4 步就能出图也能改图：Qwen-Image-2.1 的「RL 蒸馏版」放出全量权重，14GB 显存能跑
3分钟看懂
11 月 2 日，做推理加速的 ModelTC / LightX2V 团队在 Hugging Face 放出 Qwen-Image-2.1-Lightning-v2-RL：把阿里那个「一个模型同时管文生图和改图」的 Qwen-Image-2.1，压成了 4 步去噪就能出结果的版本。第二天（11 月 3 日）他们又补了一个 688MB 的 rank-64 LoRA 文件。
一句话说结论：同一个 7B 级模型，原来要跑 40 步，现在 4 步；原来只能出图，现在出图、单图改图、多图组合三件事共用一套权重。 代价是许可仍是非商用。
基于多家媒体转述与官方 model card 整理，权重与参数均以 Hugging Face 仓库为准。
这是什么
Qwen-Image-2.1 是阿里通义千问的图像模型：7B 的视觉生成部分，把文生图和图像编辑合在一个模型里，还能直接生成带透明通道（RGBA）的图。
但它有个现实问题——好用归好用，慢。原版常规要 40 步采样，本地跑一张图的时间成本摆在那，做批量改图、做实时预览都不太舒服。
Lightning v2 RL 就是冲这个来的：拿 Qwen-Image-2.1 做底，先蒸馏、再用强化学习精修，把步数从 40 压到 4，而且不是只压文生图，改图那部分也一起压。
它怎么做到 4 步
不是简单少跑几步那么简单。关键在三处：
- 蒸馏 + 强化学习：先学原模型的输出，再用 LightX2V 自己开源的
lightx2v_rl代码做一轮 RL 精修。 - 固定 sigma 表：仓库里带一个
inference_config.json，里面写死了四个噪声水平1.0 → 0.95418 → 0.89508 → 0.704534，调度器只在最后补一个 0。 - CFG 关掉、KV cache 打开：
true_cfg_scale = 1.0（等于不做双分支引导），use_kv_cache = true，这两项是 4 步还能保住画质的前提。
能干什么
同一套权重，三个任务：
- 文生图：给提示词直接出 1024×1024 的图。
- 单参考编辑：给一张参考图 + 指令，改衣服颜色、换背景这类。
- 多参考组合：给多张参考图，按提示词里的顺序对应，比如「让图 1 的人穿图 2 的外套」。
仓库里放了两组文生图、两组单参考编辑、两组多参考组合的对照样例，都是 4 步 vs 原版 40 步、同样 CFG、同样提示词、1024×1024。注意这是作者自己挑的例子，不是 benchmark 分数。
怎么用（第一步）
官方给的路径是 Diffusers：
- 装带
QwenImage21Pipeline的 Diffusers（模型卡要求从 git 装最新版）、transformers>=5.17.0、accelerate、safetensors、pillow。 - 下载 Lightning v2 RL 仓库，把里面的 transformer 换进 Qwen-Image-2.1 的管线；text encoder、VAE、processor 仍然从原模型取。
- 调度器用
FlowMatchEulerDiscreteScheduler，参数直接读inference_config.json里的scheduler段。 - 采样时把
sigmas显式传进去，num_inference_steps取 sigma 的个数（4）。
最小可跑的样子（按模型卡整理，不是我实测的代码）：
transformer = QwenImage21Transformer2DModel.from_pretrained(MODEL_DIR, torch_dtype=torch.bfloat16)pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1", transformer=transformer, ...)pipe.scheduler = FlowMatchEulerDiscreteScheduler(**config["scheduler"])- 调用时传
sigmas=config["sample_sigmas"]
宽高要设成 32 的倍数；改图时 image=[参考图]，多参考就 image=[图1, 图2]。
成本与硬件
- 仓库里的全量 transformer 是 28.46 GB（FP32 存储），按作者建议用 bf16 加载，显存占用约 14 GB——和 Comfy-Org 那个 bf16 版本的原模型 transformer 一个量级。
- 你还得额外准备原版 Qwen-Image-2.1 的 text encoder 和 VAE，这部分不能省。
- 11 月 3 日补的 rank-64 LoRA 只有 688 MB，对想省下载量的人更友好，但它同样依赖原模型底座。
- 许可沿用 Qwen Research License，非商用。这点对商用产品是硬门槛，动手前先看清。
避坑
- 不要只写
num_inference_steps=4。模型卡明确说了，这样复现不出效果，必须把四个 sigma 一起传进去。 - 不要二次 shift。sigma 已经是偏移过的，再套一次动态偏移会直接糊。
- 别照抄上一代 v1 的设置。v1 用的是均匀间隔 sigma 配指数动态偏移，v2 完全换了。
- 目前没有 ComfyUI 格式文件和官方 workflow，只有 Diffusers 布局；想进 ComfyUI 得等社区转格式。
- 细节仍需人眼复查。作者自己提示：小字、手部结构、物体数量、参考一致性都可能出问题，且结果跟 seed 有关。
- 仓库很新，截至目前下载量仍为 0、likes 不到 30，社区验证还很少。
对谁有用
- 本地跑图、显存 16GB 上下、想跑「能出图也能改图」统一模型的人。
- 做改图工具原型、需要快速出候选、对延迟敏感的开发者。
- 已经在用 Qwen-Image-2.1，想在不换底座的前提下把速度提上来的人（前代 v1 的 LoRA 已被下载 43 万次，说明这条路有人走）。
不适用
- 要商用、不能碰非商用许可的团队。
- 只想拖节点、不写 Python 的 ComfyUI 用户（现在还没有对应格式）。
- 需要逐像素精确控制、或对文字准确性要求极高的排版场景——4 步蒸馏在这类细活上本来就更容易掉分，得自己验。
参考来源
- Hugging Face 模型卡（一手，含参数与用法）：https://huggingface.co/lightx2v/Qwen-Image-2.1-Lightning-v2-RL
- inference_config.json（sigma 表与调度器参数，一手）：https://huggingface.co/lightx2v/Qwen-Image-2.1-Lightning-v2-RL/raw/main/inference_config.json
- ArtRealmAI 11-02 转述（文件体积、无 ComfyUI 格式、非 benchmark 提示）：https://artrealmai.com/article/qwen-image-2-1-lightning-v2-rl-4-step-full-weights
说明：本文的发布节奏、参数与体积来自官方 model card 和 HF 仓库文件；部分解读（v1 对比、社区现状）基于多家媒体转述整理，未做独立复现。