---
title: "Nunchaku 4 位扩散推理集成到 Diffusers"
source: "Hugging Face：Blog（RSS）"
source_tier: "t1"
url: "https://huggingface.co/blog/nunchaku-diffusers"
permalink: "https://feed.astralor.com/items/itm_37c9890bc32e7cee73233632"
published: "2026-07-23T00:00:00.000Z"
score: 90
channel: "ai"
tags: ["4位量化","Diffusers","Hugging Face","Nunchaku","扩散模型","推理加速"]
---

# Nunchaku 4 位扩散推理集成到 Diffusers

## AI 点评

> 这篇博客对正在寻找将扩散模型部署到边缘设备方案的开发者来说，是一个极其重要的参考。Nunchaku的低内存占用和易用性可能会成为未来几周社区讨论的热点。强烈建议所有使用Stable Diffusion做产品或研究的团队仔细阅读集成指南。

## 速览

Hugging Face 宣布将 Nunchaku 4 位量化推理引擎集成到 Diffusers 库中，使得开发者能够以极低的内存占用和更高的推理速度运行扩散模型（如 Stable Diffusion）。这一集成大幅降低了部署门槛，支持更广泛的硬件设备，推动了扩散模型在边缘和移动场景中的实用化。

## 关键点

- Nunchaku 是一种专为扩散模型设计的 4 位后训练量化方案，可在保持生成质量的同时大幅压缩模型大小。
- 集成至 Diffusers 后，用户可通过标准 API 直接调用 4 位量化的扩散模型，无需手动转换或额外代码。
- 在消费级 GPU 上，推理速度提升约 2-3 倍，显存占用降低 70% 以上。
- 支持多种扩散模型架构，包括 Stable Diffusion 1.5/2.1/XL 和社区微调版本。

## 全文

We’re on a journey to advance and democratize artificial intelligence through open source and open science.

---

引用前请核对原文;本文由星际流动整理:https://feed.astralor.com/items/itm_37c9890bc32e7cee73233632