/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen-Image-2.1
Опубликована
25 сен 2026

Qwen-Image-2.1-NF4-for-LoRA-Training

Генерация изображенийТекст → изображение

Квантизованная до NF4 версия Qwen-Image 2.1 для обучения LoRA генерации и редактированию изображений через AcademiaSD LoRAlab.

356скачиваний за 30 дней1лайквеса обновлены25 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это подготовленная AcademiaSD версия Qwen-Image 2.1 для обучения LoRA через LoRAlab на потребительских видеокартах. Веса трансформера DiT размером 7B хранятся в формате NF4 с двойной квантизацией; некоторые чувствительные слои оставлены в BF16. Для предкэширования подписей используется текстовый энкодер Qwen3-VL-8B в вариантах BF16 и INT8. Репозиторий рассчитан на генерацию изображений по тексту и обучение LoRA для персонажей, объектов, стилей и редактирования изображений по парам «до/после» с инструкцией.

Это не чекпойнт для инференса: трансформер хранится в специальном кэше слоёв NF4, который восстанавливает LoRAlab, и не загружается через from_pretrained. По данным карточки, трансформер занимает около 3,9 ГБ видеопамяти; INT8-энкодер требует около 8,5 ГБ, а BF16-вариант — около 15,5 ГБ. Для экспорта LoRA используется формат diffusers/PEFT с поддержкой загрузки в ComfyUI. Указана лицензия Qwen Research с ограничением на некоммерческое использование.

Сценарии применения

  • обучение LoRA на персонажа по изображениям и подписям
  • обучение LoRA на объект или продукт
  • обучение LoRA на художественный стиль
  • обучение LoRA для редактирования изображений по парам до и после
  • подготовка LoRA для последующей генерации в ComfyUI

Ограничения

Не предназначена для инференса и не загружается стандартным вызовом from_pretrained: для работы с весами NF4 требуется LoRAlab. Лицензия Qwen Research разрешает только некоммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen-Image 2.1 NF4 for LoRA Training

Pre-quantized Qwen-Image 2.1 packaged for AcademiaSD Qwen-Image 2.1 LoRAlab, a LoRA trainer for consumer GPUs (8 GB and up). It is downloaded automatically by the LoRAlab; you do not need to fetch it by hand.

This is not an inference checkpoint. The transformer is stored as a per-layer NF4 cache that the LoRAlab rebuilds directly; it does not load with from_pretrained. For generation, use the original model or its ComfyUI release.

What is inside

FolderSizeContent
transformer/3.87 GB7B DiT as an NF4 cache: 224 NF4 layers + 8 precision-critical layers in BF16 + norms (others.safetensors)
text_encoder_BF16/16.29 GBQwen3-VL-8B in BF16, exact. lm_head is not stored (only hidden states are used)
text_encoder_INT8/8.78 GBQwen3-VL-8B in LLM.int8
text_encoder_NF4/5.45 GBQwen3-VL-8B in NF4, with lm_head: also used as the dataset auto-captioner
vae/1.35 GBOriginal 64-channel RGBA VAE, unchanged
scheduler/, processor/, model_index.json—Original files, unchanged
LoRAs/0.34 GBViggle Turbo LoRA (4 steps), used for fast training previews

The LoRAlab downloads only the text encoder variant you select.

Transformer (NF4)

  • Every attention and MLP linear of the 32 blocks is NF4 (bitsandbytes, double quantization).
  • img_in, txt_in, the shared modulation, the timestep embedder, norm_out and proj_out stay in BF16: they are small and every block depends on them.
  • Measured against the BF16 transformer on the same inputs: cosine similarity 0.998–0.9996 on the predicted velocity, with practically identical loss.
  • Loads in ~2 s and takes ~3.9 GB of VRAM, with no BF16 copy of the model needed.

Text encoder variants

The text encoder of Qwen-Image 2.1 is exactly Qwen3-VL-8B-Instruct (verified tensor by tensor against the official repository). It is only used during pre-caching, never while training.

VariantPeak VRAMError per token vs BF16Notes
BF16 CPU offloadadapts to free VRAM0%Default. Layers that do not fit run from RAM
BF16~15.5 GB0%Needs 16+ GB
INT8~8.5 GB~9%
NF4~5.5 GB~24%Also the auto-captioner (~6 GB peak)

Error measured on real captions against the BF16 text encoder, which is what ComfyUI uses at inference. Pre-caching with an exact encoder means the LoRA trains on the same conditioning it will see when you generate.

What the LoRAlab trains with it

  • Characters, objects and styles: one image + caption per sample.
  • Edit LoRAs: name_before / name_after pairs with an imperative instruction (e.g. "make it TOSTIOK style"). The "before" is encoded by Qwen3-VL together with the instruction and prepended as clean latents, exactly as the ComfyUI TextEncodeQwenImage21 node does.

Exported LoRAs use the diffusers/PEFT key format with per-layer alpha and load directly in ComfyUI (verified with ComfyUI's own LoRA loader).

License

Qwen-Image 2.1 and its derivatives are released under the Qwen Research License (see LICENSE): non-commercial use only (research or evaluation). The same license applies to this conversion and to the Viggle Turbo LoRA included in LoRAs/. By downloading these files you accept the terms of that license.

Credits

  • Qwen for Qwen-Image 2.1 and Qwen3-VL.
  • Viggle for the Qwen-Image 2.1 Turbo LoRA.
  • NF4 conversion and LoRAlab by AcademiaSD: YouTube · X · Discord · Ko-Fi

Resumen en español

Qwen-Image 2.1 cuantizado a NF4 para el LoRAlab de AcademiaSD, que lo descarga solo. Transformer de 7B en NF4 (~3,9 GB de VRAM), text encoder Qwen3-VL-8B en tres variantes (BF16 exacto, INT8, NF4; solo se usa en el pre-caché), VAE original y el Turbo LoRA de Viggle para previews rápidas. Sirve para entrenar LoRAs de personajes, objetos, estilos y de edición (pares antes/después). No es un checkpoint de inferencia. Licencia Qwen Research: solo uso no comercial.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
e94eadc

0 моделей