Kromoss：8步生成，PartiPrompts 性能

测评方法

这项比较是制作者自行进行的测评，使用相同的100条提示词生成图像，评估图像与提示词的匹配度。50步模型与加载适配器的8步模型在提示词引导强度和生成路径上也有差异。因此应将其理解为两条完整生成路径的比较，而非仅改变步数的对照实验。具体设置汇总在下方条件中。

两个适配器均采用学习小型附加矩阵的 LoRA 方式，分为训练以减少生成步数的 DMD，以及在此基础上继续训练的 DMD2。

结果

表：PartiPrompts 100条提示词 CLIP 分数对比

条件：依据制作者模型卡标注，PartiPrompts 100条提示词，CLIP ViT-L/14 评分；Kromoss 各行采用微调 update 11000的 EMA 权重；50步路径使用 CFG 3，8步路径使用 CFG 1；采样器为 flow-matching Euler，shift 5。

仅有在 Kromoss 上加载 LoRA 的两个8步配置超过了两个50步配置。50步时，Kromoss 比基础模型高0.71分。在此基础上，Kromoss 加载 LoRA 的8步路径中，DMD 再高0.09分，DMD2 再高0.23分，因此可以分别看待模型追加训练和适配器路径带来的差异。DMD2 LoRA 也略高于 DMD LoRA。

两条路径的差异有三项：步数、CFG，以及用于抑制不需要元素的负向分支的处理。步数从50降至8，CFG 从3降至1，8步路径则完全移除了负向分支。50步路径在负向分支中跳过索引为22的层。

存储容量需另行计算。用于 ComfyUI（节点式图像生成工具）的单文件，bf16（16位浮点数）版为10.16 GB，int8（8位整数）ConvRot 版为5.41 GB；文本编码器 qwen3.5_9b_bf16 为19.31 GB，8步 LoRA 各为1.19 GB。分发文件大小取自 Hugging Face 文件列表。

模型训练与8步蒸馏方式

根据制作者公开的模型卡，Kromoss 在1024 px下对所有 Transformer 权重进行了追加训练。Transformer 是计算上下文关系的神经网络结构，权重则是模型学习的数值。训练图像共704k张。

在这个8步项目中，DMD 用于将基础模型的50步、CFG 3路径压缩为8次网络评估。根据制作者的 MOSS-Image-Base 8步蒸馏卡，数据空间 DMD 是让生成器从固定噪声出发，反复生成去噪图像估计值的方式。

DMD2 LoRA 以原来1/4的学习率继续训练3000次，并加入用真实图像训练判别器的 GAN 阶段。GAN 是让生成器与区分真假的判别器相互对抗的训练方式。

模型卡称，DMD2 的对比度和细节略有增加，PartiPrompts 得分最佳，因此也被列为推荐 LoRA。

根据模型卡，两个 LoRA 虽然从基础模型蒸馏而来，但可以迁移到 Kromoss。在加载相同 LoRA 的8步配置中，Kromoss 也高于基础模型。

这一差距基于100条提示词的评分，并不能保证在其他提示词集上也能复现相同幅度的差距。

选择标准

如果需要减少步数，可加载 8-steps-dmd2-lora.safetensors，并将 KSampler 的采样器设为 euler、调度器设为 simple，使用8步、CFG 1。模型卡称4步也能运行。如果可以保留50步，则只需使用 Kromoss 完整模型，无须 LoRA，其分数可作为此表的基准线。

不要将 LoRA 合并到 bf16 权重中；在 diffusers 中保持不合并，在 ComfyUI 中以 strength 1加载。制作者说明，增量接近 bf16 的舍入单位，因此建议不要合并到 bf16 权重。

以下调用示例摘自模型卡，前提是已准备好在 diffusers 中以不合并方式应用 DMD2 适配器的管线 pipe、输入文本 prompt 和 torch。

image = pipe(prompt, height=1024, width=1024, num_inference_steps=8, guidance_scale=1.0,
             generator=torch.Generator("cpu").manual_seed(42)).images[0]

若显存 VRAM 紧张，可使用 int8 ConvRot 单文件，即通过旋转变换存储权重的版本。它以 int8 保存168个块内线性层（对输入进行线性变换的神经网络层），并引入宽度为256的 Hadamard 旋转，将权重混合存储且保持数值大小不变；ComfyUI 在加载时还原旋转。文本编码器仍需单独准备。

原先使用 MOSS-Image-SFT 的用户可改用 Kromoss。根据模型卡，两者的架构、文本编码器、VAE（压缩和还原图像的编码器）以及仓库布局相同，只需替换文件即可。

检查点即保存训练状态的文件，更新频繁。该仓库于2026-10-19公开，同日更新至训练2000、5000、7000次的版本，次日更新至训练9000、11000次的版本，并于2026-10-20加入 DMD2 LoRA。

在制作者的 PartiPrompts 100条提示词测评中，Kromoss 的 DMD2 LoRA 路径将生成步数从50减至8，提示词匹配度分数仍从27.90分升至28.13分。