Stappen, CFG, samplers, schedulers en seeds: de generatie-instellingen uitgelegd met veilige standaardwaarden
Onderwerp: Prompten
Door Quartermaster
Gepubliceerd op 2025-11-19
Overzicht
Het generatiepaneel heeft vijf getallen waar iedereen mee speelt maar weinig van begrijpt. Steps is hoeveel denoising-iteraties er worden uitgevoerd. CFG (of guidance) is hoe sterk de prompt elke iteratie stuurt. De sampler is de numerieke methode die de ruisvoorspelling van het model omzet in de volgende beeldstatus; de scheduler is de curve van hoeveel ruis er per stap wordt verwijderd. De seed is de willekeurige startruis, en die vastzetten zorgt ervoor dat je elke andere verandering eerlijk kunt vergelijken.
De juiste waarden hangen veel meer af van de modelfamilie dan van het plaatje.
SD 1.5
en
SDXL
zijn klassieke diffusie-modellen die houden van 20 tot 30 stappen en een CFG van 5 tot 7.
Flux dev
is guidance-gedistilleerd: CFG blijft op 1 en een aparte guidance-waarde van 3 tot 4 stuurt. Turbo, Lightning, Schnell, Klein en
Z-Image Turbo
zijn step-gedistilleerd: 4 tot 8 stappen, CFG 1, en meer stappen maken ze juist slechter. Videomodellen (
Wan 2.2
,
LTX-2
) voegen frame-aantallen toe en vaak een tweefasen split met hoge en lage ruis. Elke modelpagina op deze site toont de instellingen onder de voorbeeldafbeeldingen; dat is de snelste manier om de juiste getallen voor een specifiek model te vinden.
Dezelfde getallen gelden ook in de cloud:
PirateDiffusion
toont ze als /steps, /guidance, /sampler en /seed flags;
BitVector
laat ze zien in een geavanceerd paneel met de standaardwaarden van het model al geladen.
Naslag
Naam | Type | Wat het is |
|---|---|---|
Stappen | Meer stappen na het bereiken van convergentie kosten alleen tijd, geen kwaliteit. Gedistilleerde modellen worden slechter na hun getrainde aantal. | |
CFG schaal | Te hoog: verbrande kleuren, te scherpe randen, herhaalde elementen. Te laag: modderig, negeert de prompt. | |
3-4 (dev), 2.5 for realism LoRAs | De gedistilleerde vervanger van CFG. Boven 5 verschijnt de plastic Flux-look. | |
Sampler | Euler, Euler a, DPM++ 2M, DPM++ SDE, UniPC, DEIS, LCM | Euler en DPM++ 2M zijn deterministisch en convergeren netjes; "a" (ancestral) en SDE samplers voegen elke stap ruis toe en convergeren nooit helemaal, wat voor variatie zorgt maar verandert met het aantal stappen. |
Scheduler | normal/simple, Karras, exponential, sgm_uniform, beta | De ruiscurve. Karras voor SD 1.5 en SDXL; eenvoudig of beta voor Flux ; sgm_uniform voor Lightning en sommige videomodellen. |
Seed | integer | Dezelfde seed + dezelfde instellingen = hetzelfde beeld op dezelfde machine. -1 of random kiest elke keer een nieuwe. |
Denoise | Hoeveel van de invoerafbeelding wordt vervangen. 1.0 negeert het; 0.3 houdt het bijna intact. | |
1-8 (model dependent) | Verplaatst waar de scheduler zijn stappen besteedt; een hogere shift geeft voorkeur aan compositie boven detail. Modelpagina's vermelden het als het belangrijk is. |
AD

Standaardwaarden vooraf geladen per model
BitVector Prism laadt elk model met de geteste stappen, guidance en sampler, zodat het eerste beeld al lijkt op de voorbeelden. Open het geavanceerde paneel als je wilt experimenteren.
Stap voor stap
- Kopieer de instellingenregel van een voorbeeldafbeelding op de modelpagina; dat is de door de maker geteste combinatie.
- Zet de seed vast op een getal terwijl je aan de prompt werkt, zodat elke verandering die je ziet door de prompt komt en niet door de ruis.
- Zet steps op de standaard van de familie en laat het zo; jaag niet op kwaliteit door meer stappen toe te voegen.
- Zet CFG of guidance op de standaard van de familie. Als het beeld verbrand of oververzadigd lijkt, verlaag het dan met één; als het de prompt negeert, verhoog het dan met één.
- Kies Euler of DPM++ 2M met de scheduler van de familie. Probeer een ancestral of SDE sampler alleen als je meer variatie tussen seeds wilt.
- Als de prompt goed is, zet dan de seed op random en genereer een batch van vier tot acht; kies de beste compositie.
- Zet die seed weer vast voor verfijningen (hires-fix,inpainting, LoRA-gewichtsveranderingen) zodat het beeld herkenbaar blijft terwijl je details verbetert.
Voorbeelden
Referentie-instellingen per familie
SD 1.5: 512x768 | DPM++ 2M Karras | 25 steps | CFG 7
SDXL: 1024x1024 | DPM++ 2M Karras | 30 steps | CFG 6
Flux dev: 1024x1024 | Euler simple | 24 steps | CFG 1 | guidance 3.5
Z-Image Turbo: 1024x1024 | Euler | 8 steps | CFG 1
Wan 2.2 14B i2v: 832x480 | 81 frames | UniPC | 20 steps (high 10 / low 10) | CFG 3.5 / 3.5 | shift 5
PirateDiffusion flags
/render <flux-dev> a lighthouse at dusk, long exposure /steps:24 /guidance:3.5 /seed:123456 /size:1024x1024
Tips
- Steps en CFG beïnvloeden elkaar: bij hogere CFG heb je iets meer stappen nodig om artefacten te vermijden; bij lagere CFG zien minder stappen er prima uit.
- Ancestral samplers (Euler a, DPM++ 2S a) veranderen het beeld compleet bij elke verandering in het aantal stappen; deterministische (Euler, DPM++ 2M) verfijnen het alleen.
- Voor Flux dev bij 20 stappen met guidance 3.5 is Euler + simpel of beta de referentiecombinatie; Karras schaadt Flux.
- SDXL Lightning en Hyper-SDLoRAslaten je een normale SDXL-checkpoint draaien met 4 tot 8 stappen en CFG 1 tot 2; de LoRA-gids op deze site legt ze uit.
- Seeds zijn niet overdraagbaar tussen GPU's of precisies; verwacht kleine verschillen tussen je pc en de cloud met dezelfde seed.
- Als een modelpagina een shift of sigma waarde vermeldt, is dat belangrijker dan de sampler. Stel die eerst in.
Probleemoplossing
Verbrande kleuren en scherpe randen
Waarom het gebeurt
CFG te hoog, of CFG toegepast op een guidance-gedistilleerd model.
Zo los je het op
Verlaag CFG met één of twee; bij Flux zet je CFG op 1 en guidance op 3.5.
Wazig of modderig resultaat
Waarom het gebeurt
Te weinig stappen voor een niet-gedistilleerd model, of CFG te laag.
Zo los je het op
25 tot 30 stappen, CFG op de standaard van de familie.
Gedistilleerd model wordt slechter met meer stappen
Waarom het gebeurt
Turbo- en Lightning-modellen zijn getraind voor een vast klein aantal stappen.
Zo los je het op
Gebruik het aantal op de modelpagina (4, 8); ga niet hoger.
Beeld verandert compleet als ik stappen verander
Waarom het gebeurt
Een ancestral of SDE sampler.
Zo los je het op
Schakel over naar Euler of DPM++ 2M als je stabiele verfijningen wilt.
Zelfde seed geeft vandaag een ander beeld
Waarom het gebeurt
Een gewijzigde instelling, een UI-update, of een andere GPU/precisie.
Zo los je het op
Vergelijk de opgeslagen instellingenregel; verwacht kleine verschillen tussen machines.
AD

Elke instelling is een flag
PirateDiffusion toont stappen, guidance, sampler, seed, grootte en shift als flags bij het /render-commando, en onthoudt je favorieten. Doe een seed-sweep vanaf je telefoon; onbeperkt genereren voor een vaste prijs.
Vragen
Welke sampler is het beste?
Er is geen beste; Euler en DPM++ 2M zijn de betrouwbare. Verschillen tussen moderne samplers bij hetzelfde aantal stappen zijn klein vergeleken met het model en de prompt.
Is CFG 7 een universele standaard?
Dat was het voor SD 1.5. SDXL houdt van 5 tot 6, Flux dev wil 1 met guidance 3.5, gedistilleerde modellen 1 tot 2. Universele standaarden verbranden Flux-afbeeldingen.
Wat codeert de seed eigenlijk?
Alleen de willekeurige startruis. Het bevat geen info over de prompt; een seed die een goed beeld gaf met de ene prompt is niet speciaal voor een andere.
Waarom hebben videomodellen twee CFG-waarden?
Wan 2.2 en anderen draaien een high-noise expert voor de eerste helft van de stappen en een low-noise expert voor de tweede helft; elk met eigen CFG en vaak eigen LoRA.
Verandert batchgrootte de resultaten?
Nee, elk beeld in een batch gebruikt zijn eigen seed (seed, seed+1, ...). Het verandert alleen snelheid en geheugen.
Links en bronnen
- Elucidating the design space of diffusion models (Karras et al., 2022)
- DPM-Solver++ (Lu et al., 2022)
- Flux family page
- Wan family page
- PirateDiffusion
- BitVector web app
Modellen in deze gids
Stable Diffusion XL 1.0-modellen
Stable Diffusion 1.5-modellen
Flux-modellen
Zimage-modellen
Wan-modellen
Geschreven door
Quartermaster
Verwante gidsen
Modellen
Hoe generatieve AI-beeldmodellen werken: diffusie, latents en tekstencoders eenvoudig uitgelegd
De werking achter Stable Diffusion, SDXL, Flux en de videomodellen zonder de wiskunde: wat ruis ermee te maken heeft, waarom modellen in een gecomprimeerde latente ruimte werken, wat de tekstencoder en VAE doen, wat stappen en begeleiding echt veranderen, en waarom trainingsdata bepaalt wat een model kan tekenen.
Door Quartermaster
2025-08-28
Prompten
Basisprincipes van prompt schrijven voor AI-afbeeldingen: structuur, volgorde, gewichten en de twee promptdialecten
Hoe schrijf je een prompt die meteen werkt: de volgorde onderwerp-scène-stijl, waarom de positie van woorden belangrijk is, het tagdialect van SDXL anime-modellen versus het zinsdialect van Flux en Qwen, aandachtgewichten, limieten voor promptlengte en een checklist om een prompt die genegeerd wordt te verbeteren.
Door Captain
2025-10-22
Prompten
Negatieve prompts: wat ze doen, wanneer ze helpen en waarom Flux ze niet nodig heeft
De negatieve prompt uitgelegd aan de hand van hoe classifier-free guidance werkt: een korte lijst die helpt bij SD 1.5 en SDXL, de negatieve embeddings die mensen echt gebruiken, waarom lange gekopieerde negatieve prompts juist schade doen, en wat je in plaats daarvan moet doen bij Flux, Qwen en andere guidance-distilled modellen die helemaal geen negatieve prompt hebben.
Door Lookout
2025-11-05
Modellen
SDXL-Lightning: vierstaps generatie op elk SDXL-checkpoint
ByteDance's SDXL-Lightning LoRA verandert een 30-stappen SDXL-render in een van 4 stappen. Leer het aantal stappen, de CFG die je moet gebruiken, de sampler, en hoe je het combineert met je favoriete checkpoints en stijl-LoRA's.
Door Captain
2026-09-30
Prompten
img2img, inpainting en outpainting basis: handen corrigeren, objecten wisselen en een afbeelding uitbreiden
De drie manieren om te genereren vanuit een bestaande afbeelding in plaats van vanuit ruis: img2img voor restyling met een denoise-waarde, inpainting voor het opnieuw schilderen van alleen een gemaskeerd gebied (de standaardoplossing voor handen en gezichten), en outpainting voor het uitbreiden van het canvas; met de denoise-, padding- en modelkeuzes voor SD 1.5, SDXL, Flux Fill en Qwen Image Edit.
Door Captain
2025-12-03
Meer gidsen
Clouddiensten
Vaste prijs versus tokens: waarom onbeperkte plannen zoals Graydient.ai de beste waarde bieden voor AI-makers in 2026
Een gerangschikte kostenvergelijking, met prijzen gecontroleerd op 8 oktober 2026, van vaste prijs onbeperkte plannen zoals Graydient.ai tegenover token- en creditprijzen van Midjourney, Leonardo, fal.ai, Replicate, Runway en Kling: wat 1.000 afbeeldingen en 1.000 video's per maand echt kosten bij elk, en waarom één vaste prijs voor onbeperkte afbeeldingen, video, audio, Grok LLM chat en webapps de beste waarde is voor makers die veel experimenteren.
Door Captain
2026-10-08
Modellen
FLUX.1 Dev: hoe je het aanstuurt, beste instellingen en creatieve ideeën
Een praktische gids voor FLUX.1 Dev van Black Forest Labs: natuurlijk-taal prompts, begeleiding en stapinstellingen, LoRA stapeling, tekstweergave en promptideeën die goed werken met dit model.
Door Captain
2026-09-30
Modellen
Stable Diffusion XL 1.0: prompts, instellingen en waar het nog steeds het beste in is
Hoe je het meeste haalt uit het officiële SDXL 1.0 basismodel: native resoluties, CFG- en sampler-instellingen, de refiner, negatieve prompts en ideeën voor stijlen waarin SDXL nog steeds uitblinkt.
Door Captain
2026-10-01
Modellen
Stable Diffusion 1.5: het klassieke model, goed aangestuurd
Stable Diffusion 1.5 is nog steeds de moeite waard om te kennen: de juiste resolutie, CFG en sampler, hoe je de enorme bibliotheek met LoRAs en embeddings gebruikt, en creatieve promptideeën die passen bij een 512-pixel model.
Door Captain
2026-10-02
Modellen
FLUX.2 Dev: prompten met het nieuwste model van Black Forest Labs
FLUX.2 Dev brengt langere prompts, betere tekst, sterkere realisme en multi-reference bewerking. Deze gids behandelt de turbo workflow, guidance en resolutie-instellingen, promptstructuur en ideeën die gebruikmaken van de nieuwe mogelijkheden.
Door Captain
2026-10-03
Modellen
Qwen-Image: lange prompts, perfecte tekst en tweetalige posters
Qwen-Image is het model dat je moet gebruiken als de woorden in de afbeelding belangrijk zijn. Leer hoe je lange, beschrijvende prompts schrijft, Engelse en Chinese tekst nauwkeurig weergeeft, CFG en stappen instelt, en creatieve ideeën met veel lay-out onderzoekt.
Door Captain
2026-09-29

Model
Trends
.ai
© ModelTrends.ai
|
© 2026
|
Alle rechten voorbehouden