К содержимому
Изображения

Axon Image 2

быстрые LoRA-адаптеры и обвязка для Qwen-Image-2512

2 мин чтенияобновлено

Репозиторий от axonlabsai предлагает набор облегчённых LoRA-адаптеров (надстроек над базовой моделью без изменения её основных весов) и вспомогательных скриптов для генерации изображений. Проект построен на базе Qwen-Image-2512 в связке с дистилляцией (ускоренной версией модели) Qwen-Image-2512-Lightning, что позволяет получать картинки всего за 4 шага. В отличие от крупных авторских чекпоинтов, здесь выложены только лёгкие адаптеры ранга 4 и прозрачный пайплайн для воспроизведения и дообучения на своих данных. Инструмент пригодится разработчикам, которые работают с линейкой Qwen-Image через diffusers и хотят ускорить генерацию или использовать готовые скрипты для композиции по нескольким референсам.

Ключевые особенности

  • Два варианта адаптеров: версия flash работает за 4 шага в паре с Lightning-адаптером, а pro рассчитана на 40 шагов без дистилляции.
  • Инструменты для композиции и текста: в репозитории есть axon_compose.py для сборки промптов с поддержкой до 4 референсов и meme_tools.py для наложения точного текста поверх картинки.
  • Прозрачность обучения: к адаптерам приложены исходные состояния, дельты регуляризации и файлы training-identity.json с хешами SHA-256 и точными ревизиями базовых моделей.
  • Поддержка редактирования и квантования: предусмотрена работа с QwenImageEditPlusPipeline на базе Qwen-Image-Edit-2511 и загрузчик весов в формате int8 (axon_w8.py).

Что можно сделать

  • Генерировать изображения в разрешении 1024×1024 за 4 шага в diffusers, комбинируя адаптер flash с Qwen-Image-2512-Lightning.
  • Собирать сложные сцены по нескольким референсным изображениям с помощью скрипта axon_compose.py и добавлять читаемые надписи через meme_tools.py.
  • Использовать опубликованный пайплайн как шаблон, чтобы обучить собственный LoRA-адаптер на своих данных и подключить его в тот же слот.

Пример

pipe = QwenImagePipeline.from_pretrained("Qwen/Qwen-Image-2512", torch_dtype=torch.bfloat16).to("cuda")
pipe.load_lora_weights("lightx2v/Qwen-Image-2512-Lightning", weight_name="Qwen-Image-2512-Lightning-4steps-V1.0-bf16.safetensors", adapter_name="lightning")
pipe.load_lora_weights("axonlabsai/axon-image-2-flash-preview", weight_name="models/flash/adapter_model.safetensors", adapter_name="axon")
pipe.set_adapters(["axon", "lightning"], adapter_weights=[1.0, 1.0])
image = pipe(prompt="a matte black studio monitor on a concrete desk, soft rim light", width=1024, height=1024, num_inference_steps=4, true_cfg_scale=1.0).images[0]
ПодробнееВеса базовой модели Qwen-Image-2512 в репозиторий не включены — они подгружаются отдельно.
Адаптеры имеют rank 4 и alpha 4, дообучались всего 17 и 21 шаг оптимизатора и дают лишь небольшие сдвиги относительно базы (новых персонажей ждать не стоит).
Автор не публиковал замеры скорости или качества; экспериментальные игровые адаптеры исключены из релиза из-за ограничений авторского права.
Лицензия репозитория: Apache-2.0.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # axonlabsai/axon-image-2-flash-preview
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download axonlabsai/axon-image-2-flash-preview --local-dir ~/models/axon-image-2-flash-preview
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к axon-image-2-flash-preview
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии axon-image-2-flash-preview — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

axonlabsai/axon-image-2-flash-preview
Автор
axonlabsai
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии