FireRed-Image-Edit 1.1 是小红书 Super Intelligence 团队于 2026 年 3 月 9 日开源的图像编辑大模型，主打人像 ID 一致性、多元素融合、美妆与字体风格参考，并原生支持 ComfyUI 节点，适合做写实人像精修、多图合成、照片修复、封面文字编辑。
支持LoRA，完整的加速套件，包含蒸馏、量化和静态编译——仅 30GB 显存，实现 4.5 秒的端到端生成
由于模型的限制，对本地算力要求比较高（30G以上显存），一般人的电脑配置达不到。对于小白，如果GPU低于24G，建议使用云端的RunningHub工作流或者租用算力来实现。除了方便省事，效果还好，无论是自己用还是商用都能胜任。点击下面地址注册送1000RH币（非此链接只有500RH币），每天登录赠送100RH币。复制以下链接，在浏览器打开：https://www.runninghub.cn/?inviteCode=fpwgjzhm
可以单独租用算力
随便玩玩也可以使用量化版（以8G显存为例）：
https://huggingface.co/FireRedTeam/FireRed-Image-Edit-1.1-ComfyUI/tree/main
comfyui默认不支持GGUF，如需要支持安装记得安装ComfyUI-GGUF
https://huggingface.co/vantagewithai/FireRed-Image-Edit-1.1-GGUF/tree/main
如果是8G GPU选择Q5以下（需要优化一些参数）
版本区别
Q3_K_M / Q3_K_S：3-bit 量化（极小显存占用，8GB可用）
Q4_0 / Q4_1 / Q4_K_M / Q4_K_S：4-bit 量化（平衡速度与质量，8GB可用）
Q5_0 / Q5_1 / Q5_K_M / Q5_K_S：5-bit 量化（质量更接近原版，8GB可用）
Q6_K：6-bit 量化（高保真，16GB可用）
Q8_0：8-bit 量化（接近 FP16 精度，显存占用高，24GB可用）
后缀含义：
_K_M：中等优化，平衡速度与质量
_K_S：小模型优化，速度更快、显存更低
_0 / _1：基础量化版本，_1 比 _0 质量略高但显存稍大
https://huggingface.co/FireRedTeam/FireRed-Image-Edit-1.1-ComfyUI/blob/main/firered-image-edit-1.1.json?download=true
此工作流UNet加载器不支持GGUF，需要替换为Unet Loader (GGUF)工作流节点。（看上图）另外，对于小白，如果GPU低于16G，建议使用云端的RunningHub工作流或者租用算力来实现。点击下面地址注册送1000RH币（非此链接只有500RH币），每天登录赠送100RH币。复制以下链接，在浏览器打开：https://www.runninghub.cn/?inviteCode=fpwgjzhm
如果硬要在8G显卡测试，默认模型替换为下面对应的模型。（如需工作流请留言）
核心优势：
ID 一致性（开源 SOTA）：换装、换场景、改表情后，人物五官、神态、身份特征稳定不变。
多元素融合：支持 10+ 元素自然拼接，Agent 自动裁剪 / 光影统一，无生硬抠图感。
人像美妆：专业美颜、黄皮 / 橄榄皮提亮、创意妆容（如万圣节），支持妆容迁移。
字体风格参考：按参考图复刻字体、排版，适合小红书封面文字。
老照片修复：细节还原、瑕疵修复、画质增强。
FireRed-Image-Edit 在 Imgedit、Gedit 和 RedEdit 开源模型中树立了新的领先地位，同时在特定维度上超越了我们的闭源竞争对手——这一优势也得到了人工评估进一步印证，强调其更优越的提示跟踪率和视觉一致性。
模型架构
| | | |
|---|
| FireRed-Image-Edit-1.0FireRed-图像-编辑-1.0 | | General-purpose image editing model通用图像编辑模型 | 🤗 HuggingFace🤖 ModelScope🤗 HuggingFace🤖 模型示波器 |
| FireRed-Image-Edit-1.0-DistilledFireRed-图像-编辑-1.0-蒸馏 | | Distilled version of FireRed-Image-Edit-1.0 for faster inferenceFireRed-Image-Edit-1.0 的精简版本，用于更快的推理 | 🤗 HuggingFace🤖 ModelScope🤗 HuggingFace🤖 模型示波器 |
| FireRed-Image-Edit-1.1火红-图像-编辑-1.1 | | Based on the FireRed-Image-Edit-1.0, it optimizes portrait consistency, multi-element fusion, stylized text reference, and portrait makeup effects.基于 FireRed-Image-Edit-1.0，它优化了肖像一致性、多元素融合、风格化文本参考和肖像化妆效果。 | 🤗 HuggingFace🤖 ModelScope🤗 HuggingFace🤖 模型示波器 |
| | High-quality text-to-image generation model高质量的文本转图像生成模型 | |
肖像
多重图像融合
case1: 将图2的男人，穿着图2的黑色"New York Bears"棒球夹克和迷彩裤子和蓝黑配色的AJ1高帮球鞋，在图1的空旷的橄榄球场上。球场阳光明媚，他带着图2黑色的帽子，帽檐是红色，夹克上的白色条纹在暗光中格外醒目。他的左肩随意地挎着图3那只复古棕色皮质旅行包，包口微微敞开，露出里面图3那个磨损的棕色橄榄球。右手则轻松地拖着图3的白色滑板，板底那威武的黑色狮子图腾在草地映衬下如同猛兽。图3那只壮实的深棕色斗牛犬安静地蹲坐在他脚边的阴影里，忠诚地望向主人。
男人脖子上挂着图2那副黑色Beats耳机，地上放着图3那座复古的青铜奖杯，在阳光下下泛着胜利的光芒。整个场景融合了街头潮流与竞技体育的质感，空旷球场、皮革装备的温润光泽、以及滑板带来的街头气息，共同构成了一个关于青春、热爱与赛后孤独的静谧时刻。
化妆
case1: 为人物添加欧美Y2K妆：使用冷白皮哑光粉底均匀肤色，描绘粗平的深棕色挑眉，眼部涂抹亮片银灰眼影并晕染至眉骨，画上黑色上扬眼线，粘贴浓密假睫毛，用浅金色高光提亮卧蚕，在苹果肌扫上蜜桃色腮红，唇部涂抹镜面玻璃唇釉，并在颧骨处轻扫修容粉。
case2: 为人物添加缎光底妆：使用自然色缎光粉底均匀肤色，描绘自然眉形并填充浅棕色眉粉，眼部涂抹深棕色眼影并晕染眼尾，画自然内眼线，刷上浓密睫毛膏，在卧蚕处提亮，涂抹水润感红色豆沙色口红并勾勒唇形，在苹果肌扫上粉色腮红，在鼻梁、颧骨处轻扫银色高光。
文本样式
开源地址：
https://github.com/FireRedTeam/FireRed-Image-Edit
模型下载：
https://huggingface.co/FireRedTeam/FireRed-Image-Edit-1.1
https://modelscope.cn/models/FireRedTeam/FireRed-Image-Edit-1.1
https://huggingface.co/FireRedTeam/FireRed-Image-Edit-1.1-ComfyUI/tree/main
https://huggingface.co/vantagewithai/FireRed-Image-Edit-1.1-GGUF/tree/main
演示地址：
https://huggingface.co/spaces/FireRedTeam/FireRed-Image-Edit-1.1
目前模型的优化发展对算力的要求虽然大幅降低了，但对于入门小白其实还是有一些门槛的。量化模型虽然可以，但效果不太好，我想，大家玩这个肯定还是想实现一些商业价值的。所以建议本地电脑GPU最低8G起步，16或者24G起步最好，但估计大多数人电脑配置达不到。对于小白，还是建议使用云端的RunningHub工作流或者租用算力来实现。可以点击下面地址注册送1000RH币，每天登录赠送100RH币。对于学习和体验足够了。想要用的更多也可以租用算力资源，价格还可以。复制以下链接，在浏览器打开：https://www.runninghub.cn/?inviteCode=fpwgjzhm
