本模型为基于 Z-Image 源版本（非Turbo）的直接蒸馏加速版，旨在测试Z-Image（non-turbo）版本上训练的LoRA效果，并显著提高推理/测试速度。模型完全没有融入Z-Image-Turbo的任何权重与风格，属于基于Z-Image的纯血版本，较好地保持了原版Z-Image的适配性、出图随机多样性以及整体图像风格。

相比官方Z-Image，推理速度更快（推荐10–20步即可获得较好效果）；相比官方Z-Image-Turbo，本模型保留了更强的多样性、更好的LoRA兼容性与可微调潜力，但速度略慢于Turbo（仍远快于原始Z-Image的28~50步）。

模型主要适用于：

• 希望在Z-Image非Turbo基底上训练/测试LoRA的用户
• 需要比原版更快、但又不想牺牲太多多样性与风格自由度的场景
• 艺术、插画、概念设计等对随机性与风格多样性有一定要求的生成任务
• 适配ComfyUI推理 layer prefix == model.diffusion_model

basic workflow pls refer to: Z-Image-Turbo offical workflow（兼容官方Z-Image-Turbo工作流）

推荐推理参数：

• inference cfg: 1.0–2.5（建议1.0~1.8区间，较高值可增强提示贴合度）
• inference steps: 10–20（10步快速预览，15–20步品质更稳定）
• sampler / scheduler: Euler / simple，或 res_m，或其他兼容sampler

LoRA兼容性良好，权重建议0.6~1.0，根据需求微调。

Also on: Civitai

当前主要不足：

• 蒸馏过程对**文本（特别是极小尺寸文字）**有一定程度的破坏，渲染清晰度与完整性不如原版Z-Image
• 色调整体与原版ZI保持一致，但在个别采样器下会出现偏色现象（特别是偏蓝色调的表现较为明显）

接下来优化方向：

• 进一步稳定 CFG=1 情况下 10步以内 的生成质量，争取在极低步数下获得更可用、更接近原版风格的结果
• 优化 CFG>1 时的负向提示词遵循表现，提升对负面描述的控制力，减少不需要的元素干扰
• 持续改善小文字区域的清晰度与可读性，同时尽量维持蒸馏带来的速度优势

欢迎各位使用者提供反馈与生成示例，一起推动这个纯血加速方向的迭代！

请遵循 Z-Image 模型的 Apache-2.0 许可。

Please follow the Apache-2.0 open source license for the Z-Image model.