概念Classifier-Free Guidance Scale / 引导系数 / CFG
CFG Scale
扩散模型推理时的关键参数，通过同时计算有条件预测与无条件预测并按公式外推来放大提示词影响，值越高越贴近提示词但过高会导致过饱和与构图僵化
核心事实
时间轴 (近 90 天)
10月31日
采样步数（Steps）通常 20–30 步已足够，过高收益递减且耗时翻倍；CFG Scale 一般在 7 左右，过高会导致画面过饱和、构图僵硬。
待验证50%
10月28日
生成参数中，采样步数决定去噪迭代次数，步数过低画面粗糙、过高收益递减；CFG Scale 控制模型对提示词的服从程度，过高会色彩过饱和、构图僵硬；随机种子（Seed）决定初始噪声，固定种子可在相同提示词下复现结果。
待验证50%
10月20日
引导系数（CFG Scale）的计算公式为：最终预测 = 无条件预测 + CFG × (有条件预测 - 无条件预测)。
待验证50%
9月11日
Turbo模型要求CFG Scale设置为1，高CFG会导致图像崩坏
待验证50%
9月11日
标准SD模型的CFG通常设置在7左右
待验证50%
全部知识事实 (6)
已验证
CFG Scale（分类器自由引导比例）控制生成结果对提示词的忠实程度
65%待验证采样步数（Steps）通常 20–30 步已足够，过高收益递减且耗时翻倍；CFG Scale 一般在 7 左右，过高会导致画面过饱和、构图僵硬。
50%待验证生成参数中，采样步数决定去噪迭代次数，步数过低画面粗糙、过高收益递减；CFG Scale 控制模型对提示词的服从程度，过高会色彩过饱和、构图僵硬；随机种子（Seed）决定初始噪声，固定种子可在相同提示词下复现结果。
50%待验证引导系数（CFG Scale）的计算公式为：最终预测 = 无条件预测 + CFG × (有条件预测 - 无条件预测)。
50%待验证Turbo模型要求CFG Scale设置为1，高CFG会导致图像崩坏
50%待验证标准SD模型的CFG通常设置在7左右
50%