Qwen-Image-2.1 LoRA：どんなアダプターが存在するのか、学習には何が必要なのか、そしてライセンスは実際に何と言っているのか

低ランク適応（LoRA）アダプタの確かなエコシステムが存在するQwen-Image-2.1、つまりベンダーによる統合型の生成・編集画像モデルだが、ベンダー側からのドキュメントはほとんど存在しない。このページは、読者がまとめて検索にかける4つの問いに対する常設の答えである。すなわち、このモデル向けのアダプタを実際に作っている人はいるのか、それらはどこにあるのか、1つを学習させるには何が必要なのか、そしてライセンスによってその成果物で何ができるのか、である。これはローンチ記事ではない。Qwen-Image-2.1は2026年9月20日にオープンソース化され、その高速化された兄弟モデルであるQwen-Image-2.1-Turboが2026年10月9日に続いた。ここに両方の日付を記しているのは、このページがどのチェックポイントについてのものかを特定するためだけであり、何かを報じるためではない。

手短に言うと、アダプターは数百点程度存在し、その大半は個人の実践者によって公開されたキャラクターやスタイルに関する作品であり、アダプターを1つ訓練する方法は、公開されたメモリ測定値を伴う少なくとも3つのサードパーティ製ツールチェーンによってエンドツーエンドで文書化されており、そしてライセンスは——この世代の画像モデルではApacheではない——派生物に対する非営利制限を再掲しているが、多くのアダプター自体はそれを引き継いでいない。

LoRAとは何かを2文で説明し、その後モデルについて。

LoRA は、ロード時に凍結されたベースチェックポイントに加えられる低ランクの重み差分の小さな集合であり、名前によって特定のモジュールに紐づけられる。それはモデルではなく、既存のモデルの振る舞いを変えるパッチである。差分は特定の重みに対して学習されるため、アダプタは、設定フラグでは修正できない形で、学習時のチェックポイントに束縛される。

その結び付きこそが、このページがLoRAではなくQwen-Image-2.1を特に扱っている理由のすべてです。そのチェックポイントは、視覚生成コンポーネントに7Bパラメータを持つ32層の単一ストリーム拡散トランスフォーマーであり、Qwen3-VL 8Bテキストエンコーダーと、16×の空間圧縮で動作する64チャネルRGBA VAEを備えています。これらの数値はすべて、2026年10月13日に閲覧したベンダー自身のモデルカードとリポジトリによるものです。これは呼び出し時にサンプリングスケジュールを設定し、カード自体の例では40の推論ステップを用います。これらの詳細はどれもアダプターにとって付随的なものではありません。アーキテクチャはファイルが何を対象にできるかを決め、スケジュールは異なるパラメータ化で学習されたアダプターが何をするよう求められるかを決めます。

このモデルには何が存在するのか、そしてそれを正直に数える方法

以下の件数はHugging Face APIとCivitai APIから取得したもので、どちらも2026年10月13日に読み取られたものです。そして、そのクエリは明記するに値します。なぜなら、同じ問いでも、尋ね方によってまったく異なる答えが返ってくるからです。

• Qwen-Image-2.1 をベースモデルとして宣言している Hugging Face 上のリポジトリ：323。

• そのうち、loraタグも付けているリポジトリ: 115件。

• Civitai 上でベースモデルフィルター「Qwen 2.1」に一致し、タイプが LoRA に設定されているアダプター：106。同日の以前の集計では 105 でした。このフィルターはリアルタイムで動作しており数値は変動するため、合計値ではなく一つの計測値として扱ってください。

どちらの数値も下限値であり、全数調査ではない。Hugging Face のタグはアップローダーが付けるため、作者がタグを付けていないアダプターはそのクエリでは見えない。ベースモデルの件数が LoRA の件数より多いのは、量子化、マージ、再パックも捕捉するからにほかならない。Civitai では、手法間の差はあからさまである。「qwen image 2.1」の単純なテキスト検索では 994 個のユニークなモデルが返るが、そのほとんどはこのチェックポイントのアダプターですらない — 同じ結果セットはワークフロー投稿と、宣言されたベースモデルがまったく別の画像生成であるファイルによって占められている。検索ボックスではなく、ベースモデルでフィルタリングせよ。

どちらのサイトもこのエコシステムが息づいている場所であり、どちらについても言っているのはそれだけだ。Hugging Face は学習記録とデータセットが公開される場所、Civitai は消費者向けのアダプターとそれらを取り巻く ComfyUI ワークフローが集まる場所であり、どちらも品質を示すシグナルではない。どちらにあるファイルであれ、学習されたオリジナルの成果物であることもあれば、他人のコピーであることもある。

オリジナルのアダプターと再梱包品の見分け方

これはチェック可能で、チェックには約1分かかります。同じアダプターに見えるリポジトリを2つ用意してください。

akhaliq/Qwen-Image-2.1-Next-Scene-LoRAは2026年10月7日に作成されました。TechnoBaptist/Qwen-Image-2.1-Next-Scene-LoRAは2026年10月9日に作成されました。両者のREADMEファイルはバイト単位で完全に同一で、長さもMD5も同じであり、2つのリポジトリのファイル一覧は111件すべてで一致しています。後から作成されたものは、説明文も含めて先のもののコピーです。

それほど明白でないケースは、部分的なコピーです。developerjeremylive/Qwen-Image-2.1-Multiple-Angles-LoRA-etheroiは163個のファイルを保持しています。また、そのうちの160個のすべては、akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRAにも存在し、サイズが同一で、このリポジトリはその344ファイルの厳密なサブセットです。残されたのは、benchmarks/ディレクトリ全体、samples/配下のチェックポイントごとのサンプルグリッド、およびいくつかのチェックポイント変種です。アダプターの重みは存在します。アダプターが謳っているとおりに機能するという証拠は存在しません。

だから実用的なテストは「いいカードを持っているかどうか」ではない。そのカードに、実際に走りをやり遂げた者だけが持ち得るものが宿っているかどうかだ：

• トレーニングデータの出所と、そのリンク — angle adapter は Objaverse のソースとライセンスを明示し、派生したペアデータセットを別途公開している。

• トレーナーとハイパーパラメータ。ランク、アルファ、学習率、ステップ数、ベース精度のレベルで、他の誰かが再現を試みるのに十分なもの。

• 最終ファイルだけでなく中間チェックポイントも残すことで、学習曲線を主張ではなく検証可能にできる。

• 著者の自己宣伝ではない評価と、アダプターが苦手とすることを明記した「適用範囲と限界」セクション。

トリガーワードと強度の範囲、そして見栄えのいいサンプルがいくつか載っていて、それ以外に何もないカードは、何の証拠にもならない。リパックの証拠でもない — 誠実な単発のアダプターの多くも、それくらい薄くしか文書化されていない。ただ、判断材料が何もないというだけのことで、これから本番パイプラインに投入しようとしているファイルにとっては、それこそが役に立つ結論なのだ。

実際にどのトレーニングを受けるのか

まず正直に言っておくと、ここには大きな隔たりがある。アダプターの公開はよくあることだが、アダプターの訓練となると、取り組みの次元がまったく違う。コストは三つあり、どれも現実のものだ。

ベースチェックポイント。 Qwen-Image-2.1 の3つのコンポーネントは、トランスフォーマー、テキストエンコーダー、VAE を合わせておよそ 33 GB になります — これはリポジトリ自身が公開しているファイルサイズの合計で、2026年10月13日に確認したものです。これが適応の対象であり、その上に小さなパッチを訓練するだけだからといって小さくなるわけではありません。

データ。LoRAは、プロンプトのように一握りの画像から概念を学習するわけではない。このエコシステムで最もよく文書化されている2つのアダプターは、データセットを第一級の成果物として公開した。カメラ制御アダプターは、最初のバージョンでは角度ラベル付きの5,028ペア、2番目のバージョンでは13,328ペアで訓練された。シーン継続アダプターは、1,144のフレーム間進行ペアで訓練され、キャプションは各ペアに対して視覚モデルが書き記した。これらはいずれも写真のコレクションではなく、組み立てられたデータセットである。ペアは訓練が始まる前に生成し、ラベル付けし、ライセンスを付与する必要があり、一方のケースでは、ソース画像をそもそも使用できるようにする前に、許容的なライセンスのオブジェクトだけに絞り込まなければならなかった。

計算資源。ここは雰囲気ではなく、公表された測定値がある部分です。SimpleTuner自身のこのモデル向けクイックスタートでは、VRAMプリセットと、それとは別にその背後にあるメモリスモークテストが示されています。毎ステップで勾配チェックポイントを行う512pxレシピは、24 GiBの割り当て上限をクリアし、ピーク時にはPyTorchによって20.06 GiBが割り当てられ、21.10 GiBが予約されました。32.49 / 41.21 GiBのマルチ解像度レシピはL40Sではクリアしましたが、32 GiBの上限下ではメモリ不足になりました。著者らは、それらがスループットや収束の測定ではなく、限られた部分集合のメモリチェックであること、また低い方のメモリ予算は本来のカードで実行されたのではなくL40S上でシミュレートされたものであることを明言しています。公表されたとおりに読めば、単純なことを示しています。このモデルの下限は512pxのみで動作する24 GBカードであり、フレームワークが実際に推奨するマルチ解像度レシピが利用可能になるのは48 GB以上です。

時間はより静かなコストであり、ほとんど誰もそれを公表していない。公開されているのはステップ数だ — 24 GBプリセットでは2,000更新、より大きなプリセットでは4,000更新、250ごとに検証とチェックポイント保存 — そしてアダプター自身の学習記録による、低い方の数千件台のチェックポイント数である。SimpleTunerのプリセット表は各VRAM階層の更新予算を示し、それらはチェックポイント画像を確認した後にのみ延長すべき出発点であると明言している。再現可能な実行のウォールクロック時間を公表した人は誰もいない。そのため、これにどれだけ時間がかかるかについて目にする引用数値は、誰かのカードと誰かのデータセットによるものであって、仕様ではない。

それに対して、ツール群は本当に優れており、そしてこれこそがごく最近変わった、日付を付ける価値のある部分だ。ベンダーはModelScopeのDiffSynth-Studioを挙げており、そのリポジトリにはこのチェックポイント用の、そして別途Turbo版用の、動作するLoRA学習スクリプトが同梱されている——単一のaccelerate launchを、ランク32、AdamW 1e-4、5エポック、最大ピクセル予算1,048,576、勾配チェックポイント付きで実行する。SimpleTunerのクイックスタートは最も詳細な公開レシピであり、自身の限界について異例なほど正直だ。ai-toolkitは対応アーキテクチャとしてQwen-Image-2.1とQwen-Image-2.1-Turboの両方を挙げており、上述したアダプターのうち2つはそれを使って学習されたと記録している。そして2026年10月12日、musubi-tunerはQwen-Image 2.1対応を追加するプルリクエストをマージした。それはLoRA学習、フルファインチューニング、学習プレビュー、そしてDiffusersと独自のLoRA形式との間の変換をカバーする。それを求める機能リクエストは9月24日に開かれ、今もオープンのままだ。このマージはこのページの日付の3日前であり、モデルのリリースではなくツールの変更だ——つまり4番目のトレーナーが利用可能になったということであって、モデルについて何かが変わったわけではない。

LoRAを他のアーキテクチャ向けに訓練したことがある人を引っかける制約がもう一つある。このモデルの出力にはアルファの切り替えが存在しない。VAEは4チャンネルのRGBAピクセル空間で動作し、4番目のチャンネルがアルファとしてデコードされるため、透過はプロンプトによってのみ生成され、それ以外では生じない——ベンダー自身のドキュメントにも、パイプラインのどこにもアルファ関連の制御は存在しないと明記されている。不透明な画像で訓練されたアダプターは、プロンプトが誘導している分布を変化させるだけで、フォールバックできる独立した透過用のつまみを持っているわけではない。パイプラインが切り抜きに依存しているなら、それは借りているベースモデルの性質であり、訓練実行をそれにコミットする前にテストする価値がある。

あなたが作成するアダプターについて、ライセンスに書かれていること

ファイルを読んでください。なぜなら、その答えは、寛容に聞こえるリリースが示唆するものではないからです。Qwen-Image-2.1 は、2026年9月20日付の Qwen Research License Agreement の下で提供されています — 7,831バイトの文書で、Turbo リポジトリに変更なく引き継がれており、そのコピーはバイト単位で同一です。これは Apache 2.0 ではなく、以前の Qwen-Image シリーズはそうでした。

これを大部分決めるのは許諾条項です。第2条(a)は、あなたに素材を「使用、複製、配布、コピー、派生物の作成、および改変」することを許諾し、そのすべてに上限を課しています：「非商業的目的に限る」。第1条(i)は非商業を「研究または評価目的に限る」と定義しており、これは「非営利」よりも狭く、社内業務利用を除外していません。第2条(b)は、商業利用には別個のライセンスが必要であり、契約書に記載された宛先に請求するものとしています。このチェックポイントで訓練されたアダプターはその派生物であるため、制限はアダプターにも及びます。自分で訓練したからといって、商業的に利用可能になるわけではありません。

注目に値する2つの点があります。どちらも一般的な思い込みに反するからです。

まず、ライセンスは決して訓練について沈黙しているわけではない——むしろ直接それを想定しています。第4(b)条は、素材またはその出力を「配布または提供されるAIモデルを作成、訓練、微調整、改良する」ために使用する場合、関連する製品ドキュメントに「Built with Qwen」または「Improved using Qwen」を目立つように表示しなければならないと述べています。つまり、微調整は名前を挙げて言及されており、許可の可否という問題ではなく、表示義務を伴うものです。

第二に、再配布は条件付きで明示的に許可されています。第3条では、受領者に本契約の写しを提供し、変更したファイルであることを明示し、「Qwen is licensed under the Qwen RESEARCH LICENSE AGREEMENT, Copyright (c) 2026 Hangzhou Tongyi Laboratory Technology Co., Ltd. All Rights Reserved.」と記載された通知ファイルを保持することを条件に、ソース形式またはオブジェクト形式で派生著作物を配布することを許可しています。第4条(c)は、あなたの派生物の主要な名称または識別子として「Qwen」を使用することを禁じています — 説明的な使用は明示的に差し支えありません。第5条(a)は、遵守を条件として、あなたが自身の改変物を所有することを確認しています。紛争には中国法が適用され、杭州の裁判所が管轄します。

それらは首尾一貫した、読みやすい義務だ。居心地の悪い発見は、エコシステムがいかにしばしばそれらを満たしていないかという点にある。このページの調査中にサンプリングしたアダプタのうち、一つ——ベースチェックポイント用のステップ蒸留アダプタ——は、ライセンス条文と、要求される帰属表示文字列をそのまま記載したnoticeファイルを同梱しており、さらにそのカードには非商用の制限と商用窓口を再掲したライセンスセクションがある。他のいくつか、最もダウンロードされているカメラ制御用とシーン継続用のアダプタ2つを含むが、メタデータでapache-2.0を宣言し、ライセンスファイルを一切同梱せず、帰属表示も含んでいない。彼らのカードはベースの重みに対してApacheの権利を主張しているわけではない。メタデータフィールドが単に誤っているのであり、しかもそれは下流のツールが読み取るフィールドなのだ。アダプタの上に構築する側なら、アダプタのカードのタグを信用せず、ベースモデルのライセンスを自分で読むこと——そして公開する側なら、正しいパッケージングは複雑ではない、ただ意図して行う必要があるだけだ。

互換性、そして「ターボ」についての唯一のこと

アダプタは、そのトレーニング記録が指定するチェックポイント上で動作します。ここにあるほとんどのアダプタにとって、それはQwen-Image-2.1自体であり、そこにロードされるべきです。Turboチェックポイントは、別のモデルではなく同じアーキテクチャのファインチューンです — 両者はモジュールツリーを共有しているため、ベースでトレーニングされたアダプタはTurboに非常に高い確率でロードできるでしょう — しかし、チェックポイント内に独自の8ステップのサンプリングスケジュールを保存しており、アダプタがトレーニングされていないノイズ除去の軌跡を実行します。その組み合わせが正しく動作するかどうかは、ベンダーを含め、誰によっても文書化されていません。

また、命名の罠もあります。「turbo LoRA」という語句は、相反する2つの成果物、つまりでTurboチェックポイント{{2}}で{{/2}}学習されたアダプターと、標準チェックポイントを数ステップ用に変える蒸留アダプターを指します。これらは別々のファイルで、別々の役割を担っています。ベースチェックポイント対Turboの問いと、turboアダプターの2つの意味については、この系統の専用ページ — Qwen-Image-2.1-Turbo LoRA — があり、このページがその2番目のコピーになることはありません。Turboと、標準チェックポイントを名前に含むアダプターを持っている場合は、何かをロードする前にそのページを読んでください。

隣接する2つの問いも、やはり別の場所に属する。量子化チェックポイント——GGUF、FP8、INT4など——は別の主題であり、別のページで扱う。量子化パイプライン内で使われるLoRAは、そのページにおける互換性の注記であって、このページのセクションではない。また、特定のツールでモデルを動かすことは、それ自体がまた別の問いであり、独自のファイルリストと独自の失敗モードを伴う。

何が壊れるのか、そして何が未解決なのか

障害報告は三つの原因に集約され、そのいずれもが、推測ではなく実際に作業を担当した人物によって記録されている。

読み込まれても何もしないアダプター。 最も具体的なケースはキー命名の不一致です。あるアダプター自身のカードには、その生のトレーナー形式ファイルがそのトレーナーの融合MLPキー命名を使用しており、Diffusers はそれを「黙ってスキップする」と記載されています。読み込みは成功し、エラーは発生せず、アダプターは何の効果もありません。そのファイルは専用のローダーでは動作しますが、主流のローダーでは動作しません。これはファイルレイアウトの違いであり、ベースチェックポイントの違いではないため、他の何かを責める前に除外しておく価値があります。

無関係なプロンプトを台無しにしてしまうアダプター。 これは学習率と学習時間の問題であり、測定結果も存在する。ある公開されたアブレーションでは、3e-4での実行が「更新500回の時点で4つすべての検証プロンプトを深刻に劣化させ」、無関係な被写体——キツネ、肖像——が学習対象のコンセプトへと変わってしまった。同じ著者による、より長い学習に関する研究は、逆の罠を報告している。ある実行では、プロンプトが更新3,500回まで改善し、4,000回で退行し、10,000回までに回復した。したがって、中間のある時点での悪いチェックポイントは、その実行が失敗した証拠にはならない。この2番目の知見は、単一の実行と単一の検証シードによる定性的な進展として明示的に位置づけられており、テスト誤差曲線は測定されておらず、回復はプロンプト依存であると記述されている。これは、250ステップごとのチェックポイントをすべて保存しておく理由として受け取るべきであり、処方箋として受け取るべきではない。

単体では素直に機能し、連鎖すると影響が積み重なるアダプター。 シーン継続アダプターは、連鎖使用時に測定された劣化を記録している。強度0.9での安直な連鎖では、3～4回目のホップまでにフィルムグレインが目に見えるカラーノイズへと蓄積し、作者が検証済みの回避策は、強度を0.7以下にすることと、連鎖させる各入力に半ピクセルのガウスぼかしをかけることだ。同じカードは、後半のホップでの変換が保守的であり続けることを率直に認め、それを設定の問題ではなく学習データの限界として挙げている。

そのすべての根底には、本当にまだ確立されていない事柄がいくつかある。そしてそれらは、埋め合わせるのではなく、明言する価値がある。Qwen-Image-2.1 と Qwen-Image-2.1-Turbo の品質比較を公表した人は誰もいない。したがって、どちらかに対して任意のアダプターが何をするかを判断する基準となるベースラインは存在しない。標準チェックポイント用アダプターが Turbo 上で正しく動作するかどうかも、誰も公表していない。ベンダーが LoRA トレーニングについて文書化しているのは一度だけで、プロジェクトリポジトリの ModelScope セクションでサードパーティ製フレームワークを指し示している。モデルカード自体にはアダプターに関する指針がなく、そのチェックポイントのテキストエンコーダーは、コミュニティがすでに別個に再公開し始めているコンポーネントであり、これ自体が互換性の疑問である。そしてこのページ上のあらゆるカウントは、2～3週間前のエコシステムをある一日に読んだスナップショットにすぎない。Civitai のフィルターと Hugging Face のベースモデルクエリは、来月にはどちらも間違っているだろう。しかも、より多くなる方向に。

今日何をするか決めているなら、そうした欠落をすべて乗り越えて生き残る手順は短い。まずアダプターのサンプルではなく、学習記録を読むことから始めよう。記録がなければ、そのファイルを出所不明として扱い、それを基に構築する前に自分のプロンプトでテストする。アダプターは、その記録が名指しするチェックポイントに合わせ、Turboを使っているならまずTurboのページを読む。壊れていると結論づける前に、ファイルがどのローダー形式なのかを確認する。そしてベースライセンスを一度読む。アダプターのカードが自分について何を主張していても、アダプターを規定するのはそれだからだ。次にトレーナーを選び、カードが対応する最小のVRAMプリセットから始め、最終ファイルではなくチェックポイントのグリッドを評価する。