Почти шесть минут за один кадр — столько заняла генерация Qwen-Image-2.1 в 2K на 40 steps. За шесть дней тестов на MacBook Pro с M5 Max и 128 ГБ памяти нашёлся режим полегче: 1536×1536 и 20 steps за 92,66 секунды. Звучит уже как настройка для обычной работы, а не повод сходить за кофе.

Японская карточка Tami Lab сообщает о генерации Qwen-Image-2.1 на M5 Max: 20 steps и разрешение 1536.Источник: note.com

Сразу оговорка: это не замер ускорения в четыре раза — в понедельник и пятницу использовались разные промпты. Зато в сравнении на одном промпте при 2048×2048 переход с 40 на 20 steps сэкономил около 4 минут 11 секунд; потеря заметнее всего была в мелких деталях. Поэтому автор теста оставил бы 20 steps для черновиков, а 30–40 — для выбранного кадра.

По разрешению расклад такой: 1024×1024 заняли около 41 секунды, 1536×1536 — примерно 1 минуту 33 секунды, а 2048×2048 лучше сохранили мелкие детали. В сцене с аквариумом при повышении разрешения менялись даже позы и расположение рыб, так что это не сравнение одного кадра в разном размере. Думаю, 1536 — разумная отправная точка, но не универсальный рецепт: другие промпты и seed могут дать другой баланс.

С японскими надписями модель справляется заметно лучше, но «читается» ещё не значит «написано верно»: полностью правильный текст без лишних символов получился в 2 случаях из 5. А название реального шрифта в промпте меняло скорее его настроение — автор отдельно подчёркивает, что файл шрифта в эксперименте не загружал. Для постера или меню всё равно придётся проверять каждую букву; зато черновые картинки теперь можно делать на куда более лёгких настройках.

Источникnote #画像生成AI