如何选对版本ltx-2.5-mlx / ltx-2.5-mlx-q8 / ltx-2.5-mlx-ditq8 终极对比指南LTX-2.5 是 Lightricks 推出的音视频生成大模型ltx-2.5-mlx-q8等三个 MLX 版本把它搬上了 Apple Silicon Mac——名字只差几个字母精度策略和内存需求却完全不同。选错版本轻则跑不动重则白白浪费一半内存。本文用一张对比表 一份内存账本帮你 3 分钟选对版本。 先搞懂三个版本到底差在哪很多人以为q8和ditq8是同一个模型的不同档位其实它们量化的根本不是同一个部件而是两条完全独立的轴对比项ltx-2.5-mlx基准版ltx-2.5-mlx-q8本仓库ltx-2.5-mlx-ditq8文本编码器Gemma-4bf16 全精度约 23.8 GBint8 量化约 13.6 GB⬇️bf16 全精度DiT 主干Transformerbf16bf16int8 量化⬇️VAE / 音频 / 上采样器等其余组件相同与基准版字节级一致与基准版字节级一致典型适用机型48 GB 大内存 Mac24 GB / 32 GB Mac需要进一步压缩 DiT 内存的场景一句话总结-q8省的是文本编码器-ditq8省的是DiT 主干。两者互相独立int8 编码器可以自由搭配 bf16 或 int8 的 DiT。本仓库的完整说明见 README.md模型主配置为 config.json48 层、AudioVideo 双路架构、模型版本 2.5.0。⚡ ltx-2.5-mlx-q8小内存机型的救命版这是本仓库的重点也是三个版本里对低内存 Mac 最实用的一个。官方文档里有一组很关键的实测数据开启 DiT 流式加载后LTX-2.5 的峰值内存被一个与画面分辨率无关的 ~24.8 GB 地板锁死——而这个地板正是 bf16 文本编码器换成 int8 编码器后同场景峰值降到14.6 GB / 15.4 GB换句话说24 GB 和 32 GB 的 Mac 跑全精度版是结构性超载换 q8 后立刻回落到预算之内。量化细节也很讲究来自 README.md 的 Recipe 章节int8、group 64embed_tokens刻意排除在外保持 bf16——它是 49 个 hidden state 中连接器直接消费的输入量化它会破坏整条链路保真度连接器输出在有效 token 位置上读到0.999820与 bf16 的理论下限 0.999879 几乎贴脸。⚠️一个要提前知道的点int8 版本的输出与 bf16 版本不是逐比特一致的——编码器变了条件信号就变了生成轨迹自然不同。官方通过盲测 4 组 A/B 对比含面部特写、704×512 与 512×288 两种规格判定感知上可接受。所以它是另一条同样合格的视频而不是全精度的近似复制。 ltx-2.5-mlx-ditq8量化另一头ditq8仓库量化的是DiTTransformer 主干本身与文本编码器精度正交你可以bf16 编码器 int8 DiT也可以int8 编码器 int8 DiT如果你的瓶颈在 DiT 的常驻内存而不是编码器那才轮到它出场具体体积与内存数据以 ditq8 仓库自己的说明为准。 内存账本为什么两个都要这是全文最关键的一张表。README 明确指出Neither lever works alone——单独开流式或单独换编码器都不够。组合方式峰值内存表现24 GB Mac32 GB Mac全精度DiT 常驻最高完整 DiT bf16 编码器同时驻留❌❌全精度 DiT 流式≈24.8 GBbf16 编码器地板❌❌q8 编码器 DiT 常驻瓶颈仍在 DiT编码器收益不明显❌紧张q8 编码器 DiT 流式14.6 / 15.4 GB✅✅规律很简单常驻模式下 DiT 占大头换编码器看不见效果流式模式下 DiT 被流走地板变成了编码器这时 int8 才真正发力。 仓库里还有哪些组件除了量化的 Gemma-4 文本编码器位于 gemma4-12b-ltx-v1/本仓库是一棵可独立解析的完整组件树文件作用embedded_config.jsonTransformer RectifiedFlow 调度器的完整配置vae_encoder.safetensors / vae_decoder.safetensors视频 VAE 编码器 / 解码器vae_diffusion_decoder.safetensors另一套视频解码器diffusion decodervae_decoder_pruna.safetensors可选PrunaAI 剪枝蒸馏解码器解码约快 2×audio_vae.safetensors vocoder.safetensors音频 VAE 声码器支撑音画同步输出connector.safetensors文本嵌入 → Transformer 的连接器duration_head.safetensors视频时长控制头spatial_upscaler_x2_v1_1.safetensors空间 2× 上采样器配置见 spatial_upscaler_x2_v1_1_config.jsontemporal_upscaler_x2_v1_0.safetensors时间 2× 上采样器彩蛋vae_decoder_pruna是可选加速项——官方实测解码环节约提速 2 倍在 704×512×121 的解码瓶颈场景下峰值内存从 21.1 GB 降到 14.5 GB把超预算需要换页的运行拉回预算内。小内存机型建议一并关注。✅ 30 秒选型决策表你的 Mac 内存推荐版本备注48 GB / 64 GBltx-2.5-mlx 全精度追求极致保真内存无压力32 GBltx-2.5-mlx-q8 DiT 流式峰值约 15.4 GB宽裕24 GBltx-2.5-mlx-q8 DiT 流式可加 pruna 解码器峰值约 14.6 GB低配救星瓶颈在 DiT 常驻内存搭配 ltx-2.5-mlx-ditq8与编码器精度自由组合⚠️ 许可与使用边界三个版本均遵循LTX-2 Community License全文见 LICENSE.md个人学习、实验、非商业用途免费使用年营收 ≥ 1000 万美元的机构用于商业目的需另行购买商业授权使用限制如不得用于深度伪造、恶意内容等见附件 ltx-acceptable-use-policy-snapshot-2026-08-12.pdf。 一键获取模型git clone https://gitcode.com/hf_mirrors/mlx-community/ltx-2.5-mlx-q8克隆完成后仓库根目录即为完整组件树文本编码器在gemma4-12b-ltx-v1/子目录中。小结ltx-2.5-mlx是基准ltx-2.5-mlx-q8用 int8 文本编码器把 24.8 GB 的内存地板打到 14.6 GB是 24/32 GB Mac 的最优解ltx-2.5-mlx-ditq8则负责压缩 DiT 主干与前两者自由搭配。记住那条铁律——int8 编码器 DiT 流式两个都要剩下的交给决策表就行。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考