Pruna-Qwen-Image-2.1

Pruna 发布 Pruna-Qwen-Image-2.1，一套面向 Qwen-Image-2.1 的加速LoRA，基于 DMD 蒸馏方案训练，可把原生模型采样步数压缩至5步或8步，最高推理提速6.3倍，支持文生图与图像编辑。适配器挂载在原版基础模型之上，文本编码器、VAE、原有推理管线无需改动。当前为 v0.1 初版，仍在迭代优化。

两个LoRA变体

两个适配器各自配套专属sigma调度方案，同一时间只能加载其中一个。

训练与适用范围

• 训练分辨率：1024×1024（1K），混合文生图任务、单图/多图编辑，最多支持3张参考图
• 提示词：可选用提示词上采样，直接使用详尽提示词通常效果更佳
• 外推边界：2K等高分辨率、超过3张参考图可以跑，但不在训练覆盖范围内，画质不稳定
• 特性：无CFG，支持图像编辑

版本说明：v0.1 是首次预览发布，图像质量暂时还追不上原版Qwen-Image-2.1基础模型，团队持续优化蒸馏方案，后续会更新仓库。

基准测试信息

测试环境：H100 80GB，BF16，batch size=1，使用官方模型卡示例提示词；统计包含提示词编码、去噪、VAE解码，不包含模型加载、预热、图片存储，取预热后3轮推理的中位数。

• 原版基线：40步，开启KV缓存
• Pruna LoRA：5/8步，基准测试时关闭KV缓存；示例代码已支持开启KV缓存，图表尚未重新复测
• 测试约束：LoRA不合并，不启用模型编译、CPU卸载；速度对比不代表图像质量一致

简要原理

基于DMD蒸馏方式训练LoRA，专门学习少步采样下的图像分布，减少去噪迭代次数，实现大幅加速，保留原生模型整套组件，不用替换基础权重。

适用场景：需要大批量快速生成图像、实时图像预览、本地端快速出图，适合愿意小幅牺牲画质换取巨大推理速度提升的场景。