Qwen-Image 2.1 四步出图实战：LightX2V 闪电 LoRA 接入 ComfyUI

40 步压到 4 步，LoRA 只有 67MB

10 月 13 日，LightX2V 团队为 Qwen-Image 2.1 发布了 4 步蒸馏 LoRA，覆盖文生图与多参考图编辑两条链路。适配器只有一个文件 pytorch_lora_weights.safetensors，体积 67MB。训练用的是 LightX2V 内的 DMD（分布匹配蒸馏），跑在 16 张华为昇腾 910B NPU 上。

需要改变的地方很少。Qwen-Image 2.1 默认 40 步出图，装上这个 LoRA 后把采样器换成 4 步、关掉 CFG 即可：调度器切到 FlowMatchEulerDiscreteScheduler，schedule 直接用固定的四档 sigma（1.0、0.75、0.5、0.25），num_inference_steps 设为 4，true_cfg_scale 保持 1.0。也就是说，从正常的 Qwen-Image 2.1 工作流过去，只需要多做两件事：加载 LoRA、切换采样配置。

在 ComfyUI 里的四步操作

第一步，准备权重。LoRA 在 Hugging Face 的 lightx2v/Qwen-Image-2.1-Lightning 仓库，主模型用 Qwen/Qwen-Image-2.1；如果走 ComfyUI，建议直接拉 Comfy-Org/Qwen-Image-2.1 的单文件打包版，它把 bf16 与 int8 的扩散模型、VAE、Qwen3-VL 8B 文本编码器以及 Turbo LoRA 都分好了。

第二步，把 LoRA 文件放进 models/loras/，在 Qwen-Image 2.1 的工作流里接入标准的 LoRA Loader 节点，权重先用默认值跑通链路。

第三步，把采样步数改成 4、CFG 改成 1。这一档是蒸馏训练时的固定配置，调高步数不会更清晰，反而可能偏离蒸馏分布。

第四步，对照验收。模型卡里给了 5 组文生图对照，提示词、随机种子、输出尺寸完全相同，基准图是早前的 40 步结果，可以直接用同一组参数各跑一次看差异。

蒸馏 LoRA 的调试逻辑和普通 LoRA 相反：它不追求权重强度，追求的是采样配置与训练配置对齐。步数、CFG、sigma 这三样必须照抄。

编辑链路与多参考图

同一个适配器也训练了编辑管线，支持多参考图输入。模型卡里的样例包括把红色夹克改成深蓝并加一枚银色小星星胸针，要求保持人物身份、表情、发型、姿态、夹克材质与褶皱，背景和光照不变；另外还有夜景换装、人与猫、产品广告、沙发与吊灯、地板材质迁移、镜面反射、背包试穿等七组编辑对照，每组都附了参考图与 40 步、4 步的结果对比。

兼容性方面，LightX2V 官方脚本覆盖非 NVIDIA 硬件，包括训练所用的昇腾 NPU，社区也已有针对 AMD 与国产芯片平台的路由说明。需要注意三点：一是 LoRA 只能加载在 Qwen-Image 2.1 这个基础模型上，换模型会直接失效；二是 4 步下的细节上限低于 40 步，追求极致画质时仍建议回到多步；三是多参考图编辑对参考图质量敏感，输入分辨率太低时编辑指令容易失真。