术语表

Inference steps

又称：sampling steps, denoising steps

模型为产出一次输出而进行的迭代细化遍数。更多的步数通常意味着更高的质量,但在模型特定的阈值之上收益递减。

深入解读

在实践中意味着什么

图像扩散模型从随机噪声出发、迭代地对其去噪来生成输出。每一次迭代就是一"步"。典型步数从 20(快速预览)到 50+(高质量)不等。超过约 50 步后,质量提升通常已不可见,而生成成本却线性增加。

视频模型遵循类似的模式,但步数往往被抽象掉了 —— Sora 2、Kling 和 Veo 都暴露单一的"质量"参数,而非原始步数。对于直接暴露步数的模型(SDXL、FLUX),默认值已为合适的质量/速度权衡调好;用户很少需要调整。