<a target="_blank" rel="ugc" href="https://civarchive.com/models/2787288/indigo-furry-mix-anima">Indigo Furry Mix Anima - v1.0 | Anima Checkpoint | Civitai</a># IndigoFurryMix Anima V10 — INT8 ConvRot HQ SpeedThis is an INT8 ConvRot quantized diffusion-model conversion of <code>indigoFurryMixAnima_v10</code>.## Conversion- Format: <code>int8_tensorwise</code> + ConvRot- Quantizer: Comfy-Org <code>quant_int8_convrot.py</code>- Quantization method: FP32 rotation + per-channel INT8 quantization + MSE-optimal clipping- ConvRot group size: 256- Minimum GEMM size: 256- Quantized layers: 448- Quantized parameters: ~1.94B- Preserved weights: 240 BF16 tensors- Output size: 2.095 GiBThe conversion covers the main Attention, MLP, and AdaLN modulation linears for a speed-oriented INT8 build, while non-eligible and sensitive non-linear weights remain in BF16.## Validation- Mean weight reconstruction relative error: 0.7487%- Maximum relative error: 1.1206%- Minimum cosine similarity: 0.999937- All 448 INT8 weights have matching scale and ConvRot configuration tensors.- Verified with the native ComfyUI INT8 ConvRot loader and a finite BF16 forward pass.## UsageThis file is a diffusion model only, not a complete checkpoint.Place it in:<code>ComfyUI/models/diffusion_models</code>Use it with the matching Anima V10 text encoder, VAE, and workflow from the original model. Keep LoRAs in their original FP16/BF16 format.Requires a recent ComfyUI build with native <code>int8_tensorwise</code> + ConvRot support.## NotesThis is a quantized derivative, not a newly trained or merged model. Image quality should be evaluated with the same workflow, prompt, seed, sampler, and step count as the original model.<h1 id="indigofurrymix-anima-v10-int8-convrot">IndigoFurryMix Anima V10 — INT8 ConvRot 高质量高速版</h1>这是对 <code>indigoFurryMixAnima_v10</code> 进行 INT8 ConvRot 量化转换后得到的扩散模型版本。<h2>转换信息</h2><ul><li>格式：<code>int8_tensorwise</code> + ConvRot</li><li>量化工具：Comfy-Org <code>quant_int8_convrot.py</code></li><li>量化方法：FP32 旋转变换 + 逐通道 INT8 量化 + MSE 最优裁剪</li><li>ConvRot 分组大小：256</li><li>最小 GEMM 尺寸：256</li><li>量化层数量：448</li><li>量化参数量：约 19.4 亿</li><li>保留权重：240 个 BF16 张量</li><li>输出文件大小：2.095 GiB</li></ul>本次转换覆盖了主要的 Attention、MLP 和 AdaLN 调制线性层，目标是构建一个更偏向运行速度的 INT8 版本。不符合量化条件的权重，以及对精度较为敏感的非线性相关权重，仍保留为 BF16 格式。<h2>验证结果</h2><ul><li>权重重建平均相对误差：0.7487%</li><li>最大相对误差：1.1206%</li><li>最小余弦相似度：0.999937</li><li>全部 448 个 INT8 权重均具有匹配的 Scale 和 ConvRot 配置张量</li><li>已使用 ComfyUI 原生 INT8 ConvRot 加载器完成验证，并成功通过有限数值的 BF16 前向传播测试</li></ul><h2>使用方法</h2>此文件仅包含扩散模型，并不是完整 Checkpoint。请将文件放置于：<code>ComfyUI/models/diffusion_models</code>使用时需要搭配原模型对应的 Anima V10 文本编码器、VAE 和工作流。LoRA 请继续使用原始 FP16 或 BF16 格式，不需要进行 INT8 转换。需要使用较新版本的 ComfyUI，并确保其原生支持 <code>int8_tensorwise</code> + ConvRot。<h2></h2><h2>说明</h2>这是原模型的量化衍生版本，并非重新训练或重新合并得到的新模型。评估图像质量时，建议与原始模型使用完全相同的工作流、提示词、随机种子、采样器和采样步数进行对比。

Files with SHA256: d3802bbf1e4c0786791bb162a6b17736750c9963b43f50eefb07100e53493867