Comfy-Org ha adattato i modelli Qwen3-VL per funzionare in ComfyUI

Il team Comfy-Org ha rilasciato versioni adattate dei modelli multimediali Qwen3-VL, progettati per l'integrazione nell'ambiente di programmazione visiva ComfyUI. Il rilascio include build ottimizzate con parametri 4B e 8B, che consentono di utilizzare le funzionalità del computer vision direttamente nei flussi di lavoro di generazione di immagini.

Per il corretto funzionamento dei modelli, gli utenti devono posizionare i file del text encoder in directory di sistema specifiche di ComfyUI. Tale struttura delle cartelle garantisce la compatibilità con i nodi di elaborazione dei dati attuali e consente al modello di interpretare correttamente i prompt visivi all'interno del grafo di esecuzione delle operazioni.

I modelli Qwen3-VL si basano su un'architettura che supporta l'elaborazione di immagini ad alta risoluzione e la comprensione del contesto della scena. La versione con 4B parametri è orientata al funzionamento su hardware consumer con una quantità limitata di memoria video, mentre la variante con 8B garantisce una maggiore precisione nel riconoscimento di dettagli piccoli e elementi testuali nelle immagini.

L'integrazione in ComfyUI semplifica la creazione di complessi pipeline di intelligenza artificiale, dove il modello di visione può agire come analizzatore dei dati di input o strumento per la generazione automatica di descrizioni (captioning) prima della fase di generazione. Il codice sorgente e i pesi dei modelli sono disponibili nel repository del progetto sulla piattaforma Hugging Face sotto la licenza standard per tale famiglia di modelli.