ComfyUI-Spectrum-QwenImage21 是一个专为 Qwen-Image-2.1 设计的免训练扩散采样加速节点，实现自 CVPR 2026 论文《Adaptive Spectral Feature Forecasting for Diffusion Sampling Acceleration》（arXiv:2603.01623）。其核心机制是在选定去噪步骤中跳过全部 32 层 Transformer 块，转而通过在线岭正则化 Chebyshev 拟合预测最终隐藏状态，仅运行廉价的输出头（time_text_embed → norm_out → proj_out）。在默认 moderate 配置下，可跳过约 65–70% 的 Transformer 传递，同时保持输出视觉质量接近完整采样。
- GitHub：https://github.com/awdqwdasdg/Comfyui-Spectrum-Qwen2.1
该节点通过 ComfyUI 官方 WrappersMP.DIFFUSION_MODEL 机制集成，无 monkey-patching，兼容原生 prefix-KV-cache 优化。仅支持 Qwen-Image-2.1，不支持 1.x 或 Edit 版本。
为何适用于 Qwen-Image-2.1
Qwen-Image-2.1 的架构特性使其成为 Spectrum 的理想目标：
- 单流 DiT + 廉价尾部：32 层处理打包序列，仅目标图像 token 进入输出头；尾部成本远低于单层，跳过整栈几乎获得完整步数节省。
- 步数不变的 prefix：文本与参考 token 在 t=0 调制并通过因果 prefix 关注，使
norm_out前的隐藏状态成为扩散时间步的平滑固定形状函数，符合 Chebyshev 预测器理论前提。 - Flow-matching 调度：作为整流流模型，其特征沿轨迹平滑变化，与 FLUX、SD3.5 等已验证模型一致。
性能实测：速度与质量的平衡
T2I 测试（3060 12GB, 928×1664, CFG=1, Euler+Simple, Sage Attention）
| 方法 | 步数 | 扩散时间 | 速度 |
|---|---|---|---|
| Base | 25 | ~49s | 1.97s/it |
| Easy Cache | 25 | ~30s | 1.23s/it |
| Spectrum | 25 | ~22s | 1.10it/s |
| Spectrum | 45 | ~28s | 1.56it/s |
| Spectrum | 25 (CFG=4) | ~45s | 2.81s/it |
Spectrum 在 45 步时仍比 Easy Cache 25 步更快，且质量更一致（Easy Cache 偶发伪影，Spectrum 呈柔和喷绘感）。可与 Easy Cache 叠加使用，但生成结果不同。
I2I 多参考测试（1MP, 45 步, CFG=1）
| 参考图数 | 扩散时间 | 速度 |
|---|---|---|
| 1 | ~21s | 2.08 it/s |
| 2 | ~26s | 1.73 it/s |
| 3 | ~30s | 1.49 it/s |
参考图增加导致条件计算开销上升，但 Spectrum 仍保持高效。透明度正常工作，需使用特定提示格式：This is an RGBA image with transparency. [描述] The image has alpha channel and the background is transparent. ⚠️ 不可用 Flux2/Mage Flow VAE 处理透明图，否则 alpha 通道变粉。
安装与工作流集成
cd ComfyUI/custom_nodes
git clone https://github.com/awdqwdasdg/Comfyui-Spectrum-Qwen2.1
# 重启 ComfyUI，无额外依赖
节点放置顺序：
Load Qwen-Image-2.1 checkpoint
│
▼
(LoRA / 模型修改节点)
│
▼
Spectrum (Qwen-Image-2.1) ◄── 所有模型修改之后、采样器之前
│
▼
KSampler / SamplerCustom (推荐 cfg=1.0, 20–40 步)
首次运行建议开启 debug=True 查看控制台决策日志（如 step 13/40 ... mode=forecast history=8）。
关键参数与调优指南
| 参数 | 默认值 | 作用与调优方向 |
|---|---|---|
warmup_steps | 5 | 初始真实步数，为拟合 seeding；减少可提速但降低稳定性 |
tail_actual_steps | 2 | 尾部真实步数，解析精细细节；增至 3–4 提升质量 |
window_size | 2.0 | 初始预测间隔；增大加速但可能漂移 |
flex_window | 0.75 | 间隔增长率；0.75=moderate，3.0=aggressive（4–5×加速） |
max_consecutive_forecasts | 8 | 连续跳过上限，防累积误差 |
history_points | 8 | 拟合锚点数，滑动窗口；过少降质，过多增内存 |
chebyshev_degree | 4 | 多项式阶数；2→4 显著改善，6 边际收益 |
ridge_lambda | 0.1 | 正则化强度；1e-3 或 10 均有害 |
blend_weight | 0.5 | 0.5=稳健混合，1.0=纯 Chebyshev（论文精确），0.0=线性外推 |
cache_device | main_device | 锚点存储；VRAM 紧张时设 cpu（增加 host↔device 拷贝） |
force_actual_on_control | True | 控制残差存在时强制真实前向，保兼容性 |
调优策略：
- 追求速度：
flex_window=3.0+tail_actual_steps=1，接受可见质量漂移 - 追求质量：
flex_window=0.4+tail_actual_steps=3–4+blend_weight=1.0 - 节省显存：
cache_device=cpu，锚点驻留系统 RAM
安全机制与限制
故障关闭设计：以下情况自动回退真实 Transformer：
- 非原生 Qwen-Image-2.1 核心或缺少
sample_sigmas - 预热/尾部阶段或锚点不足
- 存在控制残差（守卫启用时）
- 运行中特征几何变更（区域条件、批次重拆）
- 预测异常
已知限制：
- 仅支持 Qwen-Image-2.1，1.x/Edit 版本拒绝加载
- 高加速下质量为权衡：论文报告 FLUX.1-dev 在 α=0.75 时 PSNR≈24.3dB vs 完整 50 步，加速 3.47×；视为“非常接近”而非逐位相同
- 每个锚点占用显存：2048² 约 512MB (bf16)，1024² 约 128MB
- 不支持量化/包装核心的原生 Transformer 内部结构
开发与验证
仓库提供 CPU 测试套件（无需 GPU/ComfyUI），验证数学正确性、调度模式及完整包装器流程：
python -m unittest discover -s tests -v
⚠️ 免责声明：本项目由 GLM-5.3 一次性 vibe coding 生成，使用前请充分测试。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
