用途：在 ComfyUI 中构建 Z-Image 文生图工作流。Z-Image 是阿里通义实验室的 6B 参数图像生成模型，采用 S3-DiT 架构，使用 Qwen 文本编码器（非 CLIP-L/T5），VAE 与 Flux 架构相同但权重不同，须单独保存为 z-image-ae.safetensors。
主要能力：支持 RedCraft DX1 合并检查点（CheckpointLoaderSimple 加载，17GB，含 UNET+CLIP+VAE）、Z-Image Turbo（DMD 蒸馏，8-10 步，无有效负面提示）与 Z-Image Base（支持负面提示、LoRA 训练、ControlNet，10-30 步）。提供采样器预设：RedCraft 快速 10 步/CFG 1.0/euler/simple，标准 30 步/CFG 4.0；Turbo 推荐 14 步/res_2s/simple，最锐利为 dpmpp_sde+beta；Base 两阶段为 22 步/CFG 4.0/res_2s/beta，可选 3 步/denoise 0.15 细化。支持 ZImageTurbo 与 ZImageBase 的 style/concept/character/action LoRA，强度 0.6-1.0，用 LoraLoader 串联。ControlNet 提供内置 ZImageFunControlnet 与 Z-Image-Turbo-Fun-Controlnet-Union（Canny、HED、Depth、Pose、MLSD，强度 0.65-0.80）。
使用方式：Z-Image 在 --use-sage-attention 下采样异常（黑图/乱码），须以 --use-pytorch-cross-attention 启动 ComfyUI。RedCraft 用 CheckpointLoaderSimple + CLIPTextEncode；分离组件用 UNETLoader、CLIPLoader(type=qwen_image)、VAELoader 与 TextEncodeZImageOmni。分辨率须为 16 的倍数，如 1024x1024、1328x1328、896x1152、832x1216、768x1344、1280x720。提示词建议自然语言描述。切换模型族前先 clear_vram。
限制：Turbo 负面提示无效；部分模型文件可能需另行下载；显存需求 RedCraft 约 17GB、Turbo 约 8GB、Base 约 12GB。官方来源暂未提供，采样参数来自实测工作流。