Krea 2 Turbo 3步蒸馏 LoRA：细节超越 8 步教师模型

这位作者此前已经把 Krea 2 Turbo 从 8 步降到 4 步，随后又降到 2 步，现在补上了中间的空档：这个适配器让模型以 3 步运行，去噪速度约快 2.6 倍（1024x1024、float16 下从 65.4 s 降到 24.9 s，不含文本编码与 VAE 解码），同时在作者的 22 条测试提示词上测得精细纹理为 8 步教师模型的 1.11 倍，而 4 步适配器为 1.04 倍。原生 Turbo 在 3 步时只有 0.58 倍，这个 LoRA 正是要补上这段差距。

Turbo，8 步：质量基准	Turbo 3 步，无 LoRA：发软且平淡	3 步加 LoRA：细节恢复

该项目仍在训练中：目前分享的 checkpoint 是 chk00030000，取自稳定后的权重，最后 600 个样本将学习率退火至零，作者预计还会有更多 checkpoint。仓库中的两个权重文件保存的是同一个 checkpoint，只是分别使用 diffusers 和 ComfyUI 的键名。

在 Turbo 自身的调度表上走三步

学生模型在 Turbo 自身的 3 步 Sigmas [1.0, 0.8633, 0.6123] 上做三次调用，使用模型标准的 mu 值 1.15，且不启用引导。训练从已发布的 4 步适配器权重开始，并保持其形状：在同样的 228 个模块上使用 rank 64。约 30,000 个样本取自记录的教师轨迹，覆盖 11 种分辨率，从 512x768 一直到 1440x1440 和 1824x1024。

有两点与更早的适配器不同。基础模型以 bf16 在单张 H100/H200 上运行（4 步和 2 步项目是在一张 RTX 3090 上针对仅权重的 int8 基础模型训练的），30,000 个样本耗时约 91 小时。另外，目标依然是分布匹配而非轨迹模仿：学生模型由八个评判器打分，这些评判器附着在冻结基础模型自身的中层网络特征上，覆盖伪影、真实照片可信度、首次调用的构图、内容、提示词一致性、文字、大尺寸人脸以及整个三次调用的展开过程。匹配教师模型可能产生的结果，而不是它的精确路径，正是这一点让三步采样不至于平均成模糊和重影边缘。

实测频段也印证了这一点：精细纹理为教师模型的 1.11 倍，16 像素与 8 像素频段分别为 1.10 倍和 1.12 倍，色彩则与教师模型持平。

Turbo 在翠鸟提示词上以 3 步生成，未使用适配器。同一随机种子和提示词下 LoRA 的版本即封面图。

代价是什么

作者在公布收益的同时也公布了代价，在换用之前值得一读：

• 与教师图像的距离比 4 步适配器更远：距离 0.401 对 0.320，细节一致性 0.26 对 0.39。同样的噪波下三步是更短的路径，因此同一种子下的构图、姿态或某个小元素可能与 8 步渲染不同。教师图像是质量参照，而不是要复现的目标。
• 纹理比教师模型更强：平坦区域的颗粒感测得为教师模型的 1.57 倍，高于早前版本的 1.29 倍。水彩纸纹、皮肤毛孔和胶片颗粒更明显；强度低于 1.0 可以将其柔化。
• 轻微的重影边缘出现在头发、雨丝和细长肢体上，最常出现在 768x1024 和 1024x768：重影指数为教师模型的 1.14 倍，而 4 步适配器为 1.02 倍。
• 人群中的小尺寸人脸依然是一切少步适配器的弱项。

可用的 LoRA 强度窗口在 1.0 附近很窄，因为三步时适配器要独立完成把粗糙调用变成成品图像的全部工作。当与教师自身渲染的接近程度比速度更重要时，4 步适配器是更好的工具。

ComfyUI 使用情况

仓库提供了使用 ComfyUI 键名的 krea2_turbo_3step_rank_64_lora_comfyui.safetensors，以及 krea2_turbo_3step_lora_t2i.json，这是一个仅由原生节点搭建的工作流。

设置：步数 3，cfg 1.0，采样器 euler / simple，LoRA 强度 1.0。

随附工作流：Krea 2 Turbo 加 3 步 LoRA，仅使用原生节点。

模型卡片还给出两点注意事项。量化基础模型会用细节换内存：在 Comfy Cloud 的 4-bit（nvfp4）Turbo 上，该适配器的精细纹理测量值比完整 bf16 渲染低约五分之一。另外在 Apple Silicon 上，fp8_scaled 版本无法加载，因为 MPS 没有 Float8_e4m3fn；仓库中另有一个 MLX 工作流，通过作者的 LVNodes Krea 2 MLX 节点运行同一个 LoRA。

作为额外福利，它也能加载到架构相同的 Krea 2 Raw 上：在 Raw 上以 13 步、CFG 3.5 运行，它保留 Raw 的构图，并补上 Raw 在该步数下缺失的细节。作者明确指出这属于未经训练的场景，而非受支持的模式。

获取方式

• Hugging Face：lvladikov/Krea2-Turbo-Distill-3step-LoRA，包含 22 张对比图以及 DETAILED-README.md 中的完整训练记录
• 4 步 LoRA 仍是最接近 Turbo 8 步输出的选择；2 步 LoRA 则仍是预览选项
• 以上所有测量数据均来自作者本人，基于 22 条测试提示词；模型卡片按出现频率排序列出了已知问题