Qwen-Image 2.1 Lightning v2 RL：4 步出图，把开源生图提速约十倍

11 月 2 日，LightX2V（ModelTC）团队在 Hugging Face 上放出 Qwen-Image-2.1-Lightning-v2-RC 模型。它基于阿里开源的 Qwen-Image 2.1（一个 70 亿参数的文本生图与编辑模型）做了"加速蒸馏"，再用强化学习微调，把原本约 40 步的去噪压到 4 步。对要在本机反复试构图的美术师、要在自己的管线里批量出图的开发者来说，每轮迭代的步数少了约十倍，等待时间随之大幅下降。需要提醒的是，它继承基础模型的非商业许可，商用要走单独授权。和云端生图按张收费不同，本地模型一次部署、反复用不额外花钱，特别适合"先大量试、再精修少数"的工作方式。

它是什么，为什么快

基础版 Qwen-Image 2.1 出一张 1024×1024 的图大约要 40 步去噪，在家用显卡上偏慢。Lightning v2 RL 的思路是：先用蒸馏让模型学会"用 4 步逼近 40 步的效果"，再用强化学习把质量拉回接近老师模型。它不是一个 LoRA 插件，而是直接替换掉主干 transformer 的完整权重文件（约 28.5GB，FP32；以 BF16 载入约 14GB）。它覆盖三类任务：文本生图、单张参考图修改、多张参考图合成，三种模式都在 CFG=1.0 下运行。

实操要点一：怎么跑起来

目前官方路线是走 Python 的 Diffusers 库，ComfyUI 还没有对应格式的节点文件。先装较新的 Diffusers 和 transformers（不低于 5.17.0），再从 Hugging Face 拉取 lightx2v/Qwen-Image-2.1-Lightning-v2-RL，把新的 transformer 换进官方 Qwen-Image 2.1 管线，文本编码器和 VAE 仍用基础版。关键陷阱在采样表：模型自带一份 inference_config.json，里面写死了 4 个噪声值（1.0、0.95418、0.89508、0.704534），必须原样传入；只把步数设成 4 并不能复现这个时间表，照搬旧版设置也会出错。

实操要点二：适合谁

适合：想在本机或内网跑可控生图、对延迟敏感的技术美术和管线开发者；做参考图编辑、把多张素材合成一张图的场景尤其顺手。它把"试一张图"的成本降到很低，适合大量尝试构图、再挑满意的少数几张精修。相比云端按张计费的生图服务，本地 4 步出图在反复迭代时更省心。

实操要点三：注意什么

第一，许可是 Qwen 研究许可（非商业），做客户项目或对外商用前要先拿到权利方授权。第二，开发者自己提醒，小字、手部、特定商品辨识等精细要求仍建议人工核对，别全自动信任。第三，非 1024 正方形的画面，两条边都要是 32 的倍数。第四，ComfyUI 用户暂时得等节点支持，或先用旧版 v1 的 67MB LoRA 顶着。把它当"快速草稿机"用，最划算。

实操要点补充：采样表为什么不能偷懒

很多人第一次用会犯同一个错：以为把步数设成 4 就完事，结果图发灰、细节丢失。原因是 Lightning v2 用的是"前重后轻"的噪声表（1.0、0.95418、0.89508、0.704534），不是均匀四步；它已经把 shift 算进去了，你再手动加一次动态 shift 反而出错。正确做法是直接读取模型自带的 inference_config.json，把 sample_sigmas 和 scheduler 原样喂给管线。换句话说，别复用你 v1 的设置，两个版本的步长表不一样。

上手示例：最小可跑的代码思路

结构上，先载入官方 Qwen-Image 2.1 的 text encoder 和 VAE，再把新 transformer 换进去，用 FlowMatchEulerDiscreteScheduler 配上发布版的参数，最后传入 prompt、尺寸和那份固定 sigma 列表。尺寸建议从 1024×1024 起步，确认效果再改比例。显存吃紧时，把 transformer 用 BF16 载入，约 14GB 就能跑；要注意它目前没有 ComfyUI 节点，走 Diffusers 最稳。先出一张图看手感，再决定是否批量接进你的生图管线。

小结

Qwen-Image 2.1 Lightning v2 RL 把开源生图的速度门槛砍了一大截。先在 Diffusers 里跑通一张 4 步图，你就能判断它是不是你本地管线里缺的那块拼图。