Qwen-Image-2.1 LoRA: אילו אדפטרים קיימים, מה נדרש כדי לאמן אחד, ומה הרישיון בעצם אומר
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 61 tok/s
- openaiחדשOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 311 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 42 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 239 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-09-1040אינטליגנציה
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 56 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 120 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 לכל 1M טוקנים · 212 tok/s
- z-aiZ.ai: GLM 5.32026-08-1845אינטליגנציה75כתיבת קוד
קיים אקוסיסטם אמיתי של מתאמי התאמה בדרגה נמוכה (LoRA) עבור Qwen-Image-2.1, מודל התמונות המאוחד ליצירה ולעריכה של הספק, וכמעט אין עליו תיעוד מצד הספק. העמוד הזה הוא התשובה הקבועה לארבע שאלות שקורא מקליד יחד: האם מישהו באמת מכין מתאמים למודל הזה, היכן הם נמצאים, מה נדרש כדי לאמן אחד, ומה הרישיון מתיר לך לעשות עם התוצאה. זה לא מאמר השקה. Qwen-Image-2.1 פורסם בקוד פתוח ב-20 בספטמבר 2026 ואחיו המואץ Qwen-Image-2.1-Turbo הגיע אחריו ב-9 באוקטובר 2026; שני התאריכים מופיעים כאן רק כדי לזהות על אילו צ'קפוינטים העמוד הזה עוסק, ולא כדי לדווח על משהו.
הגרסה הקצרה: אדפטרים קיימים במאות בודדות, רובם עבודות דמות וסגנון שפורסמו על ידי מתרגלים בודדים, אימון של אחד מהם מתועד מקצה לקצה על ידי לפחות שלוש שרשראות כלים של צד שלישי עם מדידות זיכרון מפורסמות, והרישיון — שאינו Apache עבור הדור הזה של מודלי התמונה — מציין מחדש הגבלה לא-מסחרית על היצירה הנגזרת, שאדפטרים רבים בעצמם אינם מצליחים להעביר הלאה.
שני משפטים על מהו LoRA, ואחר כך המודל
LoRA הוא קבוצה קטנה של דלתאות משקל בדרגה נמוכה שמתווספות לנקודת ביקורת בסיס קפואה בזמן הטעינה, ומופנות למודולים ספציפיים לפי שם; הוא אינו מודל, אלא טלאי שמשנה את האופן שבו מודל קיים מתנהג. מכיוון שהדלתאות מאומנות מול משקלים מסוימים, מתאם כבול לנקודת הביקורת שעליה אומן באופן שדגל תצורה אינו יכול לתקן.
החיבור הזה הוא כל הסיבה שהעמוד הזה עוסק ב-Qwen-Image-2.1 במיוחד ולא ב-LoRAs. הצ'קפוינט הוא טרנספורמר דיפוזיה חד-זרימי בעל 32 שכבות עם 7B פרמטרים ברכיב היצירה החזותית שלו, מקודד טקסט Qwen3-VL 8B ו-VAE RGBA בעל 64 ערוצים שפועל בדחיסה מרחבית של 16× — כל הנתונים מתוך כרטיס המודל והמאגר של הספק עצמו, כפי שנקראו ב-13 באוקטובר 2026. הוא קובע את לוח הדגימה שלו בזמן הקריאה, עם 40 צעדי הסקה בדוגמאות של הכרטיס עצמו. אף אחד מהפרטים האלה אינו מקרי ביחס לאדפטרים: הארכיטקטורה קובעת למה שקובץ יכול לפנות, ולוח הדגימה קובע מה מבקשים מאדפטר שאומן בפרמטריזציה שונה לעשות.
מה קיים עבור המודל הזה, ואיך לספור אותו בכנות
המספרים שלהלן מגיעים מ-Hugging Face API ומ-Civitai API, שניהם נקראו ב-13 באוקטובר 2026, והשאילתה חשובה מספיק כדי לציין אותה, כיוון שאותה שאלה מניבה תשובות שונות בתכלית בהתאם לאופן שבו שואלים אותה.
• מאגרים ב-Hugging Face שמצהירים על Qwen-Image-2.1 כמודל הבסיס שלהם: 323.
• מבין אלה, מאגרים שנושאים גם את התג lora: 115.
• אדפטרים ב-Civitai התואמים למסנן מודל בסיס של "Qwen 2.1" כשהסוג מוגדר כ-LoRA: 106. ספירה מוקדמת יותר באותו יום מנתה 105; המסנן פעיל והמספר משתנה, לכן יש להתייחס אליו כקריאה ולא כסכום כולל.
שני המספרים הם ספי תחתון, לא מפקדים. את התגית ב-Hugging Face מוסיף מי שהעלה, ולכן אדפטר שמחברו לא תייג אותו אינו נראה לשאילתה הזו; ספירת מודלי הבסיס גדולה מספירת ה-LoRA בדיוק מפני שהיא תופסת גם קוונטיזציות, מיזוגים ואריזות מחדש. ב-Civitai הפער בין השיטות חד וברור: חיפוש טקסט פשוט אחר "qwen image 2.1" מחזיר 994 מודלים ייחודיים, ורובם כלל אינם אדפטרים של הצ'קפוינט הזה — אותה קבוצת תוצאות נשלטת על ידי פוסטים של זרימות עבודה ועל ידי קבצים שמודל הבסיס המוצהר שלהם הוא מחולל תמונות שונה לחלוטין. סננו לפי מודל הבסיס, לא לפי תיבת החיפוש.
שני האתרים האלה הם הבית של האקוסיסטם הזה, וזו הטענה היחידה שנטענת לגבי כל אחד מהם: Hugging Face הוא המקום שבו מפורסמות רשומות האימון ומערכי הנתונים, Civitai הוא המקום שבו מתקבצים האדפטרים הפונים לצרכן וזרימות העבודה של ComfyUI סביבם, ואף אחד מהם אינו אות לאיכות. קובץ באחד מהם יכול להיות יצירה מקורית של עבודה שאומנה או העתק של עבודה של מישהו אחר.
איך מבדילים בין מתאם מקורי למתאם ארוז מחדש
זה ניתן לבדיקה, והבדיקה אורכת בערך דקה. קח שני מאגרי קוד שנראים כמו אותו מתאם.
akhaliq/Qwen-Image-2.1-Next-Scene-LoRA נוצר ב-7 באוקטובר 2026. TechnoBaptist/Qwen-Image-2.1-Next-Scene-LoRA נוצר ב-9 באוקטובר 2026. קובצי ה-README שלהם זהים לחלוטין ברמת הבייט — אותו אורך, אותו MD5 — ורשימות הקבצים של שני המאגרים תואמות בכל 111 הרשומות. המאוחר הוא העתק של המוקדם, כולל התיאור.
המקרה הפחות ברור הוא העותק החלקי.developerjeremylive/Qwen-Image-2.1-Multiple-Angles-LoRA-etheroi מכיל 163 קבצים. כל אחד מ-160 הקבצים שקיימים גם ב-akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA זהה בגודלו, והמאגר הוא תת-קבוצה ממש של 344 הקבצים של אותו מאגר. מה שנשאר מאחור הוא כל תיקיית benchmarks/, רשתות הדוגמאות לכל צ'קפוינט תחת samples/, ומספר גרסאות צ'קפוינט. משקולות האדפטר קיימות. ההוכחה שהאדפטר עושה את מה שהוא אומר אינה.
אז המבחן המעשי אינו "האם יש לו כרטיס נחמד". הוא האם הכרטיס נושא את הדברים שיכולים לנבוע רק מביצוע הריצה:
• מאיפה הגיעו נתוני האימון, עם קישור — אדפטר הזווית מציין את מקור ה-Objaverse שלו ואת הרישיון שלו, ומפרסם בנפרד את מערכי נתוני הזוגות הנגזרים.
• המאמן וההיפרפרמטרים, ברמה של דירוג, אלפא, קצב למידה, מספר צעדים ודיוק בסיס — מספיק כדי שמישהו אחר ינסה לשחזר.
• נקודות ביניים ולא רק קובץ סופי, כך שעקומת האימון ניתנת לבדיקה במקום להסתמך על הצהרה.
• הערכה שאינה חלון הראווה של המחבר, וסעיף "היקף ומגבלות" שמציין מה המתאם עושה רע.
כרטיס עם מילת טריגר, טווח עוצמה וסט דוגמאות יפות, ולא שום דבר אחר, אינו ראיה לשום דבר. הוא גם לא הוכחה לרפאק — די הרבה אדפטרים חד-פעמיים והגונים מתועדים בדלילות כזו. זה רק אומר שאין לך על מה להסתמך, וזה, עבור קובץ שאתה עומד להכניס לצינור ייצור, המסקנה המועילה.
איזו הכשרה באמת עוברים
קודם כל, הצגת הדברים בכנות, כי הפער כאן רחב: פרסום מתאם הוא דבר נפוץ, ואימון שלו הוא סדר גודל שונה של משימה. יש שלוש עלויות, וכולן אמיתיות.
נקודת הבדיקה הבסיסית. שלושת הרכיבים של Qwen-Image-2.1 מסתכמים לכ-33 GB בסך הכול בטרנספורמר, במקודד הטקסט וב-VAE — זהו הסכום של גדלי הקבצים המפורסמים של המאגר עצמו, נכון ל-13 באוקטובר 2026. זה הדבר שעובר התאמה, והוא אינו מתכווץ מפני שאתם מאמנים רק טלאי קטן על גביו.
הנתונים. LoRA לא לומד מושג מקומץ תמונות כפי שפרומפט עושה. שני האדפטרים המתועדים ביותר באקוסיסטם הזה פרסמו את מערכי הנתונים שלהם כארטיפקטים ממדרגה ראשונה: אדפטר בקרת המצלמה אומן על 5,028 זוגות מתויגים לפי זווית בגרסתו הראשונה ו-13,328 בשנייה; אדפטר המשכיות הסצנה אומן על 1,144 זוגות התקדמות מפריים לפריים, עם כיתובים שנכתבו על ידי מודל ראייה עבור כל זוג. שניהם מערכי נתונים שהורכבו, ולא אוספים של תצלומים — היה צורך ליצור את הזוגות, לתייג אותם ולהסדיר את הרישוי שלהם לפני שהאימון החל, ובמקרה אחד היה צורך לסנן את תמונות המקור כך שיישארו רק אובייקטים בעלי רישיון מתירני לפני שניתן היה להשתמש בהן בכלל.
המחשוב. זה החלק עם מדידות שפורסמו ולא עם תחושות בטן. ה-quickstart של SimpleTuner עצמו עבור המודל נותן פריסטים של VRAM ובנפרד את בדיקות העשן של הזיכרון שמאחוריהם: מתכון של 512px עם gradient checkpointing בכל צעד עבר בדיקת מגבלת הקצאה של 24 GiB תוך שהגיע לשיא של 20.06 GiB מוקצים ו-21.10 GiB שמורים על ידי PyTorch. מתכון ברזולוציה מרובה ב-32.49 / 41.21 GiB עבר על L40S אך נתקל בחוסר זיכרון תחת תקרה של 32 GiB. המחברים מבהירים במפורש שאלה בדיקות זיכרון על תת-קבוצה תחומה, ולא מדידות תפוקה או התכנסות, ושהתקציבים הנמוכים יותר הודמו על L40S ולא הורצו על הכרטיסים הנקובים שלהם. כפי שפורסם, הם אומרים משהו פשוט: הרף התחתון עבור המודל הזה הוא כרטיס של 24 GB שרץ רק ב-512px, ו-48 GB ומעלה הוא המקום שבו מתכוני הרזולוציה המרובה שהמסגרת ממליצה עליהם בפועל הופכים לזמינים.
הזמן הוא העלות השקטה יותר, וכמעט אף אחד לא מפרסם אותה. מה שציבורי הוא מספרי הצעדים — 2,000 עדכונים בתצורה המוגדרת מראש של 24 GB, 4,000 בגדולות יותר, עם ולידציה ושמירת נקודות ביקורת כל 250 — ומספרי נקודות ביקורת באלפים נמוכים מרשומות האימון של המתאמים עצמם. טבלת התצורות המוגדרות מראש של SimpleTuner מספקת תקציבי עדכונים לכל דרגת VRAM ואומרת במפורש שאלה נקודות התחלה שיש להאריך רק לאחר בחינת תמונות נקודות הביקורת. אף אחד לא פרסם שעות זמן־קיר עבור הרצה ניתנת לשחזור, כך שכל נתון שתראו שמצוטט לכמה זמן זה לוקח הוא הכרטיס של מישהו ומערך הנתונים של מישהו, לא מפרט.
מנגד, הכלים באמת טובים, וזה החלק שהשתנה לאחרונה מספיק כדי שיהיה שווה לתארך. הספק מפנה ל-DiffSynth-Studio של ModelScope, שהמאגר שלה כולל סקריפט אימון LoRA עובד עבור נקודת הביקורת הזו, ובנפרד עבור גרסת ה-Turbo — הרצה אחת של accelerate launch עם דירוג 32, AdamW ב-1e-4, חמישה אפוקים, תקציב פיקסלים מקסימלי של 1,048,576 ו-gradient checkpointing. מדריך ההתחלה המהירה של SimpleTuner הוא המתכון הציבורי המפורט ביותר, והוא כנה באופן יוצא דופן לגבי המגבלות של עצמו. ai-toolkit מפרט גם את Qwen-Image-2.1 וגם את Qwen-Image-2.1-Turbo בין הארכיטקטורות הנתמכות שלו, ושניים מהמתאמים שתוארו לעיל מתעדים שאומנו באמצעותו. וב-12 באוקטובר 2026, musubi-tuner מיזג בקשת משיכה שהוסיפה תמיכה ב-Qwen-Image 2.1 הכוללת אימון LoRA, כיוונון עדין מלא, תצוגות מקדימות של אימון והמרה בין Diffusers לפורמט LoRA של עצמו; בקשת התכונה שביקשה זאת, שנפתחה ב-24 בספטמבר, עדיין פתוחה. המיזוג הזה הוא שלושה ימים לפני התאריך בעמוד הזה, והוא שינוי בכלים ולא שחרור של מודל — המשמעות היא שמאמן רביעי נעשה זמין, ולא שמשהו במודל השתנה.
יש עוד אילוץ אחד שתופס אנשים שאימנו LoRA-ים לארכיטקטורות אחרות. לפלט של המודל הזה אין מתג אלפא. ה-VAE פועל במרחב פיקסלים RGBA בן ארבעה ערוצים, והערוץ הרביעי מפוענח כאלפא, כך שהשקיפות נוצרת מהפרומפט ותו לא — התיעוד של הספק עצמו מציין שאין שום בקרה הקשורה לאלפא בשום מקום בפייפליין. מתאם שאומן על תמונות אטומות משנה את ההתפלגות שאותה הוא מכוון; אין לו כפתור שקיפות נפרד להישען עליו. אם הפייפליין שלך תלוי בחיתוכים (cutouts), זהו מאפיין של מודל הבסיס שאתה נוטל בהשאלה, וכדאי לבדוק אותו לפני שאתה מקדיש לו ריצת אימון.
מה הרישיון אומר על המתאם שאתה מייצר
קרא את הקובץ, כי התשובה אינה מה שמהדורה שנשמעת מתירנית הייתה מרמזת. Qwen-Image-2.1 מופץ תחת הסכם הרישיון Qwen Research License Agreement מיום 20 בספטמבר 2026 — מסמך בן 7,831 בתים שהועבר ללא שינוי אל מאגר Turbo, שהעותק שלו זהה לחלוטין ברמת הבתים. הוא אינו Apache 2.0, וסדרת Qwen-Image המוקדמת כן הייתה.
הסעיף שמכריע את רוב העניין הוא סעיף ההענקה. סעיף 2(א) מעניק לך רישיון "להשתמש, לשכפל, להפיץ, להעתיק, ליצור יצירות נגזרות של, ולבצע שינויים ב" החומרים, ואז מגביל את כל זה: "למטרות לא מסחריות בלבד". סעיף 1(ט) מגדיר לא־מסחרי כ"למטרות מחקר או הערכה בלבד", שהוא צר יותר מ"ללא מטרות רווח" — הוא אינו מחריג שימוש עסקי פנימי. סעיף 2(ב) קובע ששימוש מסחרי מחייב רישיון נפרד, שיש לבקש בכתובת שההסכם נוקב. מתאם שאומן על צ'קפוינט זה הוא יצירה נגזרת שלו, ולכן ההגבלה עוברת יחד עם המתאם; הוא אינו הופך לשמיש מסחרית רק משום שאימנת אותו בעצמך.
שני דברים שכדאי לשים לב אליהם, כי שניהם מנוגדים להנחות נפוצות.
ראשית, הרישיון אינו שותק בנושא אימון — הוא מתייחס אליו ישירות. סעיף 4(ב) קובע כי אם אתה משתמש בחומרים או בתפוקות שלהם כדי "ליצור, לאמן, לבצע כיוונון עדין או לשפר מודל AI שמופץ או נעשה זמין", עליך להציג באופן בולט "Built with Qwen" או "Improved using Qwen" בתיעוד המוצר הרלוונטי. לכן כיוונון עדין מוזכר בשמו, והוא כרוך בחובת תיוג ולא בשאלת הרשאה.
שנית, הפצה מחדש מותרת במפורש, בתנאים. סעיף 3 מאפשר לך להפיץ יצירות נגזרות, בצורת קוד מקור או קוד אובייקט, בתנאי שאתה מספק למקבלים עותק של ההסכם, מסמן קבצים ששונו, ומשאיר קובץ הודעה שקורא "Qwen מורשה תחת ה-Qwen RESEARCH LICENSE AGREEMENT, זכויות יוצרים (c) 2026 Hangzhou Tongyi Laboratory Technology Co., Ltd. כל הזכויות שמורות." סעיף 4(ג) אוסר על שימוש ב-"Qwen" כשם הראשי או כמזהה של היצירה הנגזרת שלך — שימוש תיאורי מותר במפורש. סעיף 5(א) מאשר שאתה הבעלים של השינויים שלך, בכפוף לעמידה בדרישות. סכסוכים כפופים לחוק הסיני, בבתי המשפט של האנגג'ואו.
אלה התחייבויות קוהרנטיות וקריאות. הממצא הלא-נוח הוא באיזו תדירות האקוסיסטם אינו עומד בהן. מבין האדפטרים שנדגמו במהלך המחקר עבור העמוד הזה, אחד — אדפטר לזיקוק-צעדים עבור צ'קפוינט הבסיס — מגיע עם טקסט הרישיון וקובץ הודעה הנושא את מחרוזת הייחוס הנדרשת כלשונה, ובנוסף מקטע רישיון בכרטיס שלו שמציין מחדש את המגבלה הלא-מסחרית ואת איש הקשר המסחרי. כמה אחרים, כולל שניים מהאדפטרים המורדים ביותר לבקרת מצלמה ולהמשכיות סצנה, מצהירים על apache-2.0 במטא-הנתונים שלהם, אינם כוללים קובץ רישיון כלל, ואינם מכילים הודעת ייחוס. הכרטיסים שלהם אינם טוענים לזכויות Apache על משקולות הבסיס; שדה המטא-נתונים פשוט שגוי, וזה השדה שכלי במורד הזרם יקרא. אם אתם אלה שבונים על אדפטר, קראו בעצמכם את הרישיון של מודל הבסיס במקום לסמוך על התג בכרטיס של האדפטר — ואם אתם אלה שמפרסמים, האריזה הנכונה אינה מסובכת, היא רק צריכה להיעשות במכוון.
תאימות, והדבר האחד לגבי "turbo"
מתאם פועל על נקודת הביקורת שאותה מציין רשומת האימון שלו. עבור רוב המתאמים כאן זו Qwen-Image-2.1 עצמה, ושם יש לטעון אותם. נקודת הביקורת Turbo היא כיוונון עדין של אותה ארכיטקטורה ולא מודל שונה — השניים חולקים את עץ המודולים שלהם, ולכן סביר מאוד שמתאם שאומן על הבסיס ייטען על Turbo — אך היא מאחסנת בתוך נקודת הביקורת לוח דגימה משלה בן שמונה צעדים ומריצה מסלול הסרת רעש שהמתאם לא אומן בתוכו. האם הצירוף הזה מתנהג כשורה אינו מתועד על ידי איש, כולל היצרן.
יש גם מלכודת שמות: הביטוי "turbo LoRA" מכסה שני ארטיפקטים מנוגדים, אדפטר שאומן על צ'קפוינט ה-Turbo ואדפטר זיקוק שהופך את הצ'קפוינט הסטנדרטי לכזה של כמה צעדים. אלה קבצים שונים שעושים עבודות שונות. לשאלת הצ'קפוינט הבסיסי לעומת Turbo, ולשתי המשמעויות של אדפטר ה-turbo, יש להם עמוד משלהם בגזע הזה — Qwen-Image-2.1-Turbo LoRA — והעמוד הזה לא עומד להפוך לעותק שני שלו. אם יש לך Turbo ואדפטר שמציין את הצ'קפוינט הסטנדרטי, קרא את אותו עמוד לפני שתטען משהו.
שתי שאלות סמוכות שייכות גם הן למקום אחר. צ'קפוינטים מכומתים — GGUF, FP8, INT4 והשאר — הם נושא אחר עם עמוד אחר; LoRA שמשמש בתוך פייפליין מכומת הוא הערת תאימות בעמוד ההוא, לא סעיף בעמוד הזה. והמודל שרץ בכלי מסוים הוא שוב שאלה בפני עצמה, עם רשימות הקבצים שלו ומצבי הכשל שלו.
מה נשבר, ומה לא הוכרע
דוחות הכשל מתקבצים לשלוש סיבות, וכל אחת מהן תועדה על ידי מישהו שעשה את העבודה ולא הוסקה.
מתאם שנטען ולא עושה דבר. המקרה הקונקרטי ביותר הוא אי-התאמה בשמות מפתחות: הכרטיס של מתאם אחד מציין בעצמו שקובצי פורמט המאמן הגולמיים שלו משתמשים בשמות המפתחות של ה-MLP הממוזג של אותו מאמן, שאותם Diffusers "מדלג עליהם בשקט" — הטעינה מצליחה, לא נזרקת שגיאה, ולמתאם אין כל השפעה. הקובץ עובד עם הטוען שלו ולא עם הטוען המיינסטרימי. זהו הבדל בפריסת הקובץ, לא בנקודת ביקורת הבסיס, וכדאי לשלול אותו לפני שאתם מאשימים משהו אחר.
אדפטר שהורס פרומפטים שאינם קשורים. זוהי בעיה של קצב למידה ומשך, ויש לה מדידה: באבליישן שפורסם, ריצה בקצב 3e-4 "פגעה באופן חמור בכל ארבעת פרומפטי הוולידציה עד עדכון 500", כשנושאים לא קשורים — שועל, דיוקן — הופכים לקונספט המאומן. מחקר האימון הארוך יותר של אותו מחבר מדווח על המלכודת ההפוכה: בריצה אחת פרומפט השתפר עד עדכון 3,500, נסוג ב-4,000 והתאושש עד 10,000, כך שצ'קפוינט ביניים גרוע אינו הוכחה שהריצה נכשלה. הממצא השני מתויג במפורש כהתקדמות איכותנית מריצה בודדת ומזרע ולידציה בודד, בלי עקומת שגיאת בדיקה שנמדדה, וההתאוששות מתוארת כתלוית-פרומפט. יש לראות בכך סיבה לשמור כל צ'קפוינט של 250 צעדים, ולא מתכון.
מתאם שמתנהג כשורה, ואז מצטבר. מתאם המשך הסצנה מתעד הידרדרות מדודה בשימוש משורשר: שרשור נאיבי בעוצמה 0.9 צובר גרעין סרט לרעש צבע נראה לעין עד השלב השלישי או הרביעי, והפתרון המאומת של המחבר הוא עוצמה של 0.7 ומטה בתוספת טשטוש גאוסי של חצי פיקסל בכל קלט משורשר. אותו כרטיס גלוי לב לכך שטרנספורמציות בשלבים מאוחרים נשארות שמרניות, ומציין זאת כמגבלה של נתוני האימון ולא כבעיית הגדרות.
מתחת לכל זה זורם אוסף של דברים שלא הוכחו באמת, וכדאי להצהיר עליהם במקום למלא אותם. איש לא פרסם השוואת איכות בין Qwen-Image-2.1 ל-Qwen-Image-2.1-Turbo, ולכן אין קו בסיס שלפיו אפשר לשפוט מה כל מתאם עושה לאחד מהם. איש לא פרסם אם מתאם של checkpoint סטנדרטי מתנהג כראוי ב-Turbo. הספק מתעד אימון LoRA רק פעם אחת, בקטע ModelScope שבמאגר הפרויקט, כשהוא מפנה למסגרת של צד שלישי; כרטיס המודל עצמו אינו מכיל הנחיות לגבי מתאמים, וה-text encoder של ה-checkpoint הוא רכיב שהקהילה כבר החלה לפרסם מחדש בנפרד, וזו שאלת תאימות בפני עצמה. וכל ספירה בעמוד הזה היא תמונת מצב של קריאת אקוסיסטם בן שבועיים עד שלושה שבועות, שנעשתה ביום אחד — המסנן של Civitai ושאילתת מודל הבסיס של Hugging Face יהיו שניהם שגויים עד החודש הבא, בכיוון של יותר.
אם אתם מתלבטים מה לעשות היום, הרצף ששורד את כל הפערים האלה הוא קצר. התחילו בקריאת תיעוד האימון של המתאם, לא בדוגמאות שלו — אם אין תיעוד, התייחסו לקובץ כללא־מיוחס ובדקו אותו עם הפרומפט שלכם לפני שאתם בונים עליו. התאימו את המתאם לנקודת הבדיקה שהתיעוד שלו מציין, ואם אתם על Turbo, קראו קודם את עמוד Turbo. בדקו באיזה פורמט טעינה הקובץ נמצא לפני שאתם מסיקים שהוא שבור. וקראו פעם אחת את רישיון הבסיס, כי הוא חל על המתאם ללא קשר למה שכרטיס המתאם מצהיר על עצמו. ואז בחרו את המאמן שלכם, התחילו מהפריסט הקטן ביותר של VRAM שהכרטיס שלכם תומך בו, ושפטו את רשת נקודות הבדיקה ולא את הקובץ הסופי.
