Nvidia Qwen-Image-Flash：Qwen-Image 的 4 步 DMD2 蒸馏模型

NVIDIA 发布了 Qwen-Image-Flash，这是 Qwen/Qwen-Image 的 4 步 DMD2 蒸馏版本，在保留基础模型架构的同时大幅降低了生成成本。

什么是 Qwen-Image-Flash？

Qwen-Image-Flash 是 Qwen-Image 的少步蒸馏 checkpoint，基于 改进分布匹配蒸馏（Improved Distribution Matching Distillation，DMD2） 构建，使用了 NVIDIA FastGen、NVIDIA Model Optimizer 和 NVIDIA AutoModel。蒸馏后的学生权重替换了基础 Transformer，而流水线的其余部分保持不变，因此该模型仍然是 Qwen-Image 家族的即插即用成员。

关键规格：

• Transformer： 20.43B 参数，与 Qwen-Image 相同的 MMDiT 架构
• 步数： 4 次函数评估（NFE），低于基础模型的默认调度
• 调度器： 内置 FlowMatch Euler，使用静态 shift-3 轨迹，生成 Sigmas [1.0, 0.9, 0.75, 0.5, 0.0]
• 流水线： Qwen2.5-VL 文本编码器、Qwen tokenizer、Qwen-Image VAE

随附论文 Qwen-Image-Flash: Beyond Objective Design 描述了一种统一的少步方案，仅需 4 次 NFE 即可同时实现文生图生成和指令引导的图像编辑。

可用性

官方发布是 Diffusers checkpoint。使用 diffusers 中的 QwenImagePipeline 运行，采用 4 步推理、true_cfg_scale=1.0 和内置调度器：

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]
image.save("qwen-image-flash.png")