LTX-2.5 量化指南：BF16、INT8 与 NVFP4 怎么选

选择 LTX-2.5 权重不能只比较文件大小。正确格式取决于推理工具、显卡架构、显存预算，以及工作流需要完整 Dev Transformer 还是更快的 Distilled Transformer。

当前 LTX-2.5 官方模型仓库主要提供 BF16、ComfyUI 专用 INT8 ConvRot 和 NVFP4 三类 Transformer 权重。旧版 LTX 工作流可能提到 FP8 或社区 GGUF 文件，但不能因此认为它们与 LTX-2.5 官方权重可以直接互换。

BF16：兼容性基线

Dev 和 Distilled Transformer 都提供 BF16 权重。当显存足够，并且工作流遵循官方 Python 或 ComfyUI 配置时，BF16 是最直接的起点。

适合选择 BF16 的情况：

• 希望先建立官方基线，再测试量化版本；
• 硬件能同时容纳 Transformer、文本编码器、VAE 和可选放大组件；
• 使用不支持 ComfyUI 专用格式的推理管线。

它的代价是显存占用。完整音视频工作流不只有 Transformer，因此仅看 Transformer 文件大小无法判断峰值显存。

INT8 ConvRot：面向低显存 ComfyUI

官方权重包为 Dev 和 Distilled 都提供了 INT8 ConvRot 文件。这些文件明确标记为 ComfyUI 专用，不适用于标准 PyTorch 或 ltx-pipelines 加载方式。

以下情况适合考虑 INT8：

• 主要使用 ComfyUI；
• BF16 无法为文本编码器、VAE 或放大器留下足够显存；
• 已安装的 LTX 节点明确支持 ConvRot 权重。

不要把 INT8 文件放进普通 BF16 工作流后期待 ComfyUI 自动判断。应从对应的官方工作流模板开始。

NVFP4：面向兼容的 Blackwell 硬件

官方为 Distilled Transformer 提供 NVFP4 权重，并将其与 Blackwell 显卡和 LTX kernels 支持关联。

NVFP4 可以显著减少 Transformer 占用，但不是所有 NVIDIA 显卡都能使用的通用低显存方案。下载前应确认显卡代际、驱动、CUDA 环境和节点支持。

Dev 还是 Distilled？

权重精度与模型变体回答的是两个不同问题：

• Dev 是完整、可训练的 Transformer，用于 TI2Vid、关键帧和音频转视频等引导式双阶段工作流。
• Distilled 使用固定的短采样流程，是 Distilled、DFR、IC-LoRA 和 Dub-It 管线所需的版本。

先选择工作流，再为该变体选择受支持的精度格式。

推荐选择顺序

1. 明确需要的管线和功能。
2. 确认它要求 Dev 还是 Distilled。
3. 从官方工作流模板开始。
4. 完整工作流能装入显存时优先建立 BF16 基线。
5. 低显存 ComfyUI 使用官方 INT8 ConvRot 路径。
6. 只有兼容硬件才选择 NVFP4。
7. 每次只替换一个组件，并保存最后一次成功配置。

如果选择正确权重后仍然溢出，请继续查看 LTX-2.5 ComfyUI OOM 指南。按显存档位选择方案，可阅读 LTX-2.5 低显存指南。