# Qwen-Image 2.1 Fun-Acc: LoRA для генерации и редактирования за четыре шага

Источник: https://modelium.tech/zhurnal/qwen-image-2-1-fun-acc-lora-4-step/

Alibaba PAI выложила Fun-Acc-4Step — отдельный LoRA-адаптер для Qwen-Image 2.1. Авторы показывают генерацию и редактирование изображений за четыре шага вместо 40 у базового примера. Веса и скрипты доступны, но базовую модель нужно загрузить отдельно; лицензия весов разрешает исследования и оценку, а для коммерческого применения требуется отдельное соглашение. Из сокращения числа шагов нельзя вывести ускорение в десять раз по времени.

Qwen-Image 2.1 Fun-Acc: четыре шага для генерации и редактирования

24 сентября 2026 года в репозитории Alibaba PAI появились весовой файл `Qwen-Image-2.1-Fun-Acc-4Step.safetensors` и примеры запуска. История репозитория отделяет первоначальное создание страницы от коммита с адаптером и скриптами; последняя проверенная ревизия — `f7545234760e1847cd8e89e52bd951cb0b7e327f`. Это **LoRA-адаптер**, а не новая полная модель: для запуска нужны исходные веса `Qwen/Qwen-Image-2.1`. [s1](#src-s1) [s2](#src-s2)

## Что меняется

Авторы применили Parallel Decoding Distillation и предлагают генерацию по тексту и редактирование по изображению за **четыре шага генерации (NFE)**. Их карточка сравнивает примеры с базовой моделью на 40 шагах и другим четырёхшаговым вариантом. Это демонстрационные изображения, не независимый бенчмарк времени или качества. Четыре шага вместо 40 не означают автоматически десятикратное ускорение по часам: время загрузки модели, обработка текста, перенос слоёв и используемое оборудование остаются существенными. [s1](#src-s1)

Адаптер подходит для локальных пайплайнов, где требуется серия черновых изображений или быстрые итерации редактирования. Но авторы прямо предупреждают: мелкий плотный текст может терять читаемость, а некоторые отредактированные изображения — детализацию, выглядеть темнее или размытее относительно исходной модели. Поэтому для типографики и финальной картинки полезно сравнить результат с базовыми 40 шагами на своих промптах; Modelium такого сравнения не проводил. [s1](#src-s1)

## Как устроен пример запуска

В одной ревизии с весами доступны `predict_t2i.py`, `predict_t2i_edit.py`, `qwenimage21_pdd.py` и `lora_utils_pdd.py`. Первый скрипт загружает `QwenImage21Pipeline` из Diffusers, затем применяет LoRA, подменяет scheduler на PDD, использует четыре шага и сохраняет `samples/t2i.png`. Второй добавляет референсное изображение и сохраняет `samples/edit.png`. Авторы также приложили варианты для VideoX-Fun. [s1](#src-s1) [s3](#src-s3)

Для повторения потребуется совместимое окружение с PyTorch и Diffusers, доступ к базовой Qwen-Image 2.1 и файлу адаптера. В каталоге репозитория с адаптером выполняется `python predict_t2i.py` или `python predict_t2i_edit.py`; пути можно переопределить через `QWEN_IMAGE_MODEL` и `PDD_LORA_PATH`. Примеры используют CUDA и `pipeline.enable_model_cpu_offload()`; offload не превращает их в готовую CPU-only или MLX-инструкцию. Проверенного требования к объёму RAM/VRAM авторы здесь не приводят, а размер файла адаптера не равен потреблению памяти всего пайплайна. [s3](#src-s3) [s4](#src-s4)

## Лицензия и ограничения

Веса адаптера и базовая модель опубликованы по **Qwen Research License**: использовать их в исследовательских и оценочных целях можно в рамках её условий, для коммерческого применения требуется отдельная лицензия правообладателя. Это открытый доступ к весам, но не разрешение на свободное коммерческое использование. Файл `LICENSE_CODE` для приложенных утилит содержит Apache 2.0; `NOTICE` отдельно напоминает, что лицензия кода не заменяет лицензию модели. Перед производным использованием нужно читать полный текст обоих документов. [s5](#src-s5) [s6](#src-s6) [s7](#src-s7)

**Вывод:** Fun-Acc добавляет проверяемый четырёхшаговый маршрут для существующей Qwen-Image 2.1 без загрузки другого полного чекпойнта. Практическая выгода по времени и сохранение качества зависят от задачи и оборудования: опубликованы авторские примеры, но независимых замеров этой LoRA у Modelium нет. [s1](#src-s1) [s3](#src-s3)

## Источники

1. [Alibaba PAI — Qwen-Image-2.1-Fun-Acc-LoRAs, карточка закреплённой ревизии](https://huggingface.co/alibaba-pai/Qwen-Image-2.1-Fun-Acc-LoRAs/blob/f7545234760e1847cd8e89e52bd951cb0b7e327f/README.md) — получено 2026-09-25
2. [Hugging Face API — история коммитов и манифест весов Fun-Acc](https://huggingface.co/api/models/alibaba-pai/Qwen-Image-2.1-Fun-Acc-LoRAs/commits/main?limit=10) — получено 2026-09-25
3. [Alibaba PAI — закреплённый скрипт генерации predict_t2i.py](https://huggingface.co/alibaba-pai/Qwen-Image-2.1-Fun-Acc-LoRAs/blob/f7545234760e1847cd8e89e52bd951cb0b7e327f/predict_t2i.py) — получено 2026-09-25
4. [Alibaba PAI — закреплённый скрипт редактирования predict_t2i_edit.py](https://huggingface.co/alibaba-pai/Qwen-Image-2.1-Fun-Acc-LoRAs/blob/f7545234760e1847cd8e89e52bd951cb0b7e327f/predict_t2i_edit.py) — получено 2026-09-25
5. [Alibaba PAI — Qwen Research License для адаптера](https://huggingface.co/alibaba-pai/Qwen-Image-2.1-Fun-Acc-LoRAs/blob/f7545234760e1847cd8e89e52bd951cb0b7e327f/LICENSE) — получено 2026-09-25
6. [Qwen — лицензия базовой Qwen-Image 2.1](https://huggingface.co/Qwen/Qwen-Image-2.1/blob/790c92633540aa0cb11d9abf19eb46d861714758/LICENSE) — получено 2026-09-25
7. [Alibaba PAI — NOTICE и условия кода](https://huggingface.co/alibaba-pai/Qwen-Image-2.1-Fun-Acc-LoRAs/blob/f7545234760e1847cd8e89e52bd951cb0b7e327f/NOTICE) — получено 2026-09-25