Qwen-Image 2.1 Fun Acc LoRA：官方 4 步蒸馏加速模型

该适配器沿用了阿里 PAI 在 8 月为 MiniMax H3 PDD Acc LoRAs 使用的同一套方案：选取一个强大的基础模型，用并行解码蒸馏（PDD，arXiv 2607.26004）对其进行蒸馏，然后发布提取出的 LoRA 以及复现参考结果所需的推理代码。Qwen-Image 2.1 本身发布于 2026 年 9 月 20 日，并已获得 ComfyUI 支持，因此这是一个诞生仅数天的模型的加速变体。

仓库中包含的内容

sigma 调度表是本次发布的一部分，而非实现细节：pdd_config.json 将四步调度固定为 1.0, 0.9169867, 0.7861579, 0.549491, 0.0，导出格式为 qwenimage21_extracted_prefused_v1。正是这些数值决定了它并非一个可以随意替换的普通 LoRA。使用默认 Sigmas 的通用 4 步采样器无法复现蒸馏后的行为。

效果对比

模型卡片为每个示例都提供了三方对比：40 NFE 的 teacher、4 NFE 的 PDD LoRA，以及 4 NFE 的 Viggle v0.1 full。PDD 不仅与自己的 teacher 对比，还与针对该模型的另一条 4 步路线进行对比，即 9 月更早发布的 Viggle turbo LoRA。

Teacher：40 NFE	PDD LoRA：4 NFE	Viggle v0.1 full：4 NFE

文生图示例，提示词取自 PDD 论文。三个面板均使用种子 42。

同一个适配器同样覆盖编辑任务，包括多引用编辑。下方示例重绘了引用图像中的旗帜，第三列是同样的 4 步路线，由 Viggle turbo LoRA 提供。

引用图像	Teacher：40 NFE	PDD LoRA：4 NFE	Viggle v0.1 full：4 NFE

Teacher：40 NFE	PDD LoRA：4 NFE	Viggle v0.1 full：4 NFE

双引用编辑示例（人物与猫），种子 43。

已知局限

模型卡片列出了两处相对 teacher 的已知差距，而不是留待用户自行发现：

• 密集的小号文字可能出现明显劣化，字符笔画扭曲、可读性降低。
• 部分编辑输出比 teacher 的结果略微更模糊、更暗，细节清晰度有所下降。

可用性

目前没有官方 ComfyUI 支持，本次发布是针对官方 pipeline 编写的：

• 仅限 Diffusers： 将随附的 qwenimage21_pdd.py 与 lora_utils_pdd.py 与脚本放在同一目录，并运行 python predict_t2i.py（生成）或 python predict_t2i_edit.py（编辑）。
• VideoX-Fun： 使用能够从 videox_fun.pipeline 导出 QwenImage21Pipeline 的代码版本，并运行 predict_t2i_videox_fun.py 或 predict_t2i_edit_videox_fun.py。

对 ComfyUI 而言，目前只有一条实验性路线：Kijai 发布了 ComfyUI 仓库的 Qwen-Image 2.1 PDD 分支，而该 LoRA 在 ComfyUI 加载器使用前还需要转换。由于调度表以及非 LoRA 的 norm_q / norm_k / text_norm 参数都是蒸馏的一部分，请将本适配器的 ComfyUI 转换视为社区工作，而非受支持的路径。

该团队更早为 MiniMax H3 发布的加速适配器，是理解这一系列发布方式的最佳参考：在那里，蒸馏后的 LoRA 同样是附带自己的推理方案发布，而不是作为基础模型的常规 LoRA。