Custom_Nodes篇:ComfyUI-QwenVL3-image反推节点

这是一个 ComfyUI 自定义节点，它集成了阿里巴巴的 Qwen3-VL-4B-Instruct-FP8 视觉语言模型。

核心功能： 它的主要作用是分析输入的图像并生成相应的文本描述。

主要特点是高效运行,由于使用了 FP8 量化技术，该模型运行所需的显存较低，大约 10GB 左右。开发者提到，它适合用在图像放大的工作流程中，作为图像理解（“看懂”图片内容）的工具。需要注意的是，因为它依赖 FP8 技术，所以它有特定的硬件门槛，要求使用 NVIDIA RTX 4090 或计算能力更强的 GPU。简单来说，它是一个能帮你“读取”图片内容并将其转换成文字的工具节点，特别适合显存有限但又想使用先进视觉模型的用户（前提是你的 GPU 支持 FP8）。

节点官方介绍:

---

开源地址：https://github.com/yamanacn/ComfyUI-QwenVL3-image

使用qwen3vl-4b快速分析图片内容，用于在放大中替代florence

📖 简介

一个为 ComfyUI 设计的自定义节点，集成了 Qwen3-VL-4B-Instruct-FP8 视觉语言模型，用于高效的图像理解和描述。

✨ 主要特性

• 🚀 高效 FP8 量化：仅需约 10GB 显存
• 📦 批量处理支持：一次处理多张图片
• 💾 智能内存管理：可选模型保持加载，优化显存
• 🔧 辅助工具链：提供文本分割、列表处理等节点

📋 硬件要求

• GPU: NVIDIA RTX 4090 或更高（计算能力 ≥ 8.9）
• 显存: ≥ 10GB
• 系统内存: 8GB+

⚠️ 重要提示: 此插件仅支持 FP8 量化模型，需要计算能力 8.9 或更高的 GPU。

🔧 安装方法

使用 Git Clone（推荐）

cd ComfyUI/custom_nodes/
git clone https://github.com/yamanacn/ComfyUI-QwenVL3-image.git
cd ComfyUI-QwenVL3-image
pip install -r requirements.txt

使用 ComfyUI Manager

1. 在 ComfyUI 中打开 Manager
2. 搜索 “QwenVL3”
3. 点击安装

📦 模型下载

模型会在首次使用时自动下载。你也可以从 HuggingFace 手动下载模型，并将其放置在 ComfyUI/models/Qwen/ 目录下。

• 模型地址: Qwen/Qwen3-VL-4B-Instruct-FP8

🎮 基础工作流

对于批量处理，可连接 Text Batch Splitter 和 List Selector 节点来分别查看每张图片的描述。

图片输入 → QwenVL3 Image (FP8) → 文本输出