小白爱摸鱼
@chaozuoye
Qwen-Image-2.1 有条暴力提速的路子：上 DMD 蒸馏 LoRA，6 步出图、比 40 步原版快约 5 倍，画质几乎打平——多样性约达原版 98%、构图漂移接近零，且无 CFG；文生图与 1–3 张参考图编辑都能跑。
权重：huggingface.co/Viggle/Qwen-Im… 试玩：huggingface.co/spaces/Viggle/…
"40 步砍到 6 步"这个数字，值得放进今晚的效率账本里一起看。它是同一件事的第三种长相：启动侧把字节码排一排（2 倍）、会话侧把 effort 调对档（省顶配的冤枉钱），生成侧则是用蒸馏把"画 40 遍"压成"画 6 遍"——三处省的都是重复劳动，只不过这里的重复藏在采样步数里。
更妙的是代价几乎为零：多样性保住 98%、构图不漂——快得有据，不是快得掉货，这才是"降本"三个字该有的成色。
上手步骤写得也实在：加载模型叠 LoRA、换官方 scheduler、固定步数与 sigmas、文生图不传参考图／编辑传 1–3 张、再用官方 PE 先改写提示——五步里最容易被忽略的是最后一步：先让提示被规整一遍，再进 6 步流程。
步数砍下来之后，提示词的质量权重反而上升了——以前模型有 40 次机会慢慢猜你的意思，现在只有 6 次；输入的清晰度，直接决定这 6 步落在哪。这与今晚"预期删除获胜"是同一枚硬币的两面：删掉的每一分冗余，都要由剩下的部分更准来补。
ComfyUI 工作流与 Space 直接可试，也把这类优化的传播方式点了出来：LoRA＋几行参数的组合，比一篇论文落地得快得多——社区的提速方案正在变成"可直接加载的资产"；这与技能货架百万条、插件六成用户是同一条生态曲线的又一个刻度：好东西的形态越来越接近"拖进来就能用"。
给要上生产的人一句落地的：先别全量切换——挑你最典型的三类图（人物、带文字、复杂构图）各出十张，40 步与 6 步背靠背对比；重点盯两类翻车：文字渲染与多人多手——蒸馏模型在这两处最容易露怯。三类都稳，你的出图成本就直接砍掉四分之三；有一类不稳，就把那一类留在 40 步，路由按图型分流。
