Qwen-Image-2.1 LoRA: quali adattatori esistono, quale addestramento richiede e cosa dice davvero la licenza

Esiste un vero ecosistema di adattatori LoRA (low-rank adaptation) per Qwen-Image-2.1, il modello unificato di generazione e modifica di immagini del fornitore, e non esiste quasi documentazione al riguardo da parte del fornitore. Questa pagina è la risposta permanente a quattro domande che un lettore digita tutte insieme: qualcuno crea davvero adattatori per questo modello, dove si trovano, cosa serve per addestrarne uno e cosa consente di fare la licenza con il risultato. Non è un articolo di lancio. Qwen-Image-2.1 è stato reso open source il 20 settembre 2026 e la sua variante accelerata Qwen-Image-2.1-Turbo è arrivata il 9 ottobre 2026; entrambe le date sono qui solo per identificare a quali checkpoint si riferisce questa pagina, non per riportare alcunché.

In breve: esistono poche centinaia di adattatori, sono per lo più lavori su personaggi e stili pubblicati da singoli professionisti, l'addestramento di uno è coperto end-to-end da almeno tre toolchain di terze parti con misurazioni di memoria pubblicate, e la licenza — che non è Apache per questa generazione di modelli di immagini — ribadisce una restrizione non commerciale sul derivato che molti degli adattatori stessi non riescono a trasmettere.

Due frasi su che cos'è un LoRA, e poi il modello

Un LoRA è un piccolo insieme di delta di peso a basso rango che viene aggiunto a un checkpoint di base congelato al momento del caricamento, indirizzato a moduli specifici per nome; non è un modello, è una patch che cambia il comportamento di un modello esistente. Poiché i delta vengono addestrati rispetto a pesi particolari, un adattatore è legato al checkpoint su cui è stato addestrato in un modo che un flag di configurazione non può risolvere.

Quel legame è proprio il motivo per cui questa pagina riguarda specificamente Qwen-Image-2.1 anziché i LoRA. Il checkpoint è un transformer di diffusione a flusso singolo a 32 strati, con 7B di parametri nella sua componente di generazione visiva, un text encoder Qwen3-VL 8B e un VAE RGBA a 64 canali che lavora a una compressione spaziale di 16× — tutti dati provenienti dalla model card e dal repository dello stesso fornitore, consultati il 13 ottobre 2026. Imposta il proprio schedule di campionamento al momento della chiamata, con 40 passi di inferenza negli esempi della card stessa. Nessuno di questi dettagli è casuale per gli adapter: l'architettura decide cosa un file può indirizzare, e lo schedule decide cosa viene chiesto di fare a un adapter addestrato con una parametrizzazione diversa.

Cosa esiste per questo modello, e come contarlo onestamente

I conteggi seguenti provengono dall'API di Hugging Face e dall'API di Civitai, entrambe consultate il 13 ottobre 2026, e vale la pena specificare la query, perché la stessa domanda fornisce risposte completamente diverse a seconda di come la si pone.

• Repository su Hugging Face che dichiarano Qwen-Image-2.1 come loro modello base: 323.

• Di quelli, i repository che portano anche il tag lora: 115.

• Adattatori su Civitai che corrispondono a un filtro del modello base "Qwen 2.1" con il tipo impostato su LoRA: 106. Un passaggio precedente nello stesso giorno ne contava 105; il filtro è attivo e il numero cambia, quindi consideralo una rilevazione più che un totale.

Entrambi i numeri sono minimi, non censimenti. Il tag di Hugging Face viene applicato da chi carica, quindi un adattatore il cui autore non l'ha taggato è invisibile a quella query; il conteggio dei modelli base è maggiore di quello dei LoRA proprio perché intercetta anche quantizzazioni, merge e repack. Su Civitai il divario tra i metodi è netto: una semplice ricerca testuale di "qwen image 2.1" restituisce 994 modelli unici, e la maggior parte di essi non sono affatto adattatori di questo checkpoint — lo stesso insieme di risultati è dominato da post di workflow e da file il cui modello base dichiarato è una generazione di immagini del tutto diversa. Filtra sul modello base, non sulla casella di ricerca.

Entrambi i siti sono il luogo in cui vive questo ecosistema, e questa è l'unica affermazione che viene fatta su ciascuno di essi: Hugging Face è dove vengono pubblicati i record di addestramento e i dataset, Civitai è dove si raccolgono gli adattatori rivolti ai consumatori e i workflow ComfyUI che li circondano, e nessuno dei due è un segnale di qualità. Un file su uno dei due può essere un'opera originale addestrata o una copia di qualcun altro.

Send the text you want translated into Italian and I'll return it with every span marker preserved exactly as specified.

Questo è verificabile, e la verifica richiede circa un minuto. Prendi due repository che sembrano lo stesso adattatore.

akhaliq/Qwen-Image-2.1-Next-Scene-LoRA è stato creato il 7 ottobre 2026. TechnoBaptist/Qwen-Image-2.1-Next-Scene-LoRA è stato creato il 9 ottobre 2026. I loro file README sono identici byte per byte — stessa lunghezza, stesso MD5 — e gli elenchi dei file dei due repository coincidono in tutte le 111 voci. Il più recente è una copia del precedente, descrizione inclusa.

Il caso meno evidente è la copia parziale. developerjeremylive/Qwen-Image-2.1-Multiple-Angles-LoRA-etheroi contiene 163 file. Ognuno dei 160 che esistono anche in akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA ha dimensioni identiche, e il repository è un sottoinsieme stretto dei 344 file di quest'ultimo. Ciò che è stato lasciato indietro è l'intera directory benchmarks/, le griglie di campioni per checkpoint sotto samples/, e diverse varianti di checkpoint. I pesi dell'adattatore sono presenti. Le prove che l'adattatore faccia ciò che promette non ci sono.

Quindi il test pratico non è «ha una bella carta?». È se la carta porta le cose che possono venire solo dall'aver fatto la run:

• Da dove provengono i dati di addestramento, con un link — l'adattatore angolare indica la sua fonte Objaverse e la sua licenza, e pubblica separatamente i dataset di coppie derivati.

• Il trainer e gli iperparametri, a livello di rango, alpha, tasso di apprendimento, numero di passi e precisione di base — abbastanza perché qualcun altro possa tentare una riproduzione.

• Checkpoint intermedi invece di solo un file finale, così che la curva di addestramento sia ispezionabile anziché asserita.

• Una valutazione che non sia la vetrina dell'autore, e una sezione «ambito e limiti» che indichi ciò in cui l'adattatore è scarso.

Una card con una trigger word, un intervallo di forza e una serie di begli esempi, e nulla più, non è prova di nulla. Non è nemmeno prova di un repack — molti adattatori one-off onesti sono documentati in modo altrettanto scarno. Significa solo che non hai nulla su cui basarti, il che, per un file che stai per inserire in una pipeline di produzione, è la conclusione utile.

Quale formazione si riceve effettivamente

Prima l'inquadramento onesto, perché qui il divario è ampio: pubblicare un adattatore è comune, addestrarne uno è un'impresa di tutt'altro ordine. Ci sono tre costi, e sono tutti reali.

Il checkpoint di base. Le tre componenti di Qwen-Image-2.1 arrivano a circa 33 GB tra transformer, text encoder e VAE — è la somma delle dimensioni dei file pubblicate dal repository stesso, rilevate il 13 ottobre 2026. È questo l'oggetto dell'adattamento, e non si riduce per il semplice fatto che vi si stia addestrando sopra solo una piccola patch.

I dati. Un LoRA non apprende un concetto da una manciata di immagini come fa un prompt. I due adattatori meglio documentati in questo ecosistema hanno pubblicato i loro dataset come artefatti di prima classe: l'adattatore per il controllo della camera è stato addestrato su 5.028 coppie etichettate per angolazione nella sua prima versione e 13.328 nella seconda; l'adattatore di continuazione della scena è stato addestrato su 1.144 coppie di progressione da fotogramma a fotogramma, con didascalie scritte da un modello di visione per ogni coppia. Entrambi sono dataset assemblati, non collezioni di fotografie — le coppie hanno dovuto essere generate, etichettate e dotate di licenza prima che iniziasse l'addestramento, e in un caso le immagini di origine hanno dovuto essere filtrate fino a includere solo oggetti con licenza permissiva prima di poter essere utilizzate affatto.

Il calcolo. Questa è la parte con misurazioni pubblicate invece che sensazioni. La guida rapida di SimpleTuner per il modello fornisce preset VRAM e, separatamente, gli smoke test di memoria che ne stanno alla base: una ricetta a 512px con gradient checkpointing a ogni passo ha rispettato un limite di allocazione di 24 GiB, raggiungendo un picco di 20,06 GiB allocati e 21,10 GiB riservati da PyTorch. Una ricetta multi-risoluzione a 32,49 / 41,21 GiB ha passato il test su una L40S ma ha esaurito la memoria sotto un limite di 32 GiB. Gli autori sono espliciti sul fatto che quelli sono controlli di memoria su un sottoinsieme limitato, non misurazioni di throughput o convergenza, e che i budget inferiori sono stati simulati su una L40S anziché eseguiti sulle loro schede nominali. Letti come pubblicati, dicono una cosa semplice: il minimo per questo modello è una scheda da 24 GB che gira solo a 512px, e 48 GB o più è il punto in cui diventano disponibili le ricette multi-risoluzione che il framework consiglia effettivamente.

Il tempo è il costo più silenzioso, e quasi nessuno lo pubblica. Ciò che è pubblico sono i conteggi dei passi — 2.000 aggiornamenti nel preset da 24 GB, 4.000 in quelli più grandi, con validazione e checkpoint ogni 250 — e conteggi di checkpoint che si attestano su poche migliaia, ricavati dai registri di addestramento degli adapter stessi. La tabella dei preset di SimpleTuner fornisce budget di aggiornamento per ogni fascia di VRAM e afferma chiaramente che sono punti di partenza da estendere solo dopo aver ispezionato le immagini dei checkpoint. Nessuno ha pubblicato le ore effettive per un'esecuzione riproducibile, quindi qualsiasi cifra tu veda citata su quanto tempo richieda è la scheda di qualcuno e il dataset di qualcuno, non una specifica.

Di contro, gli strumenti sono davvero buoni, e questa è la parte che è cambiata di recente abbastanza da meritare una data. Il fornitore indica DiffSynth-Studio di ModelScope, il cui repository include uno script funzionante per l'addestramento LoRA per questo checkpoint e, separatamente, per la variante Turbo — un singolo accelerate launch con rank 32, AdamW a 1e-4, cinque epoche, un budget massimo di pixel di 1.048.576 e gradient checkpointing. La quickstart di SimpleTuner è la ricetta pubblica più dettagliata ed è insolitamente onesta riguardo ai propri limiti. ai-toolkit elenca sia Qwen-Image-2.1 sia Qwen-Image-2.1-Turbo tra le architetture supportate, e due degli adapter descritti sopra registrano di essere stati addestrati con esso. E il 12 ottobre 2026 musubi-tuner ha unito un pull request che aggiunge il supporto a Qwen-Image 2.1 coprendo addestramento LoRA, fine-tuning completo, anteprime di addestramento e conversione tra Diffusers e il proprio formato LoRA; la richiesta di funzionalità che lo chiedeva, aperta il 24 settembre, è ancora aperta. Quel merge è tre giorni prima della data su questa pagina ed è un cambiamento negli strumenti più che un rilascio di modello — significa che è diventato disponibile un quarto trainer, non che qualcosa nel modello sia cambiato.

C'è un ulteriore vincolo che coglie di sorpresa chi ha addestrato LoRA per altre architetture. L'output di questo modello non ha alcun interruttore alfa. Il VAE opera in uno spazio pixel RGBA a quattro canali e il quarto canale viene decodificato come alfa, quindi la trasparenza è prodotta dal prompt e da nient'altro — la documentazione stessa del fornitore afferma che non esiste alcun controllo legato all'alfa in nessuna parte della pipeline. Un adattatore addestrato su immagini opache modifica la distribuzione che il prompt sta guidando; non ha una manopola della trasparenza separata su cui ripiegare. Se la tua pipeline dipende dai ritagli, questa è una proprietà del modello di base che stai prendendo in prestito, e vale la pena testarla prima di dedicarle un'esecuzione di addestramento.

Cosa dice la licenza riguardo all'adattatore che realizzi

Leggi il file, perché la risposta non è quella che una release dall'aria permissiva suggerirebbe. Qwen-Image-2.1 viene distribuito con il Qwen Research License Agreement datato 20 settembre 2026 — un documento di 7.831 byte riportato invariato nel repository Turbo, la cui copia è identica byte per byte. Non è Apache 2.0, e la precedente linea Qwen-Image lo era.

La clausola che decide la maggior parte di questa questione è la concessione. La sezione 2(a) ti concede in licenza di «usare, riprodurre, distribuire, copiare, creare opere derivate di e apportare modifiche a» i materiali, e poi limita tutto quanto: «SOLO PER SCOPI NON COMMERCIALI». La sezione 1(i) definisce non commerciale come «solo per scopi di ricerca o valutazione», il che è più restrittivo di «senza scopo di lucro» — non prevede un'eccezione per l'uso aziendale interno. La sezione 2(b) afferma che l'uso commerciale richiede una licenza separata, da richiedere all'indirizzo indicato nell'accordo. Un adattatore addestrato su questo checkpoint è un'opera derivata da esso, quindi la restrizione accompagna l'adattatore; non diventa utilizzabile a fini commerciali per il fatto che l'hai addestrato tu stesso.

Due cose da notare, perché entrambe vanno contro le supposizioni comuni.

Innanzitutto, la licenza non tace sull'addestramento: lo prende in considerazione direttamente. La sezione 4(b) afferma che se si utilizzano i materiali o i loro output per "creare, addestrare, mettere a punto o migliorare un modello di IA che viene distribuito o reso disponibile", è necessario mostrare in modo ben visibile "Built with Qwen" o "Improved using Qwen" nella documentazione del prodotto correlato. Quindi la messa a punto è affrontata per nome, e comporta un obbligo di etichettatura anziché una questione di autorizzazione.

In secondo luogo, la ridistribuzione è espressamente consentita, con condizioni. La Sezione 3 consente di distribuire opere derivate, in forma sorgente o oggetto, a condizione che tu fornisca ai destinatari una copia dell'accordo, contrassegni i file modificati e conservi un file di avviso che riporti "Qwen is licensed under the Qwen RESEARCH LICENSE AGREEMENT, Copyright (c) 2026 Hangzhou Tongyi Laboratory Technology Co., Ltd. All Rights Reserved." La Sezione 4(c) vieta di usare "Qwen" come nome principale o identificatore della tua opera derivata — l'uso descrittivo è espressamente consentito. La Sezione 5(a) conferma che possiedi le tue modifiche, a condizione della conformità. Le controversie sono disciplinate dalla legge cinese, nei tribunali di Hangzhou.

Si tratta di obblighi coerenti e leggibili. Il risultato scomodo è quanto spesso l'ecosistema non li rispetti. Tra gli adattatori campionati durante la ricerca per questa pagina, uno — un adattatore di distillazione a step per il checkpoint di base — include il testo della licenza e un file di avviso che riporta alla lettera la stringa di attribuzione richiesta, oltre a una sezione di licenza nella sua scheda che ribadisce il limite non commerciale e il contatto commerciale. Diversi altri, tra cui due degli adattatori di controllo camera e continuazione di scena più scaricati, dichiarano apache-2.0 nei loro metadati, non includono alcun file di licenza e non contengono alcun avviso di attribuzione. Le loro schede non rivendicano diritti Apache sui pesi di base; il campo dei metadati è semplicemente errato, ed è il campo che uno strumento a valle leggerà. Se sei tu a costruire su un adattatore, leggi tu stesso la licenza del modello di base invece di fidarti del tag sulla scheda dell'adattatore — e se sei tu a pubblicare, il packaging corretto non è complicato, deve solo essere fatto di proposito.

Compatibilità, e l'unica cosa riguardo al "turbo"

Un adattatore viene eseguito sul checkpoint che il suo record di addestramento indica. Per la maggior parte degli adattatori qui presenti, si tratta di Qwen-Image-2.1 stesso, ed è lì che dovrebbero essere caricati. Il checkpoint Turbo è un fine-tuning della stessa architettura anziché un modello diverso — i due condividono il loro albero dei moduli, ed è per questo che un adattatore addestrato su una base si caricherà molto probabilmente su Turbo — ma memorizza il proprio programma di campionamento in otto passi all'interno del checkpoint ed esegue una traiettoria di denoising in cui l'adattatore non è stato addestrato. Che questa combinazione si comporti correttamente non è documentato da nessuno, incluso il fornitore.

C'è anche una trappola di denominazione: la frase "turbo LoRA" copre due artefatti opposti, un adapter addestrato su il checkpoint Turbo e un adapter di distillazione che trasforma il checkpoint standard in uno a pochi passi. Quelli sono file diversi che svolgono compiti diversi. La questione del checkpoint di base rispetto a Turbo, e i due significati dell'adapter turbo, hanno una pagina propria su questo stem — Qwen-Image-2.1-Turbo LoRA — e questa pagina non diventerà una seconda copia di quella. Se hai tra le mani Turbo e un adapter che fa riferimento al checkpoint standard, leggi quella pagina prima di caricare qualsiasi cosa.

Due domande adiacenti appartengono anch’esse altrove. I checkpoint quantizzati — GGUF, FP8, INT4 e il resto — sono un argomento diverso con una pagina diversa; una LoRA utilizzata all’interno di una pipeline quantizzata è una nota di compatibilità su quella pagina, non una sezione su questa. E il modello in esecuzione in uno strumento specifico è di nuovo una questione a sé, con i propri elenchi di file e le proprie modalità di errore.

Cosa si rompe, e cosa non è stabilito

Le segnalazioni di guasto si raggruppano in tre cause, e ognuna di esse è stata documentata da qualcuno che ha svolto il lavoro anziché dedotta.

Un adapter che si carica e non fa nulla. Il caso più concreto è una discrepanza nella denominazione delle chiavi: la scheda di un adapter dichiara che i suoi file grezzi in formato trainer usano la denominazione delle chiavi MLP fuse di quel trainer, che Diffusers "salta silenziosamente" — il caricamento riesce, non viene sollevato alcun errore e l'adapter non ha alcun effetto. Il file funziona con il suo loader e non con quello mainstream. Questa è una differenza nella disposizione dei file, non nel checkpoint di base, e vale la pena escluderla prima di dare la colpa a qualcos'altro.

Un adapter che rovina i prompt non correlati. Questo è un problema di learning rate e durata, e c'è una misurazione: in una ablation pubblicata, una run a 3e-4 "ha degradato gravemente tutti e quattro i prompt di validazione entro l'update 500", con soggetti non correlati — una volpe, un ritratto — che si trasformavano nel concetto addestrato. Lo studio dello stesso autore sull'addestramento più lungo riporta la trappola opposta: in una run un prompt è migliorato fino all'update 3.500, è regredito a 4.000 e si è ripreso fino a 10.000, quindi un checkpoint intermedio scadente non è prova che la run sia fallita. Quel secondo risultato è esplicitamente etichettato come una progressione qualitativa da una singola run e un singolo seed di validazione, senza che sia stata misurata alcuna curva di errore di test e con il recupero descritto come dipendente dal prompt. Prendilo come un motivo per conservare ogni checkpoint a 250 passi, non come una ricetta.

Un adattatore che si comporta bene, poi si accumula. L'adattatore di continuazione della scena documenta un degrado misurabile nell'uso concatenato: il concatenamento ingenuo a forza 0,9 accumula grana cinematografica fino a trasformarla in rumore cromatico visibile entro il terzo o quarto hop, e la soluzione verificata dall'autore consiste in una forza pari o inferiore a 0,7 più una sfocatura gaussiana di mezzo pixel su ogni input concatenato. La stessa scheda è sincera sul fatto che le trasformazioni negli hop tardivi restano conservative, e indica ciò come un limite dei dati di addestramento più che un problema di impostazioni.

Alla base di tutto ciò c'è una serie di cose che non sono state realmente stabilite, e vale la pena dichiararle anziché colmare le lacune. Nessuno ha pubblicato un confronto di qualità tra Qwen-Image-2.1 e Qwen-Image-2.1-Turbo, quindi non esiste una base di riferimento rispetto alla quale giudicare cosa faccia qualsiasi adapter all'uno o all'altro. Nessuno ha pubblicato se un adapter per checkpoint standard si comporti correttamente su Turbo. Il fornitore documenta l'addestramento LoRA una sola volta, nella sezione ModelScope del repository del progetto, facendo riferimento a un framework di terze parti; la model card stessa non contiene alcuna guida sugli adapter, e il text encoder del checkpoint è un componente che la community ha già iniziato a ripubblicare separatamente, il che costituisce di per sé una questione di compatibilità. E ogni conteggio in questa pagina è un'istantanea di un ecosistema vecchio di due o tre settimane, letto in un solo giorno — il filtro Civitai e la query sul modello base di Hugging Face saranno entrambi sbagliati il mese prossimo, nella direzione di un aumento.

Se stai decidendo cosa fare oggi, la sequenza che sopravvive a tutte quelle lacune è breve. Inizia leggendo il registro di addestramento dell'adapter, non i suoi campioni — se non c'è alcun registro, considera il file come non attribuito e provalo sul tuo prompt prima di costruirci sopra. Fai corrispondere l'adapter al checkpoint che il suo registro nomina, e se sei su Turbo, leggi prima la pagina di Turbo. Controlla in quale formato di loader si trova il file prima di concludere che è rotto. E leggi una volta la licenza di base, perché governa l'adapter indipendentemente da ciò che la scheda dell'adapter dichiara su di sé. Poi scegli il tuo trainer, parti dal preset VRAM più piccolo supportato dalla tua scheda, e giudica la griglia dei checkpoint anziché il file finale.