在你自己的 GPU（12 GB 及以上显存）上进行 GPT-Image 风格的照片编辑：我基于 stable-diffusion.cpp 为 Qwen-Image 2.1 开发了一款零配置应用

我尝试过的每一种 Qwen-Image 2.1 本地部署方案，都需要配置 Python 环境、节点图，还得花一个晚上为我的显卡挑选量化方式、卸载策略和分辨率。Kokon 是一款免费、开源的桌面应用，它会替你处理这一切，并提供一个简单易用的照片编辑器。零配置：首次运行会检测你的 GPU 和内存，并下载匹配的 GGUF 文件（Qwen-Image 2.1 Turbo Q4_K + Qwen3-VL 8B 文本编码器，约 12 GB，经过校验和验证）。每项任务都会自动调整配置：处理分辨率、显存与内存分配、分块 VAE，以及内存不足时重试。引擎：stable-diffusion.cpp（ggml），因此无需 Python，也无需 PyTorch。提供 CUDA、Vulkan 和 Metal 构建版本。它是编辑器：输入修改要求，或用画笔涂选区域，执行更改 / 移除 / 替换 / 添加。涂选区域会标记在第二张参考图像上，让模型真正看见它。支持版本管理、撤销、前后对比和放大效果对比。硬件：NVIDIA 12 GB 及以上显存（CUDA）。Apple Silicon（Metal，测试版，速度较慢：16 GB 内存的 M2 Pro 每张图像约需 4 分钟）。AMD / Intel Arc 12 GB 及以上显存，通过 Vulkan 运行（测试版，目前仅在 NVIDIA 上测试过，非常欢迎反馈）。速度：5070 Ti 16 GB：1.5K 分辨率下每次编辑约 24 秒，原生 2K 编辑约 40 秒。智能体：内置 MCP 服务器（generate_image、edit_image、inpaint_image、outpaint_image、upscale_image…）和本地 HTTP API：npx -y kokon-mcp，也已收录于官方 MCP Registry。尚未支持：Linux；代码签名（首次运行时 SmartScreen 会显示警告）；复用已有模型文件目前需要手动变通处理（#14）。代码仓库：https://github.com/GabrieleLozupone/kokon · 网站：https://kokon.app 代码采用 AGPL-3.0 许可证；Qwen 权重采用 Qwen Research License（非商业用途）。