Model
Trends
.ai
Model
Trends
.ai
de bästa AI-modellerna med öppen källkod

Steg, CFG, samplers, schemaläggare och frön: förklaringar av genereringsinställningarna med säkra standardvärden

Ämne: Promptning
Av Quartermaster
Publicerad 2025-11-19
Vad varje inställning i genereringspanelen ändrar, vilka värden som fungerar för varje modelfamilj (SD 1.5, SDXL, Flux, Qwen, Z-Image, Wan), vilka samplers som är värda att känna till, varför destillerade modeller bryter de vanliga reglerna och hur man använder frön för att ändra en sak i taget.

Översikt

Genereringspanelen har fem siffror som alla pillar på men få förstår. Steg är hur många avbrusningsiterationer som körs. CFG (eller vägledning) är hur starkt prompten styr varje iteration. Samplern är den numeriska metoden som omvandlar modellens brusförutsägelse till nästa bildstatus; schemaläggaren är kurvan för hur mycket brus som tas bort per steg. Fröet är det slumpmässiga startbruset, och att fixa det är vad som låter dig jämföra andra ändringar rättvist.
Rätt värden beror mycket mer på modelfamiljen än på bilden.
SD 1.5
och
SDXL
är klassiska diffusionsmodeller som gillar 20 till 30 steg och en CFG på 5 till 7.
Flux dev
är vägledningsdestillerad: CFG ligger på 1 och ett separat vägledningsvärde på 3 till 4 styr. Turbo, Lightning, Schnell, Klein och
Z-Image Turbo
är stegdestillerade: 4 till 8 steg, CFG 1, och fler steg gör dem sämre. Videomodeller (
Wan 2.2
,
LTX-2
) lägger till bildrutor och ofta en tvåstegs hög-brus/låg-brus uppdelning. Varje modelsida på den här sajten visar inställningarna under sina exempelbilder; det är det snabbaste sättet att få siffrorna för en specifik modell.
Samma siffror gäller i molnet:
PirateDiffusion
visar dem som /steps, /guidance, /sampler och /seed flaggor;
BitVector
visar dem i en avancerad panel med modellens standardvärden förladdade.

Referens

Namn
Typ
Vad det är
Steg
SD 1.5: 20-30 | SDXL: 25-35 | Flux dev: 20-28 | distilled: 4-8
Fler steg efter konvergens lägger till tid, inte kvalitet. Destillerade modeller blir sämre efter sitt tränade antal.
CFG-skala
SD 1.5: 6-8 | SDXL: 5-7 | Flux dev: 1 | Qwen: 3-4 | distilled: 1-2
För högt: brända färger, överskarpa kanter, upprepade element. För lågt: grumligt, ignorerar prompten.
Vägledning (Flux)
3-4 (dev), 2.5 for realism LoRAs
Den destillerade ersättningen för CFG. Över 5 dyker den plastiga Flux-looken upp.
Sampler
Euler, Euler a, DPM++ 2M, DPM++ SDE, UniPC, DEIS, LCM
Euler och DPM++ 2M är deterministiska och konvergerar rent; "a" (ancestral) och SDE samplers lägger till brus varje steg och konvergerar aldrig helt, vilket ger variation men ändras med stegantal.
Schemaläggare
normal/simple, Karras, exponential, sgm_uniform, beta
Bruskurvan. Karras för SD 1.5 och SDXL; enkel eller beta för
Flux
; sgm_uniform för Lightning och vissa videomodeller.
Frö
integer
Samma frö + samma inställningar = samma bild på samma maskin. -1 eller random väljer ett nytt varje körning.
Avbrusning
0-1 (img2img, hires-fix)
Hur mycket av inmatningsbilden som ersätts. 1.0 ignorerar den; 0.3 behåller den nästan intakt.
Skift (Flux, Wan, Z-Image)
1-8 (model dependent)
Flyttar var schemat spenderar sina steg; högre skift gynnar komposition över detalj. Modelsidor listar det när det är viktigt.
AD
Standardvärden förladdade per modell
BitVector Prism laddar varje modell med dess testade steg, vägledning och sampler, så den första bilden redan ser ut som exemplen. Öppna den avancerade panelen när du vill experimentera.

Steg för steg

  1. Kopiera inställningsraden från en exempelbild på modelsidan; det är författarens testade kombination.
  2. Fäst fröet till vilket nummer som helst medan du jobbar på prompten, så att varje ändring du ser beror på prompten och inte på bruset.
  3. Ställ in steg till familjens standard och låt det vara; jaga inte kvalitet genom att lägga till steg.
  4. Ställ in CFG eller vägledning till familjens standard. Om bilden ser bränd eller översaturerad ut, sänk det med ett; om den ignorerar prompten, höj det med ett.
  5. Välj Euler eller DPM++ 2M med familjens schemaläggare. Prova en ancestral eller SDE sampler bara när du vill ha mer variation mellan frön.
  6. När prompten är rätt, byt frö till random och generera en sats på fyra till åtta; välj den bästa kompositionen.
  7. Lås det fröet igen för förfiningar (hires-fix,
    inpainting
    ,
    LoRA
    viktändringar) så att bilden förblir igenkännbar medan du förbättrar detaljer.

Exempel

Referensinställningar per familj

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-flaggor

/render <flux-dev> a lighthouse at dusk, long exposure /steps:24 /guidance:3.5 /seed:123456 /size:1024x1024

Tips

  • Steg och CFG samspelar: vid högre CFG behöver du lite fler steg för att undvika artefakter; vid lägre CFG ser färre steg bra ut.
  • Ancestral samplers (Euler a, DPM++ 2S a) ändrar bilden helt med varje stegändring; deterministiska (Euler, DPM++ 2M) förfinar bara bilden.
  • För Flux dev vid 20 steg med vägledning 3.5 är Euler + enkel eller beta referenskombinationen; Karras skadar Flux.
  • SDXL Lightning och Hyper-SD LoRAs låter dig köra en vanlig SDXL
    checkpoint
    vid 4 till 8 steg med CFG 1 till 2; LoRA-guiden på den här sajten förklarar dem.
  • Frön är inte portabla mellan GPU:er eller precisioner; räkna med små skillnader mellan din PC och molnet med samma frö.
  • När en modelsida listar ett skift eller sigma-värde är det viktigare än samplern. Ställ in det först.

Felsökning

Brända färger och hårda kanter

Varför det händer
CFG för högt, eller CFG används på en vägledningsdestillerad modell.

Så löser du det
Sänk CFG med ett eller två; på Flux sätt CFG 1 och vägledning 3.5.

Suddigt eller mosigt resultat

Varför det händer
För få steg för en icke-destillerad modell, eller CFG för lågt.

Så löser du det
25 till 30 steg, CFG på familjens standard.

Destillerad modell blir sämre med fler steg

Varför det händer
Turbo och Lightning-modeller är tränade för ett fast litet stegantal.

Så löser du det
Använd antalet på modelsidan (4, 8); gå inte högre.

Bild ändras helt när jag ändrar steg

Varför det händer
En ancestral eller SDE sampler.

Så löser du det
Byt till Euler eller DPM++ 2M om du vill ha stabila förfiningar.

Samma frö ger en annan bild idag

Varför det händer
En ändrad inställning, en UI-uppdatering eller en annan GPU/precision.

Så löser du det
Jämför den sparade inställningsraden; räkna med små skillnader mellan maskiner.

AD
PirateDiffusion
Varje inställning är en flagga
PirateDiffusion visar steg, vägledning, sampler, frö, storlek och skift som flaggor på /render-kommandot och kommer ihåg dina favoriter. Kör en frösvepning från din telefon; obegränsad generering till fast pris.

Frågor

Vilken sampler är bäst?

Det finns ingen bäst; Euler och DPM++ 2M är de pålitliga. Skillnader mellan moderna samplers vid samma stegantal är små jämfört med modellen och prompten.

Är CFG 7 en universell standard?

Det var det för SD 1.5. SDXL gillar 5 till 6, Flux dev vill ha 1 med vägledning 3.5, destillerade modeller 1 till 2. Universella standarder bränner Flux-bilder.

Vad kodar fröet egentligen?

Bara det slumpmässiga startbruset. Det bär ingen information om prompten; ett frö som gav en bra bild med en prompt är inte speciellt för en annan.

Varför har videomodeller två CFG-värden?

Wan 2.2 och andra kör en hög-brus expert för första halvan av stegen och en låg-brus expert för andra; varje har sin egen CFG och ofta sin egen LoRA.

Påverkar batchstorlek resultaten?

Nej, varje bild i en batch använder sitt eget frö (frö, frö+1, ...). Det ändrar bara hastighet och minne.

Länkar och källor

Modeller i den här guiden

Skriven av
Quartermaster

Relaterade guider

Modeller
Hur generativa AI-bildmodeller fungerar: diffusion, latenter och textkodare förklarade enkelt
Mekanismerna bakom Stable Diffusion, SDXL, Flux och videomodellerna utan matte: vad brus har med det att göra, varför modeller jobbar i ett komprimerat latent utrymme, vad textkodaren och VAE gör, vad steg och vägledning egentligen ändrar, och varför träningsdata bestämmer vad en modell kan rita.
Av Quartermaster
2025-08-28
Promptning
Grundläggande om promptskrivning för AI-bilder: struktur, ordning, vikter och de två promptdialekterna
Hur du skriver en prompt som funkar direkt: ämne-scen-stil-ordning, varför ordens position spelar roll, taggdialekten för SDXL anime-modeller jämfört med meningsdialekten för Flux och Qwen, uppmärksamhetsvikter, gränser för promptlängd och en checklista för att fixa en prompt som ignoreras.
Av Captain
2025-10-22
Promptning
Negativa prompts: vad de gör, när de hjälper och varför Flux inte behöver dem
Den negativa prompten förklarad genom hur classifier-free guidance fungerar: en kort lista som hjälper på SD 1.5 och SDXL, de negativa embeddings folk faktiskt använder, varför långa kopierade negativa prompts skadar, och vad man istället ska göra på Flux, Qwen och andra guidance-distillerade modeller som inte har någon negativ prompt alls.
Av Lookout
2025-11-05
Modeller
SDXL-Lightning: fyrastegs-generering på vilken SDXL-checkpoint som helst
ByteDance:s SDXL-Lightning LoRA förvandlar en 30-stegs SDXL-rendering till en på 4 steg. Lär dig antal steg, vilken CFG du måste använda, samplern och hur du kombinerar den med dina favoritcheckpoints och stil-LoRAs.
Av Captain
2026-09-30
Promptning
img2img, inpainting och outpainting grunder: fixa händer, byta objekt och förlänga en bild
De tre sätten att generera från en befintlig bild istället för från brus: img2img för att ändra stil med ett denoise-värde, inpainting för att måla om bara ett maskerat område (standardfixen för händer och ansikten), och outpainting för att förlänga duken; med val av denoise, padding och modell för SD 1.5, SDXL, Flux Fill och Qwen Image Edit.
Av Captain
2025-12-03

Fler guider

Modeller
FLUX.1 Dev: hur du promptar det, bästa inställningarna och kreativa idéer
En praktisk guide till FLUX.1 Dev från Black Forest Labs: naturligt språk för prompts, styrning och steginställningar, LoRA-stapling, textrendering och promptidéer som spelar på dess styrkor.
Av Captain
2026-09-30
Modeller
Stable Diffusion XL 1.0: prompts, inställningar och vad den fortfarande är bäst på
Hur du får ut mest av den officiella SDXL 1.0 basmodellen: inbyggda upplösningar, CFG- och sampler-inställningar, refiner, negativa prompts och idéer för stilar där SDXL fortfarande glänser.
Av Captain
2026-10-01
Modeller
Stable Diffusion 1.5: den klassiska modellen, rätt promptad
Stable Diffusion 1.5 är fortfarande värd att känna till: rätt upplösning, CFG och sampler, hur du använder dess stora bibliotek av LoRAs och embeddings, och kreativa promptidéer som passar en 512-pixelmodell.
Av Captain
2026-10-02
Modeller
FLUX.2 Dev: promptning av den senaste modellen från Black Forest Labs
FLUX.2 Dev ger längre prompts, bättre text, starkare realism och redigering med flera referenser. Den här guiden täcker turboarbetsflödet, styrning och upplösningsinställningar, promptstruktur och idéer som använder dess nya styrkor.
Av Captain
2026-10-03
Modeller
Qwen-Image: långa prompts, perfekt text och tvåspråkiga affischer
Qwen-Image är modellen du ska använda när orden i bilden är viktiga. Lär dig hur du skriver långa beskrivande prompts, återger engelska och kinesiska texter korrekt, ställer in CFG och steg, och utforskar kreativa idéer med mycket layout.
Av Captain
2026-09-29
ComfyUI
ComfyUI-noder: dokumentation och felsökning
Dokumentation på enkelt språk för de ComfyUI-noder som folk använder mest: vad varje nod gör, alla ingångar och utgångar, hur man kopplar dem, viktiga inställningar och vilka fel de ger med lösningar för varje.
Av Captain
2026-06-02