快手开源 5B 文生图，中文提示词理解出色
模型介绍
Kolors（可图）是快手于 2024 年 6 月开源的大规模文生图模型，总参数约 5B。它基于 SDXL 改进系潜在扩散架构，并使用约 2B 参数的强大双语文本编码器（从多语言大模型蒸馏而来）替代 CLIP，因此在中文提示词理解上显著优于海外模型，同时支持中英双语。Kolors 在照片级写实、中式场景、人物与光影处理上表现突出，图片内中文文字渲染相对准确。HF 授权标签为 Apache-2.0，代码开源，模型权重商用需向快手登记备案，是中文文生图本地部署的优质选择。
模型基本信息
开发机构快手（Kuaishou）
模型版本Kolors 1.0
参数规模约5B
模型类型文生图潜在扩散大模型
许可证代码 Apache-2.0（HF 标许可证 apache-2.0）；模型权重商用需向快手登记
上下文长度N/A（图像，原生 1024×1024）
发布日期2024-06-05（HF createdAt）
模型架构SDXL 改进系潜在扩散 + 双语 LLM 文本编码（约2B，源自大模型蒸馏）
模型能力
中文能力很强（中文提示词直接出图）
英文能力强
代码能力N/A
推理能力N/A
长文本能力N/A
视觉能力很强（文生图，偏写实）
工具调用N/A
模型版本
Kolors 1.0约5BKolors-IP-Adapter约5B+（参考图能力）
模型获取
部署方式
ComfyUIDiffusers官方 WebUI
显存需求
FP16约12-16GB
硬件推荐
RTX 3060需量化或低显存模式
RTX 3090可跑 FP16
RTX 4090流畅运行 FP16
RTX 5090流畅运行及更高分辨率
Mac32GB 统一内存可跑
推荐配置
入门RTX 3060 12G + 量化/低显存模式
进阶RTX 4090 + FP16（约12-16GB）
专业A100 + 批量出图与 IP-Adapter 工作流
为什么选择这个模型
- 中文理解强：中文提示词直接出图，无需英文翻译
- 5B 大模型：细节与构图丰富，画质细腻
- 写实风格佳：照片级真实感与光影处理出色
- 文字渲染：图片内中文文字相对准确
模型优点
- 中文提示词理解业界领先
- 写实摄影风格表现突出
- 支持 IP-Adapter 参考图控制
- ComfyUI/Diffusers 支持完善
- 代码 Apache-2.0 开源
模型缺点
- 5B 参数量 FP16 需 12GB+ 显存，低显存用户吃紧
- 模型权重商用需向快手登记备案
- 社区生态与 LoRA 数量少于 SDXL
- 英文复杂指令略逊于顶级英文模型
适合场景
- 中文提示词创作（无需英文翻译）
- 写实摄影、人物与肖像风格
- 中式场景与传统文化元素
- 海报文字渲染需求
不适合场景
- 8GB 以下低显存（需量化折腾）
- 需要海量风格 LoRA 生态的场景
- 严格无监督商标/品牌风险的商用
- 追求英文提示词极致细节的中文项目外用户
部署教程
vLLM
图像模型一般不用 vLLM，推荐 ComfyUI：下载 Kolors 的 safetensors + 对应文本编码器，用官方 Kolors 工作流启动；或 Diffusers：pip install diffusers && 加载 Kwai-Kolors/Kolors（SDXLPipeline 变体）
智算工坊实验室
实测速度1024×1024 约7s（RTX 4090，30步）
显存占用FP16 约12-16GB
功耗整机约350W
不同 GPU 对比RTX 3060 需量化较慢；4090 流畅；中文出图体验一致但速度随显存提升
常见问题 FAQ
Kolors 显存要求高吗？
fp16 约需 12~16GB；12GB 卡建议量化或在低显存模式运行。
和 SDXL 比优势？
中文理解与写实风格明显更强，适合中文与摄影风创作。
Kolors 能商用吗？
代码 Apache-2.0；模型权重商用需填写快手提供的商业授权申请书并发送 [email protected] 登记。
相关模型
相关工具
相关硬件
相关文章
数据来源
- https://huggingface.co/Kwai-Kolors/Kolors
- https://modelscope.cn/models/Kwai-Kolors/Kolors
- https://github.com/Kwai-Kolors/Kolors
