Qwen-Image-Flash: destilación DMD2 de Qwen-Image en 4 pasos

¿Qué es Qwen-Image-Flash?

Qwen-Image-Flash es una build destilada con DMD2 y de cuatro pasos de Qwen/Qwen-Image creada por NVIDIA. La Distillation Matching de Distribuciones mejorada (Improved Distribution Matching Distillation) se ejecutó a través de NVIDIA FastGen, NVIDIA Model Optimizer y NVIDIA AutoModel; solo cambian los pesos del transformer, por lo que el resto del pipeline de Qwen-Image (codificador de texto Qwen2.5-VL, tokenizer de Qwen, VAE de Qwen-Image, forma del transformer de 60 capas) se hereda sin cambios.

• 20.43B parámetros en el transformer de eliminación de ruido, 28.85B en todo el pipeline aprendido
• 4 evaluaciones de función en lugar del schedule completo del modelo base
• Scheduler FlowMatch Euler empaquetado con una trayectoria estática con shift 3, que produce los sigmas [1.0, 0.9, 0.75, 0.5, 0.0]
• Destilado con descripciones de texto en inglés; la capacidad heredada para el idioma chino no se evalúa en la tarjeta del modelo

Ejecutar el checkpoint destilado

La versión oficial es un checkpoint de Diffusers, y la destilación internaliza la orientación del teacher: el muestreo requiere num_inference_steps=4 junto con true_cfg_scale=1.0. Colocar los pesos en un flujo de trabajo de Qwen-Image que todavía aplique CFG 4.0 duplicaría la orientación.

from diffusers import QwenImagePipeline
import torch

pipe = QwenImagePipeline.from_pretrained(
    "nvidia/Qwen-Image-Flash", torch_dtype=torch.bfloat16
).to("cuda")

image = pipe(
    prompt="A red fox in a snowy pine forest at golden hour, photorealistic, sharp focus",
    width=1024, height=1024,
    num_inference_steps=4,
    true_cfg_scale=1.0,
).images[0]

La tarjeta del modelo enumera Diffusers 0.38.0 con Transformers 5.12.1, SGLang Diffusion, vLLM-Omni y TensorRT-LLM VisualGen como los runtimes compatibles, con H100 y B200 como el hardware validado. ComfyUI no forma parte de la lista oficial de motores: considere los pesos del transformer en un solo archivo como compatibles a nivel de arquitectura con la familia Qwen-Image, más que como un runtime oficialmente compatible.