Qwen-Image-2.1 FewStep: LoRA для генерации за пять и восемь шагов

Как запустить

Карточка автора предлагает diffusers с QwenImage21Pipeline и FlowMatchEulerDiscreteScheduler. Для восьмишаговой версии схема такова: s1

import torch
from diffusers import QwenImage21Pipeline, FlowMatchEulerDiscreteScheduler

pipe = QwenImage21Pipeline.from_pretrained(
"Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16
).to("cuda")
pipe.load_lora_weights(
"ThakiCloud/Qwen-Image-2.1-FewStep-v0.1",
weight_name="qif_qwen_image_2.1_8step_v0.1.safetensors",
)
pipe.scheduler = FlowMatchEulerDiscreteScheduler.from_config(
pipe.scheduler.config,
use_dynamic_shifting=False, shift=1.0, shift_terminal=None,
)
image = pipe(
"A neon shop sign that reads OPEN LATE, rainy night",
height=1024, width=1024, num_inference_steps=8,
sigmas=[1.0, 14/15, 6/7, 10/13, 2/3, 6/11, 0.4, 2/9],
).images[0]

Пятишаговый адаптер загружается из файла qif_qwen_image_2.1_5step_v0.1.safetensors с num_inference_steps=5 и отдельным расписанием sigmas=[1.0, 0.94, 6/7, 2/3, 0.4]. Нельзя просто уменьшить число шагов у восьмишаговой LoRA: автор привязал каждый вариант к своему расписанию и отключению динамического shift. Отрицательный промпт в этом рецепте не нужен, true_cfg_scale остаётся равным 1. Рецепт приведён по карточке, Modelium не проводил собственного теста запуска. Размер файлов на диске не определяет необходимый объём RAM или VRAM. s1

Что говорят измерения автора

На 500 промптах при 1024 × 1024 (200 PartiPrompts, 200 DrawBench, 100 с текстом) автор сообщает PickScore 22,47 у восьмишаговой и 22,34 у пятишаговой LoRA против 22,31 у базовой модели с 40 шагами. Но CLIP-H, отражающий соответствие запросу, у адаптеров 34,66 и 34,35, тогда как у базы 35,02: по этой метрике улучшения нет. OCR-проверку проводила Qwen3-VL-8B, а текстовые промпты разделяют шаблоны и словарь с обучающими — это не полноценная проверка обобщения. Исследования предпочтений людей автор не приводил. Сравнение с адаптерами Pruna — тоже авторское, независимо Modelium его не воспроизводил. s1

Авторский замер на одной NVIDIA B200, BF16, batch 1, 1024 × 1024: 40-шаговая база с KV cache — 3,69 с на изображение; пятишаговая LoRA с объединением весов и torch.compile — 0,45 с; восьмишаговая в той же конфигурации — 0,66 с. Это время включает текстовый энкодер и VAE. Без fusion и compile автор получил 0,62 и 0,92 с; часть выигрыша связана с режимом исполнения, а не только с самими адаптерами. Не переносите эти цифры на другую локальную конфигурацию без собственного измерения. s1

Лицензия и пределы

Карточка и включённый LICENSE указывают Qwen Research License. Она позволяет исследование и оценку; для коммерческого использования базовых материалов и производных требуется отдельная лицензия. Доступность весов для скачивания не означает разрешения использовать их в коммерческом продукте. В NOTICE указано происхождение адаптеров от Qwen-Image-2.1. Сам исходный репозиторий Qwen содержит такое же некоммерческое условие. s3 s4 s5

Итого: для эксперимента с локальной генерацией 1024 × 1024 доступны два готовых файла, инструкция и точные sigma-расписания. Качество редактирования, другие размеры изображений и перенос авторских измерений скорости на ваше оборудование остаются непроверенными. s1