开源生图被压到一张消费级显卡：混元 DiT 把门槛砍到 6G 显存
过去一年，开源文生图的更新基本围着画质转。谁的字更清楚、谁的光影更像摄影，谁就能在榜单上多待几天。到了这个十月，风向有点变。社区讨论的焦点不再是"哪张图更好看"，而是"我这张显卡，到底跑不跑得动"。
6G 显存这条线，是被硬啃下来的
腾讯混元文生图大模型（混元 DiT）最近放出的消息里，最实用的一条是开源了"小显存版本"。按官方说法，6G 显存就能把它跑起来。这个数字的分量，用过开源生图的人都懂：此前想在本地跑一套像样的文生图，16G 显存几乎是起步价，8G 属于勉强，6G 会被直接劝退。
配套动作也跟上了。这个版本连 LoRA、ControlNet 这类插件一起适配进了 Diffusers 库，还补上了对 Kohya 图形界面的支持。Kohya 在社区里的角色，就是把"训练自己的 LoRA"从命令行的门槛里拽出来，变成点几下鼠标的事。它被接进来，等于把"我想让模型学会我自己的画风"这条路铺平了。
同时，混元 DiT 本体升到了 1.2 版，官方给出的改善集中在画面纹理和构图上。这两项恰好是开源模型长期被诟病的地方：细节一多就糊，构图一复杂就散。
另一条消息更容易被忽略，却很关键：腾讯把混元的标记模型"混元 Captioner"也开源了。打标模型是训练 LoRA 的第一道工序，你得先让机器把每张素材拆成一句句可读的描述，才谈得上训练。过去这一步要么用闭源接口，要么用质量参差的替代品。它开源之后，本地训练链条上又少了一个对外部服务的依赖。
开源模型跑起来之后，社区在忙着"修"
混元这边的进展属于把路修宽，而社区正在给另一条线打补丁。Qwen-Image 2.1 开源后引发了大量二创，随之而来的是一轮密集的修复潮。
比较有代表性的一个组合是 Qwen-Image-2.1-viggle-turbo：7.26GB，6 步推理，int8 量化，常被用来快速产出角色设定图，再配一个 676MB 的 texture-fix VAE 补纹理。另一位作者的 Fix v2.0 声称能去掉 Qwen 那层标志性的噪点和杂乱细节，而且几乎不动构图。还有一个 Opinionated 版本画面更锐利，代价是会轻微移动画面，作者把它和一套从 RES4LYF 派生出来的 res_2m_nc 采样器打包在一起发布。
这些补丁听起来琐碎，却说明一件事：当一个开源模型进入实际生产，真正决定它好不好用的，往往不是发布当天的那一版，而是接下来几周社区愿不愿意为它写修复。
社区里还沉淀出一些可直接抄的参数。有人在 Qwen 2.1 上加载 LoRA 后给出的建议是 CFG 取 2.0 到 3.0，40 步，采样器用 res_multistep 或 beta。另一位跑无 LoRA 的 2.0MP 标准工作流，说新版的 Qwen 图像模型出了一种以前只在闭源模型里见过的 Midjourney 味道。
速度上也有明显进展。Krea 2 Turbo 一个两步蒸馏的 LoRA 检查点，把 1024x1024 的去噪时间从 76.4 秒压到 19.3 秒，差不多是四倍。代价是细节质感只剩老师模型的 0.97 到 1.09 倍之间，远好于原生 Turbo 两步的 0.40 到 0.65 倍，但特写类的画面表现最好，大场面还差点意思。
顺手也补上的那些小缺口
除了主线模型，社区里几款小众但口碑稳的开源模型也在慢慢补齐短板。Anima 的 Aesthetic v1.1 和 One Obsession v4 常被拿来做风格化产出，用户称赞它风格听话、提示词好写，固定种子后改提示词就能得到连贯的变体，还能渲染短文本。它的弱点同样坦白：多角色同框和长文本仍然吃力，社区在等 Anima 2。
Krea 2 这边，抱怨集中在"不同种子看起来差不多"，于是有人摸索出一套不加 LoRA、不装模型专属节点的办法：复用 ComfyUI 的文本编码器（比如 Qwen3VL 4B）当 LLM 来扩写提示词，把提示词种子当成粗调旋钮、采样种子当成微调旋钮。这种"土办法"流传得快，往往比官方文档更能解决实际问题。
门槛下移之后，比的是什么
把这些动作放在一起看，方向是清楚的。开源生图不再只回答"能不能画得像"，开始回答另外两个问题：能不能在我买得起的机器上跑，以及能不能按我的意图精确地改。
混元把显存压到 6G、把打标模型开源，是在回答第一个问题。Qwen 社区那批修复和加速 LoRA，是在回答第二个问题里的"改得准"和"跑得快"。两条线看似无关，落点却是同一个：让生成这件事从演示走向日常。
对普通创作者来说，这大概是近一年最实在的变化。你不需要再为了一张图去租算力，也不必为了换风格重装整套环境。一块几年前的中端显卡，加上社区攒出来的那套工具链，已经够你做出一组像样的作品。
真正被压缩的，是"想试试"到"真的开始做"之间的距离。