Qwen-Image-2.1 LoRA: ما المهايئات الموجودة، وما الذي يتطلبه تدريب واحد، وما الذي تقوله الرخصة فعليًا

توجد منظومة حقيقية من محوّلات التكيّف منخفض الرتبة (LoRA) الخاصة بـ Qwen-Image-2.1، النموذج الموحّد لتوليد الصور وتحريرها من المورّد، ولا توجد تقريبًا أي وثائق عنه من جانب المورّد. هذه الصفحة هي الإجابة الدائمة عن أربعة أسئلة يكتبها القارئ معًا: هل يصنع أحد فعلًا محوّلات لهذا النموذج، وأين توجد، وما الذي يتطلبه تدريب واحدة منها، وماذا يسمح لك الترخيص بفعله بالنتيجة. إنها ليست مقالة إطلاق. تم إتاحة Qwen-Image-2.1 كمصدر مفتوح في 20 سبتمبر 2026، وتلاه شقيقه المعجّل Qwen-Image-2.1-Turbo في 9 أكتوبر 2026؛ كلا التاريخين موجودان هنا فقط لتحديد نقاط التحقق التي تتناولها هذه الصفحة، وليس للإبلاغ عن أي شيء.

النسخة المختصرة: توجد المهايئات في نطاق المئات القليلة، وهي في الغالب أعمال على الشخصيات والأنماط ينشرها ممارسون مستقلون، وتدريب إحداها موثّق من البداية إلى النهاية عبر ثلاث سلاسل أدوات تابعة لجهات خارجية على الأقل مع قياسات ذاكرة منشورة، والترخيص — وهو ليس Apache لهذا الجيل من نماذج الصور — يعيد التأكيد على قيد غير تجاري على العمل المشتق لا ينقله كثير من المهايئات نفسها إلى الأمام.

جملتان عن ماهية LoRA، ثم النموذج

تعد LoRA مجموعة صغيرة من فروق الأوزان منخفضة الرتبة التي تُضاف إلى نقطة تحقق أساسية مجمّدة عند وقت التحميل، وتُوجَّه إلى وحدات محددة بالاسم؛ فهي ليست نموذجًا، بل رقعة تغيّر طريقة عمل نموذج موجود. ولأن الفروق تُدرَّب مقابل أوزان معيّنة، يرتبط المهايئ بنقطة التحقق التي دُرِّب عليها ارتباطًا لا يمكن لعلامة إعداد أن تصلحه.

هذا الارتباط هو السبب الكامل وراء أن هذه الصفحة تتناول Qwen-Image-2.1 تحديدًا لا LoRAs. نقطة التحقق هي محوّل انتشار أحادي المسار من 32 طبقة، بمعاملات 7B في مكوّن التوليد البصري، ومشفّر نصي Qwen3-VL 8B، وVAE بـ64 قناة RGBA يعمل بضغط مكاني 16× — وكل الأرقام مأخوذة من بطاقة النموذج ومستودع البائع نفسه، كما قُرئت في 13 أكتوبر 2026. وهي تحدد جدول أخذ العينات الخاص بها وقت الاستدعاء، مع 40 خطوة استدلال في أمثلة البطاقة نفسها. ولا شيء من هذه التفاصيل هامشي بالنسبة للمهايئات: فالمعمارية تحدد ما يمكن للملف أن يخاطبه، ويحدد الجدول ما يُطلب من مهايئ دُرِّب عند بارامترة مختلفة أن يفعله.

ما الموجود لهذا النموذج، وكيف نعدّه بصدق؟

الأعداد الواردة أدناه مصدرها واجهة برمجة تطبيقات Hugging Face وواجهة برمجة تطبيقات Civitai، وقد قُرِئ كلاهما في 13 أكتوبر 2026، والاستعلام مهم بما يكفي لذكره، لأن السؤال نفسه يعطي إجابات متباينة للغاية حسب طريقة طرحه.

• المستودعات على Hugging Face التي تُعلن أن Qwen-Image-2.1 هو نموذجها الأساسي: 323.

• من بين تلك، المستودعات التي تحمل أيضًا lora كوسم: 115.

• محولات على Civitai تطابق مرشح النموذج الأساسي "Qwen 2.1" مع تعيين النوع إلى LoRA: 106. جولة سابقة في اليوم نفسه أحصت 105؛ الفلتر مباشر والرقم يتغير، لذا تعامل معه كقراءة لا كإجمالي.

كلا الرقمين حدّان أدنى، وليسا إحصاءين شاملين. وسم Hugging Face يضعه الرافع، لذا فإن أي مُهايئ لم يضع مؤلفه وسمًا له يكون غير مرئي لذلك الاستعلام؛ وعدد النماذج الأساسية أكبر من عدد LoRA تحديدًا لأنه يلتقط أيضًا التكميمات وعمليات الدمج وإعادة الحزم. على Civitai، الفجوة بين الطريقتين صارخة: بحث نصي عادي عن "qwen image 2.1" يُرجع 994 نموذجًا فريدًا، ومعظمها ليس مهايئات نقطة التحقق هذه على الإطلاق — تهيمن على مجموعة النتائج نفسها منشورات سير العمل وملفات يكون نموذجها الأساسي المعلن جيلًا مختلفًا تمامًا من توليد الصور. رشّح حسب النموذج الأساسي، لا حسب مربع البحث.

كلا الموقعين هما المكان الذي يعيش فيه هذا النظام البيئي، وهذا هو الادعاء الوحيد الذي يُقدَّم بشأن أيٍّ منهما: Hugging Face هو المكان الذي تُنشر فيه سجلات التدريب ومجموعات البيانات، وCivitai هو المكان الذي تتجمّع فيه المحوّلات الموجّهة للمستهلك وسير عمل ComfyUI المحيطة بها، ولا يُعدّ أيٌّ منهما إشارة جودة. يمكن أن يكون الملف على أيٍّ منهما عملًا أصليًا مُدرَّبًا أو نسخةً من عمل شخص آخر.

التمييز بين محول أصلي وآخر مُعاد تغليفه

هذا أمر قابل للتحقق، ويستغرق التحقق نحو دقيقة. خُذ مستودعين يبدوان وكأنهما المحوّل نفسه.

akhaliq/Qwen-Image-2.1-Next-Scene-LoRA تم إنشاؤه في 7 أكتوبر 2026. TechnoBaptist/Qwen-Image-2.1-Next-Scene-LoRA تم إنشاؤه في 9 أكتوبر 2026. ملفات README الخاصة بهما متطابقة على مستوى البايت — الطول نفسه، وMD5 نفسه — وقوائم ملفات المستودعين تتطابق في جميع الإدخالات الـ111. المستودع الأحدث نسخة من المستودع الأقدم، بما في ذلك الوصف وكل شيء.

الحالة الأقل وضوحًا هي النسخة الجزئية. developerjeremylive/Qwen-Image-2.1-Multiple-Angles-LoRA-etheroi يحتوي على 163 ملفًا. كل ملف من الملفات الـ160 الموجودة أيضًا في akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA متطابق في الحجم، والمستودع مجموعة فرعية صارمة من ملفات ذلك المستودع البالغ عددها 344. ما تُرك خلفه هو المجلد benchmarks/ بالكامل، وشبكات العينات لكل نقطة تحقق تحت samples/، وعدة متغيرات لنقاط التحقق. أوزان المهايئ موجودة. أما الدليل على أن المهايئ يفعل ما يقول فليس موجودًا.

إذن، الاختبار العملي ليس "هل لديها بطاقة جميلة؟". بل هو ما إذا كانت البطاقة تحمل الأشياء التي لا يمكن أن تأتي إلا من إتمام الجولة:

• من أين جاءت بيانات التدريب، مع رابط — يذكر محوّل الزاوية مصدره Objaverse وترخيصه، وينشر مجموعات بيانات الأزواج المشتقة على حدة.

• المدرِّب والمعاملات الفائقة، على مستوى الرتبة، وألفا، ومعدل التعلّم، وعدد الخطوات، والدقة الأساسية — بما يكفي ليتمكن شخص آخر من محاولة إعادة الإنتاج.

• نقاط تحقق وسيطة بدلاً من ملف نهائي فقط، بحيث يكون منحنى التدريب قابلاً للفحص بدلاً من كونه مُدّعىً عليه.

• تقييم لا يكون عرضًا شخصيًا من المؤلف، وقسم "النطاق والحدود" يحدد ما يفعله المحوّل بشكل سيئ.

بطاقة تحوي كلمة تشغيل ونطاق قوة ومجموعة من العينات الجميلة، ولا شيء غير ذلك، ليست دليلًا على أي شيء. وهي ليست برهانًا على إعادة تغليف أيضًا — فثمة الكثير من المحوّلات الأحادية الشريفة الموثّقة بهذا القدر الضئيل. إنها تعني فحسب أنك لا تملك ما تستند إليه، وهذا بالنسبة لملف أنت على وشك إدخاله في مسار إنتاج هو الاستنتاج المفيد.

ما التدريب الذي يتلقاه المرء فعلياً

التأطير الصادق أولاً، لأن الفجوة هنا واسعة: نشر مُهايئ أمر شائع، أما تدريب واحد فهو مسعى من مستوى مختلف. هناك ثلاث تكاليف وكلها حقيقية.

نقطة التحقق الأساسية. تبلغ مكونات Qwen-Image-2.1 الثلاثة نحو 33 غيغابايت موزعة على المحوّل ومُشفّر النص وVAE — وهذا هو مجموع أحجام الملفات المنشورة في المستودع نفسه، كما قُرئت في 13 أكتوبر 2026. هذا هو الشيء الذي يجري تكييفه، وهو لا يتقلص لأنك تدرب فقط رقعة صغيرة فوقه.

البيانات. لا يتعلم LoRA مفهومًا من حفنة من الصور كما يفعل الموجّه. نشر أكثر المهايئين توثيقًا في هذا النظام البيئي مجموعتي بياناتهما كمخرجات من الدرجة الأولى: دُرّب مهايئ التحكم بالكاميرا على 5,028 زوجًا موسومًا بالزوايا في نسخته الأولى و13,328 في نسخته الثانية؛ ودُرّب مهايئ استمرارية المشهد على 1,144 زوجًا تتابعيًا من إطار إلى إطار، مع تسميات توضيحية كتبها نموذج رؤية لكل زوج. كلاهما مجموعتا بيانات مُجمَّعتان، وليستا مجموعتين من الصور الفوتوغرافية — كان لا بد من توليد الأزواج ووسمها وترخيصها قبل بدء التدريب، وفي إحدى الحالات كان لا بد من تصفية الصور المصدرية لتقتصر على عناصر مرخّصة بتراخيص متساهلة قبل أن يمكن استخدامها على الإطلاق.

الحوسبة. هذا هو الجزء الذي يحتوي على قياسات منشورة بدلًا من الانطباعات. يقدّم البدء السريع الخاص بـ SimpleTuner لهذا النموذج إعدادات VRAM المسبقة، وبشكل منفصل، اختبارات الذاكرة الدخانية التي تقف خلفها: وصفة بدقة 512px مع نقاط تفتيش التدرج في كل خطوة اجتازت حد تخصيص 24 GiB بينما بلغت ذروتها 20.06 GiB مخصّصة و21.10 GiB محجوزة بواسطة PyTorch. وصفة متعددة الدقات عند 32.49 / 41.21 GiB اجتازت على L40S لكنها نفدت ذاكرتها تحت سقف 32 GiB. ويوضح المؤلفون صراحةً أن تلك فحوصات ذاكرة لمجموعة فرعية محدودة، وليست قياسات إنتاجية أو تقارب، وأن الميزانيات الأقل حاكيت على L40S بدلًا من تشغيلها على بطاقاتها الاسمية. وإذا قُرئت كما نُشرت، فإنها تقول شيئًا بسيطًا: الحد الأدنى لهذا النموذج هو بطاقة بسعة 24 GB تعمل بدقة 512px فقط، و48 GB أو أكثر هي النقطة التي تصبح فيها الوصفات متعددة الدقات التي يوصي بها الإطار فعليًا متاحة.

الوقت هو التكلفة الأكثر هدوءًا، ولا يكاد أحد ينشره. أما ما هو علني فهو أعداد الخطوات — 2,000 تحديث في إعداد 24 جيجابايت المسبق، و4,000 في الإعدادات الأكبر، مع التحقق وحفظ نقاط التفتيش كل 250 — وأعداد نقاط التفتيش في نطاق الآلاف المنخفضة من سجلات التدريب الخاصة بالمهايئات نفسها. يقدّم جدول الإعدادات المسبقة في SimpleTuner ميزانيات التحديث لكل فئة VRAM ويقول بوضوح إنها نقاط انطلاق لا تُمدَّد إلا بعد فحص صور نقاط التفتيش. لم ينشر أحد ساعات زمن الحائط لتشغيل قابل لإعادة الإنتاج، لذا فإن أي رقم تراه مُقتبسًا عن المدة التي يستغرقها هذا هو بطاقة شخص ما ومجموعة بيانات شخص ما، لا مواصفة.

في مقابل ذلك، الأدوات جيدة حقًا، وهذا هو الجزء الذي تغيّر حديثًا بما يكفي ليستحق التأريخ. تشير الجهة الموردة إلى DiffSynth-Studio التابع لـ ModelScope، الذي يوفّر مستودعه نصًا برمجيًا عاملًا لتدريب LoRA لنقطة التفتيش هذه، وبشكل منفصل، للمتغيّر Turbo — أمر واحد accelerate launch برتبة 32، وAdamW بمعدل تعلم 1e-4، وخمس حقب تدريبية، وحد أقصى لميزانية البكسل يبلغ 1,048,576، وتخزين نقاط تفتيش التدرجات. الدليل السريع الخاص بـ SimpleTuner هو أكثر وصفة تدريب عامة تفصيلًا، وهو صادق بشكل غير معتاد بشأن حدوده الخاصة. يُدرج ai-toolkit كلاً من Qwen-Image-2.1 وQwen-Image-2.1-Turbo ضمن البنى المدعومة لديه، ويسجّل اثنان من المحوّلات الموصوفة أعلاه أنهما دُرّبا باستخدامه. وفي 12 أكتوبر 2026، دمج musubi-tuner طلب سحب يضيف دعم Qwen-Image 2.1 يغطي تدريب LoRA، والضبط الدقيق الكامل، ومعاينات التدريب، والتحويل بين Diffusers وصيغة LoRA الخاصة به؛ وطلب الميزة الذي يطلب ذلك، الذي فُتح في 24 سبتمبر، لا يزال مفتوحًا. هذا الدمج يسبق تاريخ هذه الصفحة بثلاثة أيام، وهو تغيير في الأدوات وليس إصدارًا للنموذج — فهو يعني أن مدرّبًا رابعًا أصبح متاحًا، وليس أن أي شيء يتعلق بالنموذج قد تغيّر.

ثمة قيد آخر يوقِع في الفخ أولئك الذين درّبوا نماذج LoRA لمعماريات أخرى. مخرجات هذا النموذج لا تحتوي على مفتاح alpha. يعمل VAE في فضاء بكسل RGBA رباعي القنوات، وتُفكّ القناة الرابعة على أنها alpha، لذا تُنتَج الشفافية بواسطة الـ prompt وحده ولا شيء آخر — توثيق المورّد نفسه ينص على أنه لا يوجد أي تحكم مرتبط بـ alpha في أي مكان في خط المعالجة. المهايئ المدرَّب على صور معتمة يغيّر التوزيع الذي يوجّهه الـ prompt؛ وليس لديه مقبض شفافية منفصل يمكنه الرجوع إليه. إذا كان خط المعالجة لديك يعتمد على القصاصات (cutouts)، فهذه خاصية للنموذج الأساسي الذي تستعيره، ويستحق الأمر الاختبار قبل أن تلتزم بتشغيل تدريب عليه.

ما تقوله الرخصة عن المحوّل الذي تصنعه

اقرأ الملف، لأن الإجابة ليست كما قد يوحي إصدار يبدو متسامحًا. يُطرح Qwen-Image-2.1 بموجب اتفاقية Qwen Research License Agreement المؤرخة في 20 سبتمبر 2026 — وهي وثيقة بحجم 7,831 بايت نُقلت دون تغيير إلى مستودع Turbo، ونسختها هناك مطابقة على مستوى البايت. إنها ليست Apache 2.0، بينما كانت سلسلة Qwen-Image السابقة كذلك.

البند الذي يحسم معظم هذا الأمر هو بند المنح. تمنحك المادة 2(a) ترخيصًا لـ«استخدام المواد وإعادة إنتاجها وتوزيعها ونسخها وإنشاء أعمال مشتقة منها وإجراء تعديلات عليها»، ثم تضع سقفًا على كل ذلك: «لأغراض غير تجارية فقط». وتعرّف المادة 1(i) الاستخدام غير التجاري بأنه «لأغراض البحث أو التقييم فقط»، وهو أضيق من «غير هادف للربح» — فهو لا يتضمن استثناءً للاستخدام لأغراض الأعمال الداخلية. وتقول المادة 2(b) إن الاستخدام التجاري يتطلب ترخيصًا منفصلًا، يُقدَّم طلب الحصول عليه على العنوان الذي يورده الاتفاق. إن المحوّل المدرَّب على نقطة التفتيش هذه يُعد عملًا مشتقًا منها، لذا ينتقل القيد مع المحوّل؛ ولا يصبح قابلًا للاستخدام التجاري لمجرد أنك دربته بنفسك.

أمران يستحقان الانتباه، لأنهما يتعارضان مع الافتراضات الشائعة.

أولاً، الترخيص ليس صامتاً بشأن التدريب — بل يتناوله مباشرة. يقول البند 4(ب) إنه إذا استخدمت المواد أو مخرجاتها من أجل إنشاء نموذج ذكاء اصطناعي أو تدريبه أو ضبطه الدقيق أو تحسينه، على أن يكون موزعاً أو متاحاً، فيجب عليك عرض "Built with Qwen" أو "Improved using Qwen" بشكل بارز في وثائق المنتج ذات الصلة. لذا فإن الضبط الدقيق مُعالَج بالاسم، ويأتي مصحوباً بالتزام بوضع الوسم بدلاً من كونه مسألة إذن.

ثانياً، يُسمح صراحةً بإعادة التوزيع، ولكن بشروط. تسمح المادة 3 لك بتوزيع الأعمال المشتقة، سواء بصيغة المصدر أو الصيغة الكائنية، شريطة أن تمنح المتلقين نسخة من الاتفاقية، وأن تضع علامات على الملفات المعدَّلة، وأن تحتفظ بملف إشعار نصه: "Qwen is licensed under the Qwen RESEARCH LICENSE AGREEMENT, Copyright (c) 2026 Hangzhou Tongyi Laboratory Technology Co., Ltd. All Rights Reserved." تحظر المادة 4(ج) استخدام "Qwen" كاسم أساسي أو معرّف لعملك المشتق — أما الاستخدام الوصفي فمسموح به صراحةً. تؤكد المادة 5(أ) أنك تملك تعديلاتك، شريطة الامتثال. تخضع النزاعات للقانون الصيني، وتنظر فيها محاكم هانغتشو.

تلك التزامات متسقة وقابلة للقراءة. الاكتشاف المقلق هو عدد المرات التي لا تفي فيها المنظومة بها. من بين المحوّلات التي أُخذت كعيّنات أثناء البحث لهذه الصفحة، واحد — محوّل لتقطير الخطوات من نقطة التحقق الأساسية — يرفق نص الترخيص وملف إشعار يحمل سلسلة الإسناد المطلوبة حرفيًا، إضافة إلى قسم ترخيص في بطاقته يعيد ذكر القيد غير التجاري وجهة الاتصال التجاري. وتعلن عدة محوّلات أخرى، ومنها اثنان من أكثر محوّلات التحكم بالكاميرا واستمرارية المشهد تنزيلًا، apache-2.0 في بياناتها الوصفية، ولا ترفق أي ملف ترخيص على الإطلاق، ولا تتضمن أي إشعار إسناد. بطاقاتها لا تطالب بحقوق Apache على الأوزان الأساسية؛ حقل البيانات الوصفية خاطئ فحسب، وهو الحقل الذي ستقرؤه أداة لاحقة. إذا كنت أنت من يبني على محوّل، فاقرأ ترخيص النموذج الأساسي بنفسك بدلًا من الوثوق بالوسم على بطاقة المحوّل — وإن كنت أنت من ينشر، فإن التغليف الصحيح ليس معقدًا، لكن يجب أن يتم عن قصد.

التوافق، والشيء الوحيد بخصوص "turbo"

يعمل المُهايئ على نقطة التحقق التي يسمّيها سجل تدريبه. وبالنسبة لمعظم المُهايئات هنا، تكون تلك النقطة هي Qwen-Image-2.1 نفسه، وهناك ينبغي تحميلها. نقطة تحقق Turbo هي ضبط دقيق للبنية نفسها وليست نموذجًا مختلفًا — فكلاهما يتشارك شجرة وحداته، ولهذا من المرجح جدًا أن يُحمَّل مُهايئ مدرَّب على الأساس إلى Turbo — لكنها تخزّن جدول المعاينة الخاص بها المكوَّن من ثماني خطوات داخل نقطة التحقق، وتجري مسارًا لإزالة الضوضاء لم يُدرَّب المُهايئ داخله. أما ما إذا كان هذا المزيج يعمل بشكل صحيح، فلم يوثّقه أحد، ولا حتى الجهة المورِّدة.

هناك أيضًا فخ في التسمية: عبارة "turbo LoRA" تغطي ملفين متعارضين، محوّل مُدرَّب على نقطة تفتيش Turbo ومحوّل تقطير يحوّل نقطة التفتيش القياسية إلى نقطة تفتيش بخطوات قليلة. تلك ملفات مختلفة تؤدي مهامًا مختلفة. مسألة نقطة التفتيش الأساسية مقابل Turbo، والمعنيان لمحوّل turbo، لهما صفحتهما الخاصة على هذا الجذع — Qwen-Image-2.1-Turbo LoRA — وهذه الصفحة لن تصبح نسخة ثانية منها. إذا كنت تمتلك Turbo ومحوّلًا يشير إلى نقطة التفتيش القياسية، فاقرأ تلك الصفحة قبل تحميل أي شيء.

ينتمي سؤالان متجاوران إلى مكان آخر أيضًا. نقاط التحقق المُكمَّمة — GGUF وFP8 وINT4 وغيرها — موضوع مختلف بصفحة مختلفة؛ واستخدام LoRA داخل مسار مُكمَّم هو ملاحظة توافق على تلك الصفحة، لا قسم في هذه الصفحة. كما أن تشغيل النموذج ضمن أداة محددة هو سؤال مستقل بذاته مرة أخرى، له قوائم ملفاته وأنماط فشله الخاصة.

ما الذي ينكسر، وما الذي لم يُحسم بعد

تتجمّع تقارير الفشل في ثلاثة أسباب، وقد وثّق كلًّا منها شخص أنجز العمل بنفسه بدلًا من أن يستنتجها.

مهايئ يُحمَّل ولا يفعل شيئًا. الحالة الأكثر تحديدًا هي عدم تطابق في تسمية المفاتيح: تنص بطاقة أحد المهايئات نفسها على أن ملفاته الخام بصيغة المدرب تستخدم تسمية مفاتيح MLP المدمجة الخاصة بذلك المدرب، وهي التسمية التي "يتخطاها Diffusers بصمت" — تنجح عملية التحميل، ولا يُرفع أي خطأ، ولا يكون للمهايئ أي تأثير. يعمل الملف مع المُحمّل الخاص به وليس مع المُحمّل السائد. وهذا اختلاف في تخطيط الملف، وليس في نقطة التحقق الأساسية، ويستحق استبعاده قبل أن تلوم أي شيء آخر.

مُهايئ يُفسد المطالبات غير المرتبطة. هذه مشكلة معدل تعلّم ومدة، وهناك قياس: في تجربة استئصال منشورة، أدى تشغيل عند 3e-4 إلى "تدهور شديد في جميع المطالبات التحقق الأربع بحلول التحديث 500"، مع موضوعات غير مرتبطة — ثعلب، وصورة شخصية — تتحول إلى المفهوم المدرَّب. وتُبلّغ دراسة التدريب الأطول للمؤلف نفسه عن الفخ المعاكس: في إحدى عمليات التشغيل، تحسّنت مطالبة حتى التحديث 3,500، ثم تراجعت عند 4,000، ثم تعافت حتى 10,000؛ لذا فإن نقطة تحقق وسيطة سيئة ليست دليلاً على فشل التشغيل. هذه النتيجة الثانية مصنّفة صراحةً على أنها تقدّم نوعي من تشغيل واحد وبذرة تحقق واحدة، دون قياس منحنى خطأ الاختبار، ووُصِف التعافي بأنه معتمد على المطالبة. خُذها كسببٍ للاحتفاظ بكل نقطة تحقق كل 250 خطوة، لا كوصفة.

مهايئ يتصرف كما ينبغي، ثم يتراكم. يوثّق مهايئ استمرارية المشهد تدهورًا مُقاسًا في الاستخدام المتسلسل: التسلسل الساذج عند قوة 0.9 يراكم حبيبات الفيلم إلى ضجيج لوني مرئي بحلول القفزة الثالثة أو الرابعة، والحل البديل الذي تحقق منه المؤلف هو ضبط القوة عند 0.7 أو أقل مع ضبابية غاوسية بنصف بكسل على كل مدخل متسلسل. البطاقة نفسها تصرّح بصراحة بأن التحولات في القفزات المتأخرة تبقى متحفّظة، وتسمّي ذلك قيدًا في بيانات التدريب لا مشكلة في الإعدادات.

تحت كل ذلك توجد مجموعة من الأمور التي لم تُثبت فعليًا، وتستحق أن تُذكر بدلًا من ملء فراغها بالافتراضات. لم ينشر أحد مقارنة جودة بين Qwen-Image-2.1 وQwen-Image-2.1-Turbo، لذا لا يوجد خط أساس يُحكم من خلاله على ما يفعله أي مُهايئ بأيٍّ منهما. ولم ينشر أحد ما إذا كان مُهايئ نقطة تحقق قياسية يتصرف بشكل صحيح على Turbo. يوثّق المورّد تدريب LoRA مرة واحدة فقط، في قسم ModelScope من مستودع المشروع، مشيرًا إلى إطار عمل تابع لجهة خارجية؛ أما بطاقة النموذج نفسها فلا تحتوي على أي إرشادات حول المهايئات، ويُعد مُشفِّر النص الخاص بنقطة التحقق مكوّنًا بدأ المجتمع بالفعل بإعادة نشره منفصلًا، وهو بحد ذاته مسألة توافق. وكل إحصاء في هذه الصفحة هو لقطة لحظية لمنظومة عمرها أسبوعان إلى ثلاثة أسابيع قُرئت في يوم واحد — سيكون كلٌّ من مرشّح Civitai واستعلام Hugging Face عن النموذج الأساسي خاطئين بحلول الشهر المقبل، في اتجاه الزيادة.

إذا كنت تقرر ما ستفعله اليوم، فالتسلسل الذي ينجو من كل تلك الفجوات قصير. ابدأ بقراءة سجل تدريب المحول، لا عيناته — إذا لم يكن هناك سجل، فتعامل مع الملف باعتباره غير منسوب واختبره على المطالبة الخاصة بك قبل أن تبني عليه. طابق المحول مع نقطة التحقق التي يسمّيها سجله، وإذا كنت على Turbo، فاقرأ صفحة Turbo أولًا. تحقق من تنسيق المُحمّل الذي يكون به الملف قبل أن تستنتج أنه معطوب. واقرأ الترخيص الأساسي مرة واحدة، لأنه يحكم المحول بغض النظر عما تدّعيه بطاقة المحول عن نفسها. ثم اختر مدربك، وابدأ من أصغر إعداد VRAM مسبق تدعمه بطاقتك، واحكم على شبكة نقاط التحقق بدلًا من الملف النهائي.