Qwen-Image-2.1 LoRA: какие адаптеры существуют, сколько времени занимает обучение одного и что на самом деле сказано в лицензии

Существует настоящая экосистема адаптеров низкоранговой адаптации (LoRA) для Qwen-Image-2.1 — унифицированной модели генерации и редактирования изображений от самого разработчика, — а документации о ней со стороны разработчика почти нет. Эта страница — постоянный ответ на четыре вопроса, которые читатель набирает вместе: делает ли кто-нибудь вообще адаптеры для этой модели, где их найти, что нужно, чтобы обучить один такой адаптер, и что лицензия позволяет делать с результатом. Это не материал о запуске. Qwen-Image-2.1 была выложена в открытый доступ 20 сентября 2026 года, а её ускоренный собрат Qwen-Image-2.1-Turbo последовал 9 октября 2026 года; обе даты приведены здесь только для того, чтобы обозначить, о каких контрольных точках идёт речь на этой странице, а не чтобы что-то сообщить.

Краткая версия: адаптеров существует порядка нескольких сотен, они в основном представляют собой работы по персонажам и стилям, опубликованные отдельными практиками; обучение одного из них полностью задокументировано как минимум тремя сторонними инструментальными цепочками с опубликованными измерениями памяти, а лицензия — которая не является Apache для этого поколения моделей изображений — повторяет ограничение на некоммерческое использование производного продукта, которое многие из самих адаптеров не переносят.

Два предложения о том, что такое LoRA, а затем модель.

LoRA — это небольшой набор низкоранговых дельта-весов, который добавляется к замороженному базовому чекпоинту во время загрузки и адресуется конкретным модулям по имени; это не модель, а патч, меняющий поведение существующей модели. Поскольку дельты обучаются под конкретные веса, адаптер оказывается привязан к чекпоинту, на котором он обучался, так, что это нельзя исправить флагом конфигурации.

Именно эта привязка — главная причина, по которой эта страница посвящена конкретно Qwen-Image-2.1, а не LoRA. Чекпоинт представляет собой 32-слойный однопоточный диффузионный трансформер с 7 млрд параметров в компоненте визуальной генерации, текстовый энкодер Qwen3-VL 8B и 64-канальный RGBA VAE, работающий с 16-кратным пространственным сжатием — все цифры взяты из собственной карточки модели и репозитория производителя и прочитаны 13 октября 2026 года. Он задаёт расписание сэмплирования во время вызова, причём в примерах самой карточки указано 40 шагов инференса. Ни одна из этих деталей не является второстепенной для адаптеров: архитектура определяет, что может адресовать файл, а расписание определяет, что от адаптера, обученного при другой параметризации, требуется делать.

Что существует для этой модели, и как честно это подсчитать?

Приведённые ниже показатели взяты из API Hugging Face и API Civitai, оба были прочитаны 13 октября 2026 года, и сам запрос стоит указать, потому что один и тот же вопрос даёт совершенно разные ответы в зависимости от того, как его задать.

• Репозитории на Hugging Face, которые указывают Qwen-Image-2.1 в качестве базовой модели: 323.

• Из них репозитории, которые также имеют тег lora: 115.

• Адаптеры на Civitai, соответствующие фильтру базовой модели «Qwen 2.1» с типом LoRA: 106. Более ранний прогон в тот же день насчитал 105; фильтр активен, и число меняется, поэтому считайте его моментальным показанием, а не общим итогом.

Оба числа — это нижние границы, а не переписи. Тег Hugging Face ставится самим загружающим, поэтому адаптер, автор которого его не пометил, невидим для этого запроса; количество базовых моделей больше, чем количество LoRA, именно потому, что оно также захватывает квантования, слияния и перепаковки. На Civitai разрыв между методами резок: обычный текстовый поиск по "qwen image 2.1" возвращает 994 уникальные модели, и большинство из них вовсе не адаптеры этого чекпоинта — в том же наборе результатов преобладают посты с рабочими процессами и файлы, у которых заявленная базовая модель относится к совершенно другой генерации изображений. Фильтруйте по базовой модели, а не по строке поиска.

Оба сайта — это места, где живёт эта экосистема, и это единственное утверждение, которое делается о каждом из них: Hugging Face — это место, где публикуются записи об обучении и наборы данных, Civitai — это место, где собираются потребительские адаптеры и связанные с ними рабочие процессы ComfyUI, и ни один из них не является сигналом качества. Файл на любом из них может быть оригинальной обученной работой или копией чужой.

Как отличить оригинальный адаптер от переупакованного

Это можно проверить, и проверка занимает около минуты. Возьмите два репозитория, которые выглядят как один и тот же адаптер.

akhaliq/Qwen-Image-2.1-Next-Scene-LoRA был создан 7 октября 2026 года. TechnoBaptist/Qwen-Image-2.1-Next-Scene-LoRA был создан 9 октября 2026 года. Их файлы README побайтово идентичны — одинаковая длина, одинаковый MD5 — а списки файлов обоих репозиториев совпадают по всем 111 позициям. Более поздний является копией более раннего, включая описание.

Менее очевидный случай — это частичная копия. developerjeremylive/Qwen-Image-2.1-Multiple-Angles-LoRA-etheroiсодержит 163 файла. Каждый из 160, которые также присутствуют в akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA, совпадает по размеру, и сам репозиторий представляет собой строгое подмножество его 344 файлов. За бортом остались весь каталог benchmarks/, сетки образцов для каждого чекпоинта в samples/, а также несколько вариантов чекпоинтов. Веса адаптера на месте. А доказательств того, что адаптер делает то, что заявлено, — нет.

Итак, практический тест — не «есть ли у неё красивая карточка». Он заключается в том, несёт ли карточка то, что может появиться только в результате выполненного прогона:

• Откуда взялись обучающие данные, со ссылкой — адаптер angle указывает свой источник Objaverse и его лицензию, а производные парные датасеты публикует отдельно.

• Тренер и гиперпараметры — на уровне ранга, альфы, скорости обучения, количества шагов и базовой точности — достаточно, чтобы кто-то другой мог попытаться воспроизвести.

• Промежуточные контрольные точки, а не только финальный файл, чтобы кривую обучения можно было проверить, а не принимать на веру.

• Оценка, которая не является витриной автора, и раздел «сфера применения и ограничения», где перечислено, что адаптер делает плохо.

Карточка с триггерным словом, диапазоном силы и набором красивых примеров — и больше ничем — не является доказательством чего-либо. Это и не доказательство репака — множество честных одноразовых адаптеров описано столь же скудно. Это просто означает, что у вас нет ничего, на что можно опереться, а для файла, который вы собираетесь поставить в производственный конвейер, это и есть полезный вывод.

Какое обучение на самом деле проходит человек

Сначала — честная постановка вопроса, потому что разрыв здесь велик: публикация адаптера — дело обычное, а его обучение — предприятие совсем иного порядка. Есть три вида затрат, и все они реальны.

Базовый чекпоинт. Три компонента Qwen-Image-2.1 — трансформер, текстовый энкодер и VAE — в сумме занимают примерно 33 ГБ; это сумма опубликованных самим репозиторием размеров файлов по состоянию на 13 октября 2026 года. Именно это и адаптируется, и оно не уменьшается от того, что вы обучаете лишь небольшой патч поверх него.

Данные. LoRA не усваивает концепцию по горстке изображений так, как это делает промпт. Два наиболее хорошо задокументированных адаптера в этой экосистеме опубликовали свои датасеты как полноценные артефакты: адаптер управления камерой обучался на 5 028 парах с размеченными углами в своей первой версии и на 13 328 во второй; адаптер продолжения сцены обучался на 1 144 парах последовательных переходов между кадрами, причём подписи к каждой паре были написаны моделью компьютерного зрения. Оба они — собранные датасеты, а не коллекции фотографий: пары нужно было сгенерировать, разметить и лицензировать до начала обучения, а в одном случае исходные изображения пришлось отфильтровать до объектов с разрешительной лицензией, прежде чем их вообще можно было использовать.

Вычисления. Это часть с опубликованными измерениями, а не с ощущениями. Собственное руководство SimpleTuner по быстрому старту для этой модели приводит пресеты VRAM и, отдельно, дымовые тесты памяти, стоящие за ними: рецепт для 512px с градиентным чекпойнтингом на каждом шаге уложился в лимит выделения 24 GiB, достигнув пика в 20,06 GiB выделенной и 21,10 GiB зарезервированной PyTorch памяти. Рецепт с несколькими разрешениями при 32,49 / 41,21 GiB прошёл на L40S, но исчерпал память при ограничении в 32 GiB. Авторы прямо указывают, что это проверки памяти на ограниченной подвыборке, а не измерения пропускной способности или сходимости, и что более низкие бюджеты моделировались на L40S, а не запускались на их номинальных картах. Если читать так, как опубликовано, они говорят простую вещь: нижняя планка для этой модели — карта на 24 GB, работающая только при 512px, а от 48 GB и выше становятся доступны рецепты с несколькими разрешениями, которые фреймворк на самом деле рекомендует.

Время — это более тихая издержка, и почти никто её не публикует. Публично доступны лишь количества шагов — 2 000 обновлений в пресете для 24 ГБ, 4 000 в более крупных, с валидацией и сохранением контрольных точек каждые 250 шагов, — а также количество контрольных точек порядка нескольких тысяч из собственных записей обучения адаптеров. Таблица пресетов SimpleTuner приводит бюджеты обновлений для каждого уровня объёма видеопамяти и прямо говорит, что это отправные точки, которые следует увеличивать только после просмотра изображений из контрольных точек. Никто не публиковал время выполнения в часах реального времени для воспроизводимого запуска, поэтому любая цифра, которую вы видите в качестве оценки того, сколько это занимает, — это чья-то видеокарта и чей-то датасет, а не спецификация.

В противовес этому, инструментарий действительно хорош, и именно эта часть изменилась достаточно недавно, чтобы стоило указывать дату. Производитель указывает на DiffSynth-Studio от ModelScope, в репозитории которого есть рабочий скрипт обучения LoRA для этого чекпоинта и, отдельно, для варианта Turbo — один accelerate launch с рангом 32, AdamW при 1e-4, пять эпох, максимальный бюджет пикселей 1 048 576 и gradient checkpointing. Быстрый старт SimpleTuner — самый подробный публичный рецепт, и он на удивление честно говорит о собственных ограничениях. ai-toolkit перечисляет и Qwen-Image-2.1, и Qwen-Image-2.1-Turbo среди поддерживаемых архитектур, а два из описанных выше адаптеров отмечены как обученные с его помощью. А 12 октября 2026 года musubi-tuner влил пул-реквест, добавляющий поддержку Qwen-Image 2.1, охватывающую обучение LoRA, полное дообучение, превью обучения и конвертацию между Diffusers и собственным форматом LoRA; запрос на эту функцию, открытый 24 сентября, всё ещё открыт. Этот мердж состоялся за три дня до даты на этой странице, и это изменение инструментария, а не релиз модели — он означает, что стал доступен четвёртый инструмент для обучения, а не то, что что-либо в самой модели изменилось.

Есть ещё одно ограничение, которое подстерегает тех, кто обучал LoRAs для других архитектур. В выходных данных этой модели нет переключателя альфа-канала. VAE работает в четырёхканальном пиксельном пространстве RGBA, и четвёртый канал декодируется как альфа, поэтому прозрачность создаётся промптом и ничем иным — в документации самого производителя указано, что во всём пайплайне нет никакого управления, связанного с альфа-каналом. Адаптер, обученный на непрозрачных изображениях, меняет распределение, которым управляет промпт; у него нет отдельной ручки прозрачности, на которую можно было бы положиться. Если ваш пайплайн зависит от вырезанных объектов, это свойство базовой модели, которую вы заимствуете, и это стоит проверить, прежде чем запускать на ней обучение.

Что лицензия говорит об адаптере, который вы делаете

Прочитайте файл, потому что ответ не таков, каким его можно было бы предположить по релизу, звучащему как разрешительный. Qwen-Image-2.1 поставляется по Qwen Research License Agreement от 20 сентября 2026 года — документ объёмом 7 831 байт, перенесённый без изменений в репозиторий Turbo, копия в котором побайтово идентична. Это не Apache 2.0, а предыдущая линейка Qwen-Image была.

Больше всего здесь решает пункт о предоставлении прав. Раздел 2(a) предоставляет вам лицензию на «использование, воспроизведение, распространение, копирование, создание производных произведений и внесение изменений в» материалы, а затем ограничивает всё это: «ТОЛЬКО ДЛЯ НЕКОММЕРЧЕСКИХ ЦЕЛЕЙ». В разделе 1(i) некоммерческое использование определяется как «только для целей исследования или оценки», что уже, чем «не для извлечения прибыли», — оно не делает исключения для внутреннего использования в бизнесе. В разделе 2(b) указано, что коммерческое использование требует отдельной лицензии, которую запрашивают по адресу, указанному в соглашении. Адаптер, обученный на этом чекпоинте, является его производным произведением, поэтому ограничение действует вместе с адаптером; он не становится пригодным для коммерческого использования только потому, что вы обучили его самостоятельно.

Есть две вещи, на которые стоит обратить внимание, потому что обе противоречат распространённым представлениям.

Во-первых, лицензия не обходит обучение молчанием — она прямо его предусматривает. В разделе 4(b) сказано, что если вы используете материалы или их результаты, чтобы «создавать, обучать, дообучать или улучшать ИИ-модель, которая распространяется или предоставляется», вы должны заметно указывать «Built with Qwen» или «Improved using Qwen» в документации к соответствующему продукту. Таким образом, дообучение упоминается прямо, и оно влечёт за собой обязательство по маркировке, а не вопрос о разрешении.

Во-вторых, перераспространение явно разрешено, но при определённых условиях. Раздел 3 позволяет вам распространять производные произведения в исходной или объектной форме при условии, что вы передаёте получателям копию соглашения, помечаете изменённые файлы и сохраняете файл уведомления со следующим текстом: «Qwen is licensed under the Qwen RESEARCH LICENSE AGREEMENT, Copyright (c) 2026 Hangzhou Tongyi Laboratory Technology Co., Ltd. All Rights Reserved.» Раздел 4(c) запрещает использовать «Qwen» в качестве основного названия или идентификатора вашего производного произведения — описательное использование при этом явно разрешено. Раздел 5(a) подтверждает, что вы владеете своими модификациями при условии соблюдения требований. Споры регулируются китайским законодательством и рассматриваются в судах Ханчжоу.

Это связные и понятные обязательства. Неудобный вывод состоит в том, как часто экосистема их не выполняет. Из адаптеров, отобранных при исследовании для этой страницы, один — адаптер пошаговой дистилляции для базового чекпоинта — поставляет текст лицензии и файл уведомления, дословно содержащий требуемую строку атрибуции, а также раздел лицензии в своей карточке, где повторяются ограничение на некоммерческое использование и контакт для коммерческих вопросов. Несколько других, включая два самых скачиваемых адаптера для управления камерой и продолжения сцены, указывают apache-2.0 в своих метаданных, вообще не поставляют файл лицензии и не содержат уведомления об атрибуции. Их карточки не заявляют права Apache на базовые веса; поле метаданных просто неверно, и именно его прочитает нижестоящий инструмент. Если вы тот, кто строит что-то на адаптере, читайте лицензию базовой модели сами, а не доверяйте тегу на карточке адаптера — и если вы тот, кто публикует, правильная упаковка не сложна, просто её нужно делать намеренно.

Совместимость и то самое о «turbo»

Адаптер работает на том чекпоинте, который указан в его записи об обучении. Для большинства адаптеров здесь это сам Qwen-Image-2.1, и именно на него их и следует загружать. Чекпоинт Turbo — это дообученная версия той же архитектуры, а не другая модель: у них общее дерево модулей, поэтому адаптер, обученный на базовой модели, с большой вероятностью загрузится на Turbo, — но он хранит собственный восьмишаговый график сэмплирования внутри чекпоинта и выполняет траекторию денойзинга, внутри которой адаптер не обучался. То, корректно ли ведёт себя эта комбинация, не задокументировано никем, включая вендора.

Есть также ловушка в названиях: фраза «turbo LoRA» охватывает два противоположных артефакта — адаптер, обученный на чекпойнте Turbo, и дистилляционный адаптер, который превращает стандартный чекпойнт в чекпойнт, работающий за несколько шагов. Это разные файлы, выполняющие разные задачи. Вопрос о базовом чекпойнте против Turbo и два значения turbo-адаптера имеют собственную страницу на этой основе — Qwen-Image-2.1-Turbo LoRA — и эта страница не станет её второй копией. Если у вас есть Turbo и адаптер, в названии которого указан стандартный чекпойнт, прочитайте ту страницу, прежде чем что-либо загружать.

Два соседних вопроса тоже относятся к другому месту. Квантованные контрольные точки — GGUF, FP8, INT4 и все остальные — это другая тема с другой страницей; а использование LoRA внутри квантованного конвейера — это примечание о совместимости на той странице, а не раздел на этой. А модель, запущенная в конкретном инструменте, — это снова отдельный вопрос, со своими списками файлов и своими режимами отказов.

Что ломается, а что остаётся нерешённым

Сообщения о сбоях сводятся к трём причинам, и каждая из них была задокументирована тем, кто проделал эту работу, а не выведена умозрительно.

Адаптер, который загружается и ничего не делает. Самый наглядный случай — несовпадение именования ключей: в собственной карточке одного адаптера указано, что его необработанные файлы в формате тренера используют принятое в этом тренере именование ключей объединённого MLP, которое Diffusers «молча пропускает» — загрузка проходит успешно, ошибка не возникает, и адаптер не оказывает никакого эффекта. Файл работает со своим загрузчиком, но не с основным. Это различие в структуре файла, а не в базовом чекпоинте, и это стоит исключить, прежде чем винить что-либо ещё.

Адаптер, который портит посторонние промпты. Это проблема скорости обучения и длительности, и здесь есть измерение: в одном опубликованном аблационном эксперименте запуск при 3e-4 «серьёзно ухудшил все четыре валидационных промпта к 500-му обновлению», при этом посторонние сюжеты — лиса, портрет — превращались в обученный концепт. В исследовании того же автора о более длительном обучении сообщается о противоположной ловушке: в одном запуске промпт улучшался вплоть до обновления 3 500, ухудшился на 4 000 и восстановился к 10 000, так что плохой промежуточный чекпойнт — не доказательство того, что запуск провалился. Эта вторая находка явно обозначена как качественная прогрессия из одного запуска и одного валидационного сида, без измеренной кривой тестовой ошибки, а восстановление описано как зависящее от промпта. Воспринимайте это как повод сохранять чекпойнт каждые 250 шагов, а не как рецепт.

Адаптер, который ведёт себя хорошо — а затем накапливает искажения. Адаптер для продолжения сцен документирует измеренную деградацию при цепном использовании: наивное сцепливание при силе 0,9 уже к третьему или четвёртому переходу превращает плёночное зерно в заметный цветовой шум, а проверенный автором обходной путь — сила не выше 0,7 плюс гауссово размытие в половину пикселя на каждом входе в цепочке. Та же карточка честно признаёт, что преобразования на поздних переходах остаются консервативными, и называет это ограничением обучающих данных, а не проблемой настроек.

Под всем этим лежит ряд вещей, которые действительно не установлены, и о них стоит заявить прямо, а не заполнять пробелы. Никто не опубликовал сравнение качества между Qwen-Image-2.1 и Qwen-Image-2.1-Turbo, так что нет базовой линии, по которой можно судить, что любой адаптер делает с каждым из них. Никто не опубликовал данных о том, корректно ли ведёт себя адаптер для стандартного чекпоинта на Turbo. Производитель описывает обучение LoRA только один раз — в разделе ModelScope репозитория проекта, со ссылкой на сторонний фреймворк; в самой карточке модели нет рекомендаций по адаптерам, а текстовый энкодер чекпоинта — это компонент, который сообщество уже начало публиковать отдельно, и это отдельный вопрос совместимости. И каждый подсчёт на этой странице — это снимок экосистемы двух-трёхнедельной давности, сделанный в один день — фильтр Civitai и запрос по базовой модели на Hugging Face к следующему месяцу оба окажутся неверными, причём в сторону увеличения.

Если вы решаете, чем заняться сегодня, последовательность, которая выдерживает все эти пробелы, коротка. Начните с чтения записи об обучении адаптера, а не его примеров — если записи нет, считайте файл неатрибутированным и протестируйте его на собственном промпте, прежде чем строить на его основе. Сопоставьте адаптер с чекпоинтом, который указан в его записи, а если вы на Turbo, сначала прочитайте страницу Turbo. Проверьте, в каком формате загрузчика находится файл, прежде чем заключить, что он сломан. И один раз прочитайте базовую лицензию, потому что она регулирует адаптер независимо от того, что карточка адаптера заявляет о нём самом. Затем выберите свой тренер, начните с наименьшего пресета VRAM, который поддерживает ваша карта, и оценивайте сетку чекпоинтов, а не итоговый файл.