infosave/Z-Image-cmf

Z-Image — CMF

Z-Image by Tongyi-MAI, packaged as a single CMF file: the 6B image transformer, the Qwen3-4B text encoder and the VAE together, with the generation recipe stored inside. It runs with cortiq, a Rust engine with no Python: NVIDIA GPUs through Vulkan (tensor cores), Apple silicon through Metal, and a CPU fallback everywhere.

A cat on a windowsill at sunset, photorealistic	A fisherman's hands tying a rope
A "CORTIQ" neon sign on a brick wall	An aerial view of a river in autumn

_{1024×1024, seed 7, the file's default settings, generated by cortiq (28 steps, CFG 4); click for the full PNG.}

Try it in the browser: 🤗 Space (free CPU tier: a 256² Turbo image takes about 10 minutes; the tables below are what a GPU or a Mac does).

English · Русский · 中文

Quick start

cargo install cortiq-cli          # 0.7.5 or later; prebuilt binaries: github.com/infosave2007/cmf/releases
hf download infosave/Z-Image-cmf z-image.cmf --local-dir .
cortiq imagine z-image.cmf --prompt "A cat sitting on a windowsill at sunset, photorealistic" --negative-prompt "blurry, low quality"

No flags needed: the file carries the base recipe (1024×1024, 28 steps, guidance 4 with CFG, shift 6). Set XDG_RUNTIME_DIR=/tmp on a headless Linux box.

File

file	size	inside
z-image.cmf	10.5 GB	DiT 8-bit (q8_2f), Qwen3-4B text encoder 8-bit, VAE

sha256 d7138e6fe1b6af76ef7c7eea9e8524cd1e25bd01dcb2d002bc7abda26b058156 (z-image.cmf.sha256 is next to it). 8-bit was chosen by measurement: the 4-bit transformer loses 3–15 dB of image PSNR, the 8-bit one is comparable to bf16 inference.

Performance

RTX 3090, Vulkan, one image per process, no flags (cortiq 0.7.5):

size	time to image	of which DiT steps	VAE
512×512	16.2 s	13.6 s (28 steps, CFG)	0.12 s
1024×1024	60 s	57 s (28 steps, CFG)	0.49 s

Mac mini M4 (24 GB), Metal, no flags:

size	time to image	of which DiT steps	VAE
512×512	3.9 min	3.8 min (28 steps, CFG)	1.3 s
1024×1024	21 min	21 min (28 steps, CFG)	5.0 s

About 8 GB of memory. The GEMMs run at 91–94 % of the M4 GPU's matrix peak; attention is the remaining gap. Use fewer --steps and 512² for drafts, or Z-Image-Turbo.

RTX 3090: peak VRAM 14–15 GB (16 GB cards fit). Per image, the DiT runs at the speed of diffusers bf16 on the same card and the whole process starts about four times faster.

Options

option	meaning
--width, --height	multiples of 16 (default 1024×1024)
--steps, --seed, --num-images N	image i uses seed+i
--cfg G, --negative-prompt	guidance scale and negative prompt (defaults: 4 and "")
--cfg-normalization [C], --cfg-truncation T	the diffusers CFG extras
--shift, --max-sequence-length	scheduler shift, prompt token cap (512)
--out	.png (default out.png), .jpg, .ppm

CMF_ZIMAGE_PROF=1 prints stage times. CMF_GPU=0 runs everything on the CPU (minutes per image).

The base model answers to negative prompts and guidance 3–5 (28–50 steps); for the fastest results use Z-Image-Turbo (8 steps).

Samples

1024², seed 7, default settings: samples/.

Verify

sha256sum -c z-image.cmf.sha256
cortiq info z-image.cmf

---

Документация на русском

Z-Image от Tongyi-MAI одним файлом CMF: трансформер 6B, текстовый энкодер Qwen3-4B и VAE вместе, рецепт генерации записан в файл. Запускается движком cortiq на Rust без Python: NVIDIA через Vulkan (тензорные ядра), Apple silicon через Metal, везде есть путь на CPU.

cargo install cortiq-cli          # 0.7.5 или новее; готовые бинарники: github.com/infosave2007/cmf/releases
hf download infosave/Z-Image-cmf z-image.cmf --local-dir .
cortiq imagine z-image.cmf --prompt "Кот на подоконнике на закате, фотореализм" --negative-prompt "blurry, low quality"

Флаги не нужны: в файле записан рецепт базовой модели (1024×1024, 28 шагов, guidance 4 с CFG, сдвиг 6). На Linux без дисплея задайте XDG_RUNTIME_DIR=/tmp.

Файл: z-image.cmf, 10.5 ГБ — DiT 8 бит (q8_2f), энкодер Qwen3-4B 8 бит, VAE; sha256 d7138e6fe1b6af76… (полностью в z-image.cmf.sha256). 8 бит выбраны по замеру: 4-битный трансформер теряет 3–15 дБ PSNR картинки, 8-битный сравним с выводом в bf16.

Скорость (RTX 3090, Vulkan, одна картинка на процесс, без флагов, cortiq 0.7.5):

размер	картинка целиком	из них шаги DiT	VAE
512×512	16.2 с	13.6 с (28 шагов, CFG)	0.12 с
1024×1024	60 с	57 с (28 шагов, CFG)	0.49 с

Mac mini M4 (24 ГБ), Metal, без флагов: 512² за 3.9 мин, 1024² за 21 мин (28 шагов с CFG); память около 8 ГБ. GEMM идут на 91–94 % матричного пика GPU M4, остаток — внимание; для черновиков берите меньше --steps и 512², либо Z-Image-Turbo.

RTX 3090: пик видеопамяти 14–15 ГБ (хватает карты на 16 ГБ). DiT идёт со скоростью diffusers bf16 на той же карте, а старт процесса примерно в четыре раза быстрее.

Опции: --width/--height (кратны 16, по умолчанию 1024×1024), --steps, --seed, --num-images N (картинка i берёт seed+i), --cfg G и --negative-prompt (по умолчанию 4 и ""), --cfg-normalization [C], --cfg-truncation T, --shift, --max-sequence-length (512), --out (.png по умолчанию, .jpg, .ppm). CMF_ZIMAGE_PROF=1 печатает время стадий, CMF_GPU=0 считает всё на CPU (минуты на картинку).

Базовая модель слушается негативных промптов и guidance 3–5 (28–50 шагов); для скорости есть Z-Image-Turbo (8 шагов).

Примеры: 1024², seed 7, настройки по умолчанию — samples/. Проверка: sha256sum -c z-image.cmf.sha256, cortiq info z-image.cmf.

---

中文文档

Tongyi-MAI 的 Z-Image 打包为单个 CMF 文件：6B 图像 Transformer、Qwen3-4B 文本编码器和 VAE 合在一起，生成配方也写在文件里。由 Rust 引擎 cortiq 运行，无需 Python：NVIDIA 显卡走 Vulkan（张量核心），Apple silicon 走 Metal，任何机器都有 CPU 后备路径。

cargo install cortiq-cli          # 0.7.5 或更新；预编译二进制：github.com/infosave2007/cmf/releases
hf download infosave/Z-Image-cmf z-image.cmf --local-dir .
cortiq imagine z-image.cmf --prompt "夕阳下坐在窗台上的猫，照片级写实" --negative-prompt "blurry, low quality"

无需任何参数：文件内含基础模型配方（1024×1024，28 步，CFG guidance 4，shift 6）。 无显示器的 Linux 机器请设置 XDG_RUNTIME_DIR=/tmp。

文件： z-image.cmf，10.5 GB —— DiT 8 位（q8_2f）、Qwen3-4B 文本编码器 8 位、VAE； sha256 d7138e6fe1b6af76…（完整值见 z-image.cmf.sha256）。8 位是实测的选择：4 位 Transformer 会让图像 PSNR 下降 3–15 dB，8 位则与 bf16 推理相当。

性能（RTX 3090，Vulkan，每进程一张图，无参数，cortiq 0.7.5）：

尺寸	整张图	其中 DiT 步骤	VAE
512×512	16.2 s	13.6 s（28 步，CFG）	0.12 s
1024×1024	60 s	57 s（28 步，CFG）	0.49 s

Mac mini M4（24 GB），Metal，无参数：512² 用时 3.9 分钟，1024² 用时 21 分钟（28 步，CFG）； 内存约 8 GB。GEMM 已达 M4 GPU 矩阵峰值的 91–94%，剩余差距在注意力；草稿请减少 --steps 并使用 512²，或改用 Z-Image-Turbo。

RTX 3090：显存峰值 14–15 GB（16 GB 显卡可用）。DiT 与同一显卡上的 diffusers bf16 速度相同，进程启动快约四倍。

选项： --width/--height（16 的倍数，默认 1024×1024）、--steps、--seed、 --num-images N（第 i 张用 seed+i）、--cfg G 与 --negative-prompt（默认 4 与 ""）、 --cfg-normalization [C]、--cfg-truncation T、--shift、--max-sequence-length（512）、 --out（默认 .png，也可 .jpg、.ppm）。CMF_ZIMAGE_PROF=1 打印各阶段耗时， CMF_GPU=0 全部在 CPU 上运行（每张图需数分钟）。

基础模型支持负面提示词和 guidance 3–5（28–50 步）；追求速度请用 Z-Image-Turbo（8 步）。

示例： 1024²，seed 7，默认设置 —— samples/。 校验： sha256sum -c z-image.cmf.sha256，cortiq info z-image.cmf。