FreeCache Preview

FreeCache 通过复用相邻去噪步骤的模型输出，减少生成耗时。Preview 提供 Z-Image、 Qwen-Image 和 FLUX.1-dev 的内置模型预设，无需自行下载或拟合 profile。

选择预算

Fresh 数量	用途
25（默认）	优先保留画面，建议从这一档开始
17	更快生成
10	快速预览，画面变化更明显

fresh_budget 支持 1–50 的任意整数，不限于上面的三个参考档位。 10 / 17 / 25 保留原有预设；其他预算由内置离线 profile 自动生成 Fresh 调度，无需重新标定，也不读取当前 prompt 或 seed。所有预算都完成完整的 50-step 采样区间，只减少完整模型计算的次数，并非提前停止生成。预算 50 为全 Fresh；极低预算可能明显损坏画面。当前预设适用于默认 sampler、1024²、50 steps。FreeCache 是有损加速，实际速度和画面变化见 FlexCache 评测。评测展示 F10 / F13 / F17 / F25 / F31 五个实测预算；支持其他预算不等于保证其画质，也不保证每张图的指标随预算严格单调改善。

命令行

chitu generate --model zimage --model-path /path/to/Z-Image \
  --prompt "A porcelain coffee cup on a cafe table, soft morning light." \
  --width 1024 --height 1024 --steps 50 --seed 53 \
  --cache-strategy freecache --freecache-profile zimage:25 \
  --output outputs/coffee-freecache.png

例如将 zimage:25 改为 zimage:13 或 zimage:31，即可使用非定档预算。也可只传 --cache-strategy freecache --freecache-fresh-budget 13，自动选择当前模型的 profile；不传预算时为 25。这两个预算参数不能同时使用。

模型	`--model`	`--freecache-profile`
Z-Image	zimage	zimage:25
Qwen-Image	qwen-image	qwen_image:25
FLUX.1-dev	flux1	flux1:25

Python API

在已有 pipeline 的请求中传入缓存配置：

from chitu_diffusion import CacheConfig, FreeCacheConfig, ZImageRequest

cache = CacheConfig(
    strategy="freecache",
    params=FreeCacheConfig.preview("zimage", fresh_budget=25),
)
result = pipeline.generate(ZImageRequest(
    prompt="A porcelain coffee cup on a cafe table, soft morning light.",
    width=1024, height=1024, num_steps=50, seed=53, cache=cache,
))

完整可执行示例是仓库中的 examples/generate_zimage_freecache.py，负责模型加载、输出保存与资源释放。先检查配置，不加载模型：

.venv/bin/python examples/generate_zimage_freecache.py --budget 25 --dry-run

使用 Slurm 的环境可通过 debug 分区生成：

sbatch --partition=debug --nodes=1 --ntasks=1 --gres=gpu:1 \
  --cpus-per-task=8 --time=00:10:00 \
  --wrap='.venv/bin/python examples/generate_zimage_freecache.py --model-path /path/to/Z-Image --budget 25 --output outputs/freecache-preview.png'

使用范围

内置预设使用 --steps 50；其他步数请先运行 preprocess，生成对应的自定义配置。
profile 必须与模型匹配；更换 checkpoint、分辨率、CFG 或 sampler 后需要检查画面。
当前仅支持单卡 generate() 和确定性 FlowMatchEulerDiscreteScheduler；不支持多卡并行、其他 solver、随机采样或 EPE serve。
关闭缓存使用 --cache-strategy none；Python API 使用没有默认缓存的 pipeline 与 CacheConfig()。
本功能为 preview；需要严格保持原始生成结果时，请关闭缓存。