example
设计 | 数字画师 | 根据文字提示词生成图片 | 根据一句简短描述制作概念图
营销 | 内容创作者 | 在本地机器上制作插图 | 用布局指定文字位置来制作横幅图
软件 | 工作流搭建者 | 换用更小的量化版来适配 GPU | 在 8 GB 显卡上选择更小的文件

如果你不用 ComfyUI 或支持 GGUF 的工具，可以跳过，因为这些文件面向的就是那种工作流。

用在哪里：它在 ComfyUI 里使用。标准量化版可以用兼容的 GGUF 工具加载，而两个自定义量化版需要 comfyui-gguf-reboot 加载节点。

• 带 comfyui-gguf-reboot 加载节点的 ComfyUI
• 其他 GGUF 工具，用于标准的 Q4_K_M、Q6_K 和 Q8_0 文件
• Windows、macOS 或 Linux

Use case | Who | What they get back
文生图 | 画师 | 根据自然语言提示词生成的静态图像
标签式提示词 | 动漫和标签用户 | 根据一串标签生成的图像
布局提示词 | 设计师 | 按 JSON 布局放置文字和物体的图像

如何设置：安装 comfyui-gguf-reboot 节点，下载一个 GGUF 文件，并放进 diffusion_models 文件夹。工作流还需要来自上游 MOSS-Image 文件的文本编码器和 VAE。模型卡附带了现成的工作流文件。

• ComfyUI
• comfyui-gguf-reboot 加载节点
• 上游文本编码器文件 qwen3.5_9b_w4a8_gptq.safetensors
• 上游 VAE 文件 flux2-vae_small.safetensors

1. 在 ComfyUI 里安装 comfyui-gguf-reboot 节点。
2. 把一个 Kromoss GGUF 文件下载到 diffusion_models 文件夹。
3. 把文本编码器和 VAE 放进各自的文件夹。
4. 加载模型卡的工作流文件并运行。

models/diffusion_models/
models/text_encoders/
models/vae/

pip install -U huggingface_hub
hf download molbal/Kromoss-GGUF

如何使用：用 UnetLoaderGGUFDynamicVRAM 节点加载 GGUF，然后用日常语言、标签或 JSON 布局写提示词。附带的工作流使用 50 步、CFG 3、euler 采样器和 sgm_uniform 调度器。图像尺寸必须是 16 的倍数。

Tool | What it does
UnetLoaderGGUFDynamicVRAM | 从 diffusion_models 文件夹加载 Kromoss GGUF 文件
Supplied workflow | 包含模型卡的参考采样设置
Turbo LoRAs | 上游的 8 步 LoRA，用于更快生成

示例：你加载 Q4_K_M 文件，输入描述一个场景的提示词，并在 1024 乘 1024 之类的尺寸下运行附带的工作流。它返回一张符合提示词的静态图像。

新手与专家：如果你是新手，先用较小的 Q4_K_M 文件和附带的工作流，只改提示词。更大的量化版用磁盘空间换取保真度。

如果你熟悉这个领域，这里提供五种量化版。这一组有三个常见的 GGML 量化版，另外还有 Q8_CR 和 Q4_CR_L，它们使用特殊的 ConvRot 布局，只能通过 comfyui-gguf-reboot 节点读取。采样设置包括第 22 层的跳层引导。

文字提示词、标签或 JSON 布局
文本编码器读取提示词
量化后的 Kromoss 模型去噪
VAE 解码出静态图像

注意事项：Q8_CR 和 Q4_CR_L 文件不能用通用的 GGUF 加载器。

• License: Apache 2.0，与上游模型相同
• Cost to run: 没有提到 API 密钥、账号或付费服务，但你需要 GPU 以及上游的编码器和 VAE 文件
• Data it reaches: 你在自己机器上写的提示词和生成的图像，以及从 Hugging Face 下载的文件
• Not for: 使用两个自定义量化版时的通用 GGUF 加载器

Title: 文件大小，单位 GiB
Q4_K_M: 3.35 GiB
Q4_CR_L: 3.56 GiB
Q6_K: 4.24 GiB
Q8_CR: 5.04 GiB
Q8_0: 5.31 GiB

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 参数量：3.5B
• Weights: about 1.7 GB at 4-bit (estimate)
• Formats: GGUF
• 最近 30 天下载：1,815
• 点赞：6
• 许可证：apache-2.0
• 基于：lodestones/Kromoss
• 标签：gguf, moss-image, kromoss, comfyui, text-to-image

链接

• 模型：https://huggingface.co/molbal/Kromoss-GGUF
• 文件：https://huggingface.co/molbal/Kromoss-GGUF/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 molbal/Kromoss-GGUF

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。