Qwen-Image-2.1 LoRA: มีอะแดปเตอร์อะไรบ้าง การเทรนสักตัวต้องใช้อะไร และสัญญาอนุญาตจริง ๆ บอกไว้ว่าอย่างไร

มีระบบนิเวศจริงของอะแดปเตอร์ low-rank adaptation (LoRA) สำหรับ Qwen-Image-2.1 ซึ่งเป็นโมเดลสร้างและแก้ไขภาพแบบรวมของทางผู้พัฒนาเอง และแทบไม่มีเอกสารอธิบายเรื่องนี้จากฝั่งผู้พัฒนาเลย หน้านี้เป็นคำตอบถาวรสำหรับสี่คำถามที่ผู้อ่านมักพิมพ์ค้นพร้อมกัน นั่นคือ มีใครสร้างอะแดปเตอร์สำหรับโมเดลนี้จริงหรือไม่ พวกมันอยู่ที่ไหน การฝึกสักตัวหนึ่งต้องใช้อะไรบ้าง และสัญญาอนุญาตให้คุณทำอะไรได้กับผลลัพธ์ที่ได้ นี่ไม่ใช่บทความเปิดตัว Qwen-Image-2.1 เปิดซอร์สเมื่อวันที่ 20 กันยายน 2026 และรุ่นน้องที่เร่งความเร็วแล้วอย่าง Qwen-Image-2.1-Turboตามมาเมื่อวันที่ 9 ตุลาคม 2026 วันที่ทั้งสองปรากฏอยู่ที่นี่เพียงเพื่อระบุว่าหน้านี้พูดถึงเช็กพอยต์ใด ไม่ใช่เพื่อรายงานข่าวอะไร

เวอร์ชันสั้น: อะแดปเตอร์มีอยู่ประมาณหลักร้อยต้น ๆ ส่วนใหญ่เป็นงานด้านตัวละครและสไตล์ที่เผยแพร่โดยผู้ปฏิบัติงานรายบุคคล การฝึกหนึ่งตัวมีเอกสารครบวงจรตั้งแต่ต้นจนจบโดยชุดเครื่องมือของบุคคลที่สามอย่างน้อยสามชุด พร้อมการวัดหน่วยความจำที่เผยแพร่ และสัญญาอนุญาต — ซึ่งไม่ใช่ Apache สำหรับโมเดลภาพรุ่นนี้ — ระบุซ้ำถึงข้อจำกัดที่ไม่ใช่เชิงพาณิชย์กับงานดัดแปลง ซึ่งอะแดปเตอร์จำนวนมากเองก็ไม่ได้ส่งต่อข้อจำกัดนี้ต่อไป

สองประโยคเกี่ยวกับว่า LoRA คืออะไร แล้วจากนั้นก็ตัวโมเดล

LoRA คือชุดเล็ก ๆ ของเดลตาน้ำหนักแบบแรงก์ต่ำ (low-rank weight deltas) ที่ถูกเพิ่มเข้าไปยังเช็กพอยต์ฐานที่ถูกแช่แข็ง (frozen base checkpoint) ในตอนโหลด โดยระบุไปยังโมดูลเฉพาะตามชื่อ; มันไม่ใช่โมเดล แต่เป็นแพตช์ที่เปลี่ยนพฤติกรรมของโมเดลที่มีอยู่เดิม เพราะเดลตาเหล่านี้ถูกเทรนกับน้ำหนักเฉพาะเจาะจง อะแดปเตอร์จึงถูกผูกติดกับเช็กพอยต์ที่มันถูกเทรนมาด้วยวิธีที่แฟล็กในคอนฟิกไม่อาจแก้ไขได้

การผูกโยงนั้นคือเหตุผลทั้งหมดที่หน้านี้พูดถึง Qwen-Image-2.1 โดยเฉพาะ แทนที่จะเป็นเรื่องเกี่ยวกับ LoRA เช็กพอยต์นี้เป็น diffusion transformer แบบ single-stream 32 เลเยอร์ ที่มีพารามิเตอร์ 7B ในองค์ประกอบการสร้างภาพ ตัวเข้ารหัสข้อความ Qwen3-VL 8B และ VAE RGBA 64 ช่องสัญญาณที่ทำงานที่การบีบอัดเชิงพื้นที่ 16× — ตัวเลขทั้งหมดมาจากโมเดลการ์ดและที่เก็บโค้ดของผู้จำหน่ายเอง อ่านเมื่อวันที่ 13 ตุลาคม 2026 มันกำหนดตารางการสุ่มตัวอย่าง ณ เวลาที่เรียกใช้ โดยมี 40 ขั้นตอนการอนุมานในตัวอย่างของโมเดลการ์ดเอง ไม่มีรายละเอียดเหล่านี้ส่วนใดที่เป็นเรื่องบังเอิญสำหรับ adapter: สถาปัตยกรรมเป็นตัวกำหนดว่าไฟล์สามารถเข้าถึงอะไรได้ และตารางเป็นตัวกำหนดว่า adapter ที่ฝึกด้วยการกำหนดพารามิเตอร์แบบอื่นกำลังถูกขอให้ทำอะไร

สิ่งที่มีอยู่สำหรับโมเดลนี้มีอะไรบ้าง และจะนับมันอย่างซื่อสัตย์ได้อย่างไร

ตัวเลขด้านล่างมาจาก Hugging Face API และ Civitai API ซึ่งทั้งคู่ถูกอ่านเมื่อวันที่ 13 ตุลาคม 2026 และคำถามนี้สำคัญพอที่จะต้องระบุไว้ เพราะคำถามเดียวกันให้คำตอบที่แตกต่างกันอย่างมาก ขึ้นอยู่กับว่าคุณถามอย่างไร

• รีโพซิทอรีบน Hugging Face ที่ระบุ Qwen-Image-2.1 เป็นโมเดลฐาน: 323.

• ในจำนวนนั้น รีโพซิทอรีที่มีแท็ก lora ด้วย: 115.

• อะแดปเตอร์บน Civitai ที่ตรงกับตัวกรองโมเดลฐาน "Qwen 2.1" โดยกำหนดประเภทเป็น LoRA: 106. การนับรอบก่อนหน้าในวันเดียวกันได้ 105 ตัวกรองนี้ทำงานแบบเรียลไทม์และตัวเลขเปลี่ยนแปลงอยู่ตลอด จึงควรถือเป็นค่าที่อ่านได้ ณ ขณะหนึ่งมากกว่ายอดรวม

ตัวเลขทั้งสองเป็นเพียงขอบล่าง ไม่ใช่การนับทั้งหมด แท็กบน Hugging Face ถูกติดโดยผู้อัปโหลด ดังนั้นอะแดปเตอร์ที่ผู้เขียนไม่ได้ติดแท็กจะมองไม่เห็นในผลการค้นหานั้น จำนวนโมเดลฐานมากกว่าจำนวน LoRA ก็เพราะมันจับการควอนไทเซชัน การเมิร์จ และการรีแพ็กด้วย บน Civitai ช่องว่างระหว่างวิธีการนั้นชัดเจนมาก: การค้นหาข้อความธรรมดาด้วยคำว่า "qwen image 2.1" คืนค่าโมเดลไม่ซ้ำ 994 รายการ และส่วนใหญ่ไม่ใช่อะแดปเตอร์ของเช็กพอยต์นี้เลย — ชุดผลลัพธ์เดียวกันนี้เต็มไปด้วยโพสต์เวิร์กโฟลว์และไฟล์ที่โมเดลฐานซึ่งประกาศไว้นั้นเป็นงานสร้างภาพคนละแบบโดยสิ้นเชิง ให้กรองจากโมเดลฐาน ไม่ใช่จากช่องค้นหา

ทั้งสองไซต์เป็นที่ที่ระบบนิเวศนี้ดำรงอยู่ และนั่นคือข้ออ้างเดียวที่ถูกกล่าวถึงเกี่ยวกับทั้งสองแห่ง: Hugging Face คือที่ที่บันทึกการฝึกและชุดข้อมูลถูกเผยแพร่ Civitai คือที่ที่อะแดปเตอร์สำหรับผู้ใช้ทั่วไปและเวิร์กโฟลว์ ComfyUI รอบ ๆ พวกมันมารวมกัน และทั้งสองไม่ใช่สัญญาณของคุณภาพ ไฟล์บนไซต์ใดไซต์หนึ่งอาจเป็นผลงานที่ผ่านการฝึกมาแล้วแบบต้นฉบับหรือเป็นสำเนาของคนอื่นก็ได้

วิธีแยกแยะอะแดปเตอร์ของแท้กับอะแดปเตอร์ที่บรรจุใหม่

เรื่องนี้ตรวจสอบได้ และการตรวจสอบใช้เวลาประมาณหนึ่งนาที ลองนำรีพอซิทอรีสองแห่งที่ดูเหมือนเป็นอะแดปเตอร์เดียวกัน

akhaliq/Qwen-Image-2.1-Next-Scene-LoRA ถูกสร้างขึ้นเมื่อวันที่ 7 ตุลาคม 2026 TechnoBaptist/Qwen-Image-2.1-Next-Scene-LoRA ถูกสร้างขึ้นเมื่อวันที่ 9 ตุลาคม 2026 ไฟล์ README ของทั้งสองเหมือนกันทุกไบต์ — มีความยาวเท่ากัน, MD5 เดียวกัน — และรายการไฟล์ของทั้งสองรีโพซิทอรีตรงกันครบทั้ง 111 รายการ อันที่สร้างทีหลังเป็นสำเนาของอันที่สร้างก่อนหน้า รวมถึงคำอธิบายและทุกอย่าง

กรณีที่ชัดเจนน้อยกว่าคือการคัดลอกบางส่วน developerjeremylive/Qwen-Image-2.1-Multiple-Angles-LoRA-etheroiมี 163 ไฟล์ ทุกไฟล์ใน 160 ไฟล์ที่ปรากฏอยู่ด้วยใน akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRAมีขนาดเท่ากันทุกประการ และที่เก็บนี้เป็นสับเซตแท้ของ 344 ไฟล์ของที่เก็บนั้น สิ่งที่ถูกทิ้งไว้เบื้องหลังคือไดเรกทอรี benchmarks/ทั้งหมด กริดตัวอย่างต่อเช็กพอยต์ภายใต้ samples/ และตัวแปรเช็กพอยต์หลายแบบ น้ำหนักของอะแดปเตอร์มีอยู่ แต่หลักฐานที่ว่าอะแดปเตอร์ทำตามที่มันอ้างนั้นไม่มี

ดังนั้นการทดสอบที่ใช้ได้จริงจึงไม่ใช่ “มันมีการ์ดสวย ๆ ไหม” แต่คือการ์ดนั้นมีสิ่งต่าง ๆ ที่มีได้เพียงจากการได้ลงมือรันมาแล้วเท่านั้นหรือไม่:

• ข้อมูลสำหรับฝึกมาจากไหน พร้อมลิงก์ — angle adapter ระบุแหล่งที่มา Objaverse และสัญญาอนุญาตของตน และเผยแพร่ชุดข้อมูลคู่ที่ได้มาแยกต่างหาก

• เทรนเนอร์และไฮเปอร์พารามิเตอร์ ในระดับของแรงก์ อัลฟา อัตราการเรียนรู้ จำนวนสเต็ป และความแม่นยำพื้นฐาน — เพียงพอให้คนอื่นลองทำซ้ำได้

• เช็คพอยต์ระดับกลาง แทนที่จะมีเพียงไฟล์สุดท้าย เพื่อให้ตรวจสอบเส้นโค้งการฝึกได้ แทนที่จะเป็นเพียงข้อกล่าวอ้าง

• การประเมินที่ไม่ใช่การโชว์ผลงานของผู้เขียน และส่วน "ขอบเขตและข้อจำกัด" ที่ระบุจุดที่อะแดปเตอร์ทำได้ไม่ดี

การ์ดที่มีคำทริกเกอร์ ช่วงความแรง และตัวอย่างสวย ๆ จำนวนหนึ่ง และไม่มีอะไรอื่น ไม่ใช่หลักฐานของสิ่งใดเลย มันไม่ใช่ข้อพิสูจน์ของการรีแพ็กเช่นกัน — มีอะแดปเตอร์เฉพาะกิจที่สุจริตจำนวนมากซึ่งมีเอกสารบันทึกไว้เพียงผิวเผินขนาดนั้น มันแค่หมายความว่าคุณไม่มีอะไรให้ใช้เป็นแนวทาง ซึ่งสำหรับไฟล์ที่คุณกำลังจะนำไปใส่ในไปป์ไลน์การผลิต นั่นคือข้อสรุปที่มีประโยชน์

การฝึกอบรมใดที่คนเราต้องเข้ารับจริง ๆ

เริ่มจากพูดกันตรง ๆ ก่อน เพราะช่องว่างตรงนี้มันกว้างมาก: การเผยแพร่ adapter เป็นเรื่องธรรมดา แต่การเทรนมันเป็นคนละระดับของการลงมือทำเลย มีต้นทุนอยู่สามอย่าง และทั้งหมดนั้นเป็นของจริง

เช็กพอยต์ฐาน สามองค์ประกอบของ Qwen-Image-2.1 รวมกันได้ประมาณ 33 GB เมื่อนับทั้ง transformer, text encoder และ VAE — นั่นคือผลรวมของขนาดไฟล์ที่ทางรีโพซิทอรีเผยแพร่เอง อ่านเมื่อวันที่ 13 ตุลาคม 2026 นั่นคือสิ่งที่กำลังถูกนำมาปรับแต่ง และมันไม่ได้หดเล็กลงเพียงเพราะคุณเทรนแพตช์เล็ก ๆ ทับอยู่บนมันเท่านั้น

ข้อมูล LoRA ไม่ได้เรียนรู้แนวคิดจากภาพเพียงไม่กี่ภาพแบบที่พรอมป์ต์ทำ อะแดปเตอร์สองตัวที่มีเอกสารบันทึกไว้ครบถ้วนที่สุดในระบบนิเวศนี้ได้เผยแพร่ชุดข้อมูลของตนเป็นอาร์ติแฟกต์ชั้นหนึ่ง โดยอะแดปเตอร์ควบคุมกล้องเทรนบนคู่ภาพที่ติดป้ายกำกับมุม 5,028 คู่ในเวอร์ชันแรก และ 13,328 คู่ในเวอร์ชันที่สอง ส่วนอะแดปเตอร์ต่อเนื่องฉากเทรนบนคู่ภาพความต่อเนื่องแบบเฟรมต่อเฟรม 1,144 คู่ โดยมีคำบรรยายที่เขียนโดยโมเดลวิชันกำกับไว้บนแต่ละคู่ ทั้งสองอย่างนี้เป็นชุดข้อมูลที่ประกอบขึ้นใหม่ ไม่ใช่คอลเลกชันภาพถ่าย คู่ภาพเหล่านั้นต้องถูกสร้าง ติดป้ายกำกับ และจัดการเรื่องลิขสิทธิ์ก่อนที่การเทรนจะเริ่มต้น และในกรณีหนึ่ง ภาพต้นทางต้องถูกกรองให้เหลือเฉพาะวัตถุที่ได้รับอนุญาตแบบเปิดกว้างก่อนจึงจะนำมาใช้ได้เลย

ทรัพยากรการประมวลผล นี่คือส่วนที่มีการวัดผลที่เผยแพร่จริง ไม่ใช่แค่ความรู้สึก quickstart ของ SimpleTuner เองสำหรับโมเดลนี้ให้พรีเซ็ต VRAM และแยกต่างหาก การทดสอบแบบ smoke test ด้านหน่วยความจำที่เป็นที่มาของพรีเซ็ตเหล่านั้น: สูตร 512px ที่มี gradient checkpointing ทุกสเต็ปผ่านภายใต้ขีดจำกัดการจัดสรร 24 GiB โดยแตะจุดสูงสุดที่ 20.06 GiB ที่จัดสรร และ 21.10 GiB ที่ PyTorch สงวนไว้ สูตรหลายความละเอียดที่ 32.49 / 41.21 GiB ผ่านบน L40S แต่หน่วยความจำไม่พอภายใต้เพดาน 32 GiB ผู้เขียนระบุชัดเจนว่าสิ่งเหล่านั้นเป็นการตรวจสอบหน่วยความจำแบบชุดย่อยที่มีขอบเขต ไม่ใช่การวัดทรูพุตหรือการลู่เข้า และงบหน่วยความจำที่ต่ำกว่านั้นถูกจำลองบน L40S แทนที่จะรันบนการ์ดตามที่ระบุไว้แต่แรก เมื่ออ่านตามที่เผยแพร่ สิ่งเหล่านี้บอกอะไรง่าย ๆ ว่า ระดับต่ำสุดสำหรับโมเดลนี้คือการ์ด 24 GB ที่รันที่ 512px เท่านั้น และ 48 GB ขึ้นไปคือจุดที่สูตรหลายความละเอียดที่เฟรมเวิร์กแนะนำจริง ๆ เริ่มใช้งานได้

เวลาเป็นต้นทุนที่เงียบกว่า และแทบไม่มีใครเผยแพร่มัน สิ่งที่เปิดเผยคือจำนวนสเต็ป — 2,000 การอัปเดตในพรีเซ็ต 24 GB, 4,000 ในพรีเซ็ตที่ใหญ่กว่า โดยมีการตรวจสอบความถูกต้องและการสร้างเช็กพอยต์ทุก 250 — และจำนวนเช็กพอยต์ในระดับหลักพันต้น ๆ จากบันทึกการฝึกของอะแดปเตอร์เอง ตารางพรีเซ็ตของ SimpleTuner ให้จำนวนการอัปเดตที่จัดสรรไว้สำหรับแต่ละระดับ VRAM และระบุอย่างชัดเจนว่าเป็นเพียงจุดเริ่มต้นที่ควรขยายต่อหลังจากตรวจดูภาพจากเช็กพอยต์เท่านั้น ไม่มีใครเผยแพร่ชั่วโมงเวลาจริงสำหรับการรันที่ทำซ้ำได้ ดังนั้นตัวเลขใด ๆ ที่คุณเห็นถูกอ้างถึงสำหรับระยะเวลาที่ใช้จึงเป็นการ์ดของใครสักคนและชุดข้อมูลของใครสักคน ไม่ใช่ข้อกำหนด

ในทางกลับกัน ชุดเครื่องมือถือว่าดีจริง ๆ และนี่คือส่วนที่เพิ่งเปลี่ยนแปลงเมื่อไม่นานมานี้มากพอที่จะน่าระบุวันที่ได้ ผู้พัฒนาอ้างถึง DiffSynth-Studio ของ ModelScope ซึ่งรีโพซิทอรีมาพร้อมสคริปต์ฝึก LoRA ที่ใช้งานได้สำหรับเช็กพอยต์นี้ และแยกต่างหากสำหรับรุ่น Turbo — เพียงaccelerate launchครั้งเดียว ด้วย rank 32, AdamW ที่ 1e-4, ห้าอีพอค, งบพิกเซลสูงสุดที่ 1,048,576 และ gradient checkpointing quickstart ของ SimpleTuner เป็นสูตรสาธารณะที่ละเอียดที่สุด และมันซื่อสัตย์เกี่ยวกับขีดจำกัดของตัวเองอย่างผิดปกติ ai-toolkit จัดทั้ง Qwen-Image-2.1 และ Qwen-Image-2.1-Turbo ไว้ในสถาปัตยกรรมที่รองรับ และอะแดปเตอร์สองตัวที่อธิบายไว้ข้างต้นบันทึกว่าได้รับการฝึกด้วยเครื่องมือนี้ และเมื่อวันที่ 12 ตุลาคม 2026 musubi-tuner ได้ merge pull request ที่เพิ่มการรองรับ Qwen-Image 2.1 ครอบคลุมการฝึก LoRA, การ fine-tuning แบบเต็มรูปแบบ, การดูตัวอย่างการฝึก และการแปลงระหว่าง Diffusers กับรูปแบบ LoRA ของตัวเอง ส่วนคำขอฟีเจอร์ที่ขอสิ่งนี้ ซึ่งเปิดเมื่อวันที่ 24 กันยายน ยังคงเปิดอยู่ การ merge นั้นเกิดขึ้นสามวันก่อนวันที่บนหน้านี้ และเป็นการเปลี่ยนแปลงด้านเครื่องมือมากกว่าการเปิดตัวโมเดล — มันหมายความว่ามีเทรนเนอร์ตัวที่สี่ที่ใช้ได้แล้ว ไม่ได้หมายความว่ามีอะไรเกี่ยวกับโมเดลเปลี่ยนไป

ยังมีข้อจำกัดอีกข้อหนึ่งที่มักทำให้คนที่เคยเทรน LoRA สำหรับสถาปัตยกรรมอื่นต้องสะดุด เอาต์พุตของโมเดลนี้ไม่มีสวิตช์ alpha VAE ทำงานในปริภูมิพิกเซล RGBA สี่ช่องสัญญาณ และช่องที่สี่ถูกถอดรหัสเป็น alpha ดังนั้นความโปร่งใสจึงเกิดจากพรอมป์ตเพียงอย่างเดียว ไม่มีอย่างอื่น เอกสารของผู้จำหน่ายเองระบุว่าไม่มีตัวควบคุมใด ๆ ที่เกี่ยวข้องกับ alpha อยู่ที่ไหนในไปป์ไลน์ อะแดปเตอร์ที่เทรนบนภาพทึบแสงจะเปลี่ยนการแจกแจงที่พรอมป์ตกำลังชี้นำ และไม่มีปุ่มปรับความโปร่งใสแยกต่างหากให้พึ่งพาได้ หากไปป์ไลน์ของคุณต้องอาศัยการตัดพื้นหลัง (cutouts) นั่นเป็นคุณสมบัติของโมเดลฐานที่คุณยืมมาใช้ และควรทดสอบก่อนที่จะลงทุนเทรนกับมัน

สิ่งที่ใบอนุญาตระบุเกี่ยวกับอะแดปเตอร์ที่คุณทำ

อ่านไฟล์สิ เพราะคำตอบไม่ใช่สิ่งที่การเปิดตัวที่ฟังดูผ่อนปรนแบบนั้นชี้ให้คิด Qwen-Image-2.1 เปิดตัวภายใต้ Qwen Research License Agreement ลงวันที่ 20 กันยายน 2026 — เอกสารขนาด 7,831 ไบต์ที่ถูกนำไปไว้ในที่เก็บ Turbo โดยไม่เปลี่ยนแปลง ซึ่งสำเนาของเอกสารนั้นเหมือนกันทุกไบต์ ไม่ใช่ Apache 2.0 และตระกูล Qwen-Image รุ่นก่อนหน้าเป็น Apache 2.0

ข้อกำหนดที่ตัดสินเรื่องนี้เป็นส่วนใหญ่คือการให้สิทธิ์ (grant) ข้อ 2(a) ให้สิทธิ์คุณในการ "ใช้ ทำซ้ำ เผยแพร่ คัดลอก สร้างงานดัดแปลงจาก และแก้ไข" เนื้อหา แล้วจำกัดทั้งหมดว่า "เพื่อวัตถุประสงค์ที่ไม่ใช่เชิงพาณิชย์เท่านั้น" ข้อ 1(i) นิยามคำว่าไม่ใช่เชิงพาณิชย์ว่า "เพื่อวัตถุประสงค์ด้านการวิจัยหรือการประเมินผลเท่านั้น" ซึ่งแคบกว่า "ไม่แสวงหากำไร" — ไม่ได้ยกเว้นการใช้งานภายในธุรกิจ ข้อ 2(b) กล่าวว่าการใช้เชิงพาณิชย์ต้องมีใบอนุญาตแยกต่างหาก โดยขอได้ตามที่อยู่ที่ข้อตกลงระบุ อะแดปเตอร์ที่ฝึกบนเช็กพอยต์นี้เป็นงานดัดแปลงของเช็กพอยต์ดังกล่าว ดังนั้นข้อจำกัดจึงติดไปกับอะแดปเตอร์ด้วย; มันไม่ได้กลายเป็นสิ่งที่ใช้เชิงพาณิชย์ได้เพียงเพราะคุณฝึกมันเอง

สองสิ่งที่ควรค่าแก่การสังเกต เพราะทั้งสองอย่างล้วนขัดกับสมมติฐานทั่วไป

ประการแรก ใบอนุญาตไม่ได้เงียบต่อประเด็นการฝึกโมเดล — แต่กล่าวถึงเรื่องนี้โดยตรง มาตรา 4(ข) ระบุว่า หากคุณใช้วัสดุหรือผลลัพธ์จากวัสดุเหล่านั้นเพื่อ "สร้าง ฝึก ปรับแต่งละเอียด หรือปรับปรุงโมเดล AI ที่ถูกเผยแพร่หรือทำให้พร้อมใช้งาน" คุณต้องแสดงข้อความ "Built with Qwen" หรือ "Improved using Qwen" อย่างเด่นชัดในเอกสารที่เกี่ยวข้องกับผลิตภัณฑ์นั้น ดังนั้น การปรับแต่งละเอียดจึงถูกระบุไว้โดยตรง และมาพร้อมกับข้อผูกพันด้านการติดป้ายกำกับ มากกว่าที่จะเป็นคำถามเรื่องการอนุญาต

ประการที่สอง การเผยแพร่ซ้ำได้รับอนุญาตอย่างชัดแจ้ง โดยมีเงื่อนไข ข้อ 3 อนุญาตให้คุณเผยแพร่งานดัดแปลง ไม่ว่าในรูปแบบซอร์สโค้ดหรือออบเจ็กต์โค้ด โดยมีเงื่อนไขว่าคุณต้องมอบสำเนาข้อตกลงให้ผู้รับ ทำเครื่องหมายไฟล์ที่แก้ไข และเก็บไฟล์ประกาศที่ระบุว่า "Qwen is licensed under the Qwen RESEARCH LICENSE AGREEMENT, Copyright (c) 2026 Hangzhou Tongyi Laboratory Technology Co., Ltd. All Rights Reserved." ข้อ 4(ค) ห้ามใช้ "Qwen" เป็นชื่อหลักหรือตัวระบุของงานดัดแปลงของคุณ — การใช้ในเชิงบรรยายนั้นอนุญาตได้อย่างชัดแจ้ง ข้อ 5(ก) ยืนยันว่าคุณเป็นเจ้าของการดัดแปลงของคุณ โดยมีเงื่อนไขว่าต้องปฏิบัติตาม ข้อพิพาทอยู่ภายใต้กฎหมายจีน โดยอยู่ในเขตอำนาจศาลของหางโจว

สิ่งเหล่านี้เป็นพันธะที่สอดคล้องกันและอ่านเข้าใจได้ ข้อค้นพบที่ไม่น่าสบายใจคือระบบนิเวศไม่ได้ปฏิบัติตามข้อกำหนดเหล่านี้บ่อยครั้งเพียงใด ในบรรดาอะแดปเตอร์ที่สุ่มตัวอย่างระหว่างการค้นคว้าเพื่อจัดทำหน้านี้ มีหนึ่งตัว — อะแดปเตอร์แบบกลั่นขั้นตอน (step-distillation) สำหรับเช็กพอยต์ฐาน — ที่จัดส่งข้อความสัญญาอนุญาตและไฟล์ประกาศซึ่งมีสตริงการระบุที่มาที่กำหนดไว้อย่างครบถ้วนตามตัวอักษร พร้อมทั้งส่วนสัญญาอนุญาตในการ์ดของตนที่ย้ำข้อจำกัดการใช้งานที่ไม่ใช่เชิงพาณิชย์และช่องทางติดต่อสำหรับการใช้งานเชิงพาณิชย์ ส่วนอะแดปเตอร์อื่น ๆ อีกหลายตัว รวมถึงสองตัวที่เป็นอะแดปเตอร์ควบคุมกล้องและอะแดปเตอร์ต่อเนื่องฉากที่ถูกดาวน์โหลดมากที่สุด กลับประกาศ apache-2.0 ไว้ในเมตาดาต้าของตน ไม่ได้จัดส่งไฟล์สัญญาอนุญาตเลยแม้แต่ไฟล์เดียว และไม่มีการประกาศการระบุที่มาใด ๆ การ์ดของพวกเขาไม่ได้อ้างสิทธิ์แบบ Apache เหนือน้ำหนักโมเดลฐาน ฟิลด์เมตาดาต้านั้นแค่ผิด และมันเป็นฟิลด์ที่เครื่องมือปลายน้ำจะอ่าน หากคุณเป็นคนที่สร้างต่อยอดบนอะแดปเตอร์ จงอ่านสัญญาอนุญาตของโมเดลฐานด้วยตนเองแทนที่จะเชื่อป้ายบนการ์ดของอะแดปเตอร์ — และหากคุณเป็นคนที่เผยแพร่ การจัดแพ็กเกจที่ถูกต้องไม่ใช่เรื่องซับซ้อน มันแค่ต้องทำอย่างตั้งใจ

ความเข้ากันได้ และสิ่งหนึ่งเกี่ยวกับ "turbo"

อะแดปเตอร์จะทำงานบน checkpoint ที่บันทึกการฝึกของมันระบุไว้ สำหรับอะแดปเตอร์ส่วนใหญ่ที่นี่ นั่นคือ Qwen-Image-2.1 เอง และนั่นคือที่ที่ควรโหลดมันเข้าไป checkpoint Turbo เป็นการ fine-tune ของสถาปัตยกรรมเดียวกัน ไม่ใช่โมเดลที่แตกต่างกัน — ทั้งสองใช้โครงสร้างโมดูลร่วมกัน ซึ่งเป็นเหตุผลว่าทำไมอะแดปเตอร์ที่ฝึกบนฐานจึงมีแนวโน้มสูงมากที่จะโหลดเข้าสู่ Turbo ได้ — แต่มันเก็บตารางการสุ่มตัวอย่างแปดขั้นตอนของตัวเองไว้ภายใน checkpoint และดำเนินเส้นทางการลดสัญญาณรบกวน (denoising trajectory) ที่อะแดปเตอร์ไม่ได้ถูกฝึกภายในนั้น การรวมกันนั้นจะทำงานได้อย่างถูกต้องหรือไม่ ไม่มีใครจัดทำเอกสารไว้ รวมทั้งผู้จำหน่ายด้วย

ยังมีกับดักเรื่องการตั้งชื่ออีกอย่างหนึ่ง: คำว่า "turbo LoRA" ครอบคลุมอาร์ติแฟกต์สองแบบที่ตรงกันข้ามกัน คืออะแดปเตอร์ที่ฝึกบนเช็กพอยต์ Turbo กับอะแดปเตอร์กลั่นความรู้ที่เปลี่ยนเช็กพอยต์มาตรฐานให้กลายเป็นแบบไม่กี่สเต็ป สองอย่างนี้เป็นไฟล์ที่ต่างกันและทำงานต่างกัน คำถามเรื่องเช็กพอยต์ฐานเทียบกับ Turbo และความหมายสองนัยของอะแดปเตอร์ turbo มีหน้าของตัวเองบนสเต็มนี้ — Qwen-Image-2.1-Turbo LoRA — และหน้านี้จะไม่กลายเป็นสำเนาที่สองของหน้านั้น หากคุณมี Turbo อยู่ และมีอะแดปเตอร์ที่ระบุชื่อเช็กพอยต์มาตรฐาน โปรดอ่านหน้านั้นก่อนที่คุณจะโหลดอะไรก็ตาม

คำถามที่เกี่ยวข้องอีกสองข้อก็ควรอยู่ที่อื่นเช่นกัน เช็กพอยต์แบบควอนไทซ์ — GGUF, FP8, INT4 และอื่น ๆ — เป็นหัวข้อที่แตกต่างออกไปซึ่งมีหน้าอื่นแยกต่างหาก LoRA ที่ใช้ภายในไปป์ไลน์แบบควอนไทซ์เป็นหมายเหตุความเข้ากันได้บนหน้านั้น ไม่ใช่ส่วนหนึ่งของหน้านี้ และการที่โมเดลทำงานในเครื่องมือเฉพาะก็เป็นคำถามอีกข้อหนึ่งที่มีรายการไฟล์และโหมดความล้มเหลวของตัวเอง

สิ่งที่พัง และสิ่งที่ยังไม่ลงตัว

รายงานความล้มเหลวจัดกลุ่มเป็นสามสาเหตุ และแต่ละสาเหตุมีผู้ที่ลงมือทำงานนั้นเป็นผู้บันทึกไว้ ไม่ใช่การอนุมานเอา

อะแดปเตอร์ที่โหลดแล้วไม่ทำอะไรเลย กรณีที่ชัดเจนที่สุดคือการไม่ตรงกันของการตั้งชื่อคีย์: การ์ดของอะแดปเตอร์ตัวหนึ่งระบุเองว่าไฟล์รูปแบบเทรนเนอร์ดิบของมันใช้การตั้งชื่อคีย์แบบ fused MLP ของเทรนเนอร์นั้น ซึ่ง Diffusers "ข้ามไปอย่างเงียบ ๆ" — การโหลดสำเร็จ ไม่มีข้อผิดพลาดถูกโยนออกมา และอะแดปเตอร์ไม่มีผลใด ๆ ไฟล์นั้นใช้งานได้กับตัวโหลดของตัวเอง แต่ใช้งานไม่ได้กับตัวโหลดกระแสหลัก นั่นคือความแตกต่างในโครงสร้างไฟล์ ไม่ใช่ในเช็กพอยต์ฐาน และควรตัดความเป็นไปได้นี้ทิ้งก่อนที่คุณจะไปโทษสิ่งอื่น

อะแดปเตอร์ที่ทำลายพรอมต์ที่ไม่เกี่ยวข้อง นี่เป็นปัญหาของอัตราการเรียนรู้และระยะเวลา และมีการวัดผลอยู่: ใน ablation ที่ตีพิมพ์แล้วเรื่องหนึ่ง การรันที่ 3e-4 "ทำให้พรอมต์สำหรับตรวจสอบทั้งสี่เสื่อมลงอย่างรุนแรงภายในอัปเดตที่ 500" โดยหัวข้อที่ไม่เกี่ยวข้อง — สุนัขจิ้งจอก ภาพบุคคล — กลายเป็นคอนเซปต์ที่เทรนไว้ การศึกษาการเทรนที่ยาวนานขึ้นของผู้เขียนคนเดียวกันรายงานกับดักตรงกันข้าม: ในการรันหนึ่ง พรอมต์หนึ่งดีขึ้นต่อเนื่องจนถึงอัปเดตที่ 3,500 ถดถอยที่ 4,000 และฟื้นตัวจนถึง 10,000 ดังนั้นเช็กพอยต์ระหว่างกลางที่แย่จึงไม่ใช่ข้อพิสูจน์ว่าการรันล้มเหลว ข้อค้นพบที่สองนั้นถูกระบุอย่างชัดเจนว่าเป็นความก้าวหน้าเชิงคุณภาพจากการรันครั้งเดียวและ seed สำหรับการตรวจสอบเพียงหนึ่งค่า โดยไม่มีการวัดเส้นโค้งข้อผิดพลาดในการทดสอบ และการฟื้นตัวถูกอธิบายว่าขึ้นอยู่กับพรอมต์ ให้ถือมันเป็นเหตุผลในการเก็บเช็กพอยต์ทุก 250 สเต็ป ไม่ใช่เป็นสูตรสำเร็จ

อะแดปเตอร์ที่ทำหน้าที่ได้ดี แล้วทบต้น อะแดปเตอร์ต่อเนื่องฉากบันทึกการเสื่อมลงที่วัดได้เมื่อใช้แบบต่อเนื่องเป็นลูกโซ่: การต่อโซ่แบบ naive ที่ strength 0.9 จะสะสมเกรนฟิล์มจนกลายเป็นสัญญาณรบกวนสีที่มองเห็นได้ภายใน hop ที่สามหรือสี่ และวิธีแก้ปัญหาที่ผู้เขียนยืนยันแล้วคือใช้ strength ที่ 0.7 หรือต่ำกว่า บวกกับ gaussian blur ครึ่งพิกเซลบนอินพุตที่ต่อโซ่แต่ละรายการ การ์ดเดียวกันยังตรงไปตรงมาว่า การแปลงในช่วง hop ปลาย ๆ ยังคงอนุรักษ์นิยม และระบุว่านั่นเป็นข้อจำกัดของข้อมูลฝึก มากกว่าปัญหาจากการตั้งค่า

ภายใต้ทั้งหมดนั้นมีชุดของสิ่งต่าง ๆ ที่ยังไม่ได้รับการยืนยันอย่างแท้จริง และสิ่งเหล่านี้ควรค่าแก่การระบุไว้มากกว่าการเติมเต็มเดาเอง ยังไม่มีใครเผยแพร่การเปรียบเทียบคุณภาพระหว่าง Qwen-Image-2.1 กับ Qwen-Image-2.1-Turbo ดังนั้นจึงไม่มีเส้นฐานสำหรับตัดสินว่าอะแดปเตอร์ใด ๆ ส่งผลต่อรุ่นใดรุ่นหนึ่งอย่างไร ยังไม่มีใครเผยแพร่ว่าอะแดปเตอร์ที่ใช้กับเช็กพอยต์มาตรฐานทำงานได้อย่างถูกต้องบน Turbo หรือไม่ ผู้จำหน่ายจัดทำเอกสารการฝึก LoRA เพียงครั้งเดียว ในส่วน ModelScope ของที่เก็บโปรเจกต์ โดยชี้ไปที่เฟรมเวิร์กของบุคคลที่สาม การ์ดโมเดลเองไม่มีคำแนะนำเกี่ยวกับอะแดปเตอร์ และตัวเข้ารหัสข้อความของเช็กพอยต์เป็นองค์ประกอบที่ชุมชนเริ่มเผยแพร่ซ้ำแยกต่างหากแล้ว ซึ่งเป็นคำถามเรื่องความเข้ากันได้ในตัวมันเอง และทุกจำนวนนับในหน้านี้เป็นการบันทึกภาพของระบบนิเวศที่มีอายุสองถึงสามสัปดาห์ ณ วันเดียว — ตัวกรอง Civitai และการค้นหาโมเดลฐานของ Hugging Face จะผิดพลาดทั้งคู่ภายในเดือนหน้า โดยมีแนวโน้มไปในทางที่มากขึ้น

ถ้าคุณกำลังตัดสินใจว่าวันนี้จะทำอะไร ลำดับที่ยังใช้ได้แม้มีช่องว่างทั้งหมดนั้นมีไม่กี่ขั้น เริ่มจากการอ่านบันทึกการเทรนของอะแดปเตอร์ ไม่ใช่ตัวอย่างของมัน — ถ้าไม่มีบันทึก ให้ถือว่าไฟล์นั้นไม่ระบุแหล่งที่มา และทดสอบมันกับพรอมต์ของคุณเองก่อนจะสร้างอะไรต่อจากมัน จับคู่อะแดปเตอร์กับเช็กพอยต์ที่บันทึกของมันระบุชื่อไว้ และถ้าคุณใช้ Turbo ให้อ่านหน้า Turbo ก่อน ตรวจว่าไฟล์อยู่ในรูปแบบตัวโหลดใดก่อนจะสรุปว่ามันเสีย และอ่านใบอนุญาตของโมเดลฐานสักครั้ง เพราะมันควบคุมอะแดปเตอร์ไม่ว่าการ์ดของอะแดปเตอร์จะอ้างอะไรเกี่ยวกับตัวมันเอง จากนั้นเลือกเทรนเนอร์ของคุณ เริ่มจากพรีเซ็ต VRAM ที่เล็กที่สุดที่การ์ดของคุณรองรับ และตัดสินจากกริดเช็กพอยต์แทนที่จะเป็นไฟล์สุดท้าย