4步 vs 40步:Qwen-Image-2.1-Lightning-v2-RL与Qwen-Image-2.1 AI绘图实测对比
4步 vs 40步:Qwen-Image-2.1-Lightning-v2-RL与Qwen-Image-2.1 AI绘图实测对比
本文用官方对比示例,实测 Qwen-Image-2.1-Lightning-v2-RL 4 步快速 AI 绘图与原版 Qwen-Image-2.1 40 步基线的差距,覆盖文生图、单图编辑、多图生成三大任务,一次讲清楚:去噪步数从 40 砍到 4,画质到底掉不掉?
🧠 这是什么 4 步模型?
Qwen-Image-2.1-Lightning-v2-RL 是从 Qwen-Image-2.1 蒸馏而来、并经强化学习(RL)精调的 4 步快速推理版本。一句话概括它的特点:
- 4 个去噪步完成一次生成,配合 CFG = 1.0 与 KV cache,去噪计算量约为 40 步基线的 1/10
- 同时支持 文生图、单参考图编辑、多参考图生成 三类任务
- 权重为完整 transformer(不是 LoRA 适配器),FP32 存储,推理时建议以 BF16 加载
仓库结构很简洁,推理相关文件全部齐全:
| 文件 | 作用 |
|---|---|
| config.json | transformer 结构配置(32 层、32 个注意力头) |
| diffusion_pytorch_model.safetensors | 完整 transformer 权重(FP32,约 28.5 GB) |
| inference_config.json | 推理关键参数:基座模型、4 步 sigma 序列、CFG、调度器 |
| qwen_image_21_lightning_v2_rl_4steps_lora_rank64.safetensors | 同一训练的 LoRA 版本(rank 64,约 688 MB),适合想挂在原模型上复现 4 步效果的场景 |
| assets/comparison/ | 40 步 vs 4 步的官方实测对比图,本文素材全部来自这里 |
⚖️ 对比设定:让 4 步和 40 步打一场公平仗
本文所有示例均沿用官方验证设定(见 README.md):
| 项目 | Qwen-Image-2.1 基线 | Lightning v2-RL |
|---|---|---|
| 去噪步数 | 40 步 | 4 步 |
| CFG(引导强度) | 1.0 | 1.0 |
| 输出尺寸 | 1024 × 1024 | 1024 × 1024 |
| 提示词 / 参考图 | 相同 | 相同 |
| 采样 sigma | 默认调度 | 1.0 → 0.95418 → 0.89508 → 0.704534 |
4 步 sigma 序列记录在 inference_config.json 中。注意:这套序列已经做过 shift 处理,推理时不要再叠加动态 shift,否则会改变采样点。
🖼️ 文生图实测:4 步 vs 40 步
案例 1:燃烧海岸边的海豚(电影感场景),完整提示词见 prompt.txt。上图为 40 步基线:
下图为 4 步版本:
火焰高光、湿地面反射、风暴云层的明暗对比基本都保留了下来,4 步出图没有明显的"糊"或"欠生成"迹象。
案例 2:雨中的生锈自行车(高细节静物),完整提示词见 prompt.txt。上图为 40 步基线:
下图为 4 步版本:
锈蚀质感、雨丝、浅景深虚化这些容易在少步数下丢失的细节,4 步版本依旧到位——这正是 RL 精调的价值:让模型在更少步数下"画得够、画得稳"。
✂️ 单参考图编辑:4 步改图表现如何
以"把画面天空中的飞鸟替换为飞龙、其余场景保持不变"为例(提示词见 prompt.txt)。输入参考图:
编辑结果,上方为 40 步基线:
下方为 4 步版本:
两个版本都做到了"换掉目标物体、保住场景其余部分",4 步版本在光影融合上没有明显退化。另一组"书店背景替换为热闹集市"的案例素材在 assets/comparison/i2i_single/22/prompt.txt,可自行对照查看。
🎭 多参考图生成:把两张图融合进一张
示例任务:把图 2 的花卉瓷壶放进图 1 的人物桌面场景中(提示词见 prompt.txt)。两张参考图:
4 步生成结果——瓷壶被自然地摆进桌面空位,尺寸、透视、接触阴影都与原场景匹配,人物和纸牌原样保留:
使用要点:参考图必须按提示词中提到的顺序传入(image 1 对应第一张、image 2 对应第二张),顺序错了融合对象就会错位。
🚀 快速上手:3 步跑通 4 步出图
安装支持 QwenImage21Pipeline 的较新版本 Diffusers 及依赖:
pip install diffusers transformers accelerate safetensors pillow
推理核心就三步:
- 加载本仓库权重作为
transformer(diffusion_pytorch_model.safetensors) - 用 Qwen-Image-2.1 基座流程替换掉 pipeline 的 transformer(处理器、文本编码器、VAE 都来自基座)
- 按 inference_config.json 的参数重建调度器,生成时直接传入 4 个 sigma
pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1", transformer=transformer)
pipe.scheduler = FlowMatchEulerDiscreteScheduler(**inference_config["scheduler"])
img = pipe(prompt="...", sigmas=SIGMAS, num_inference_steps=4,
true_cfg_scale=1.0, use_kv_cache=True).images[0]
⚠️ 唯一的坑:只写 num_inference_steps=4 不能复现 4 步效果,必须传入官方 sigma 序列,否则采样点不一致,出图质量会明显波动。另外宽高默认 1024 × 1024,改比例时两个维度都保持 32 的倍数。
⏱️ 4 步画质:强在哪、要留意什么
强项
- 去噪计算量降到约 1/10,叠加 KV cache,适合批量出图、实时预览和高频迭代
- 官方三类任务示例中,4 步与 40 步的差距在日常观感上基本可忽略
需要留意的地方(官方提示)
- 细小文字、人体解剖结构、精确物体数量 偶有偏差,重要画面建议人工检查
- 参考图细节的精确保留(局部结构、小物件)同样建议核对
- 画质会随提示词和随机种子波动,出图不满意时多试几个 seed
📄 许可说明
本模型基于 Qwen-Image-2.1 衍生,遵循 Qwen Research License,包含非商业用途条款。用于商业场景前,请先阅读并确认许可条款。
✅ 一句话总结
如果你想在保住 Qwen-Image-2.1 原始画质的前提下让出图"快 10 倍",Qwen-Image-2.1-Lightning-v2-RL 的 4 步推理是当下非常划算的选择:官方实测中文生图、单图编辑、多图生成三类任务里,4 步与 40 步的差距肉眼难辨,而生成速度提升是实实在在的。









