Qwen-Image Lightning で 12カ国の料理を描かせて見えたもの

本記事は AI が描く各国料理 — 8モデル × 12カ国で比較してみたのスピンオフ、各モデル単独レビューの v5。

母艦記事では 8モデル × 12カ国 = 96 国別評価セルの全体俯瞰を扱う。本記事はその中の Qwen-Image Lightning だけを 60 プロンプト全部について Gemini 2.5 Pro Vision で評価した詳細を載せる。

TL;DR

Qwen-Image Lightning は Alibaba 🇨🇳 の Qwen-Image 20B + 8-step Lightning LoRA。漢字 OCR は業界トップ級だが、食文化の再現度は中位。
60 プロンプト (12カ国 × 5料理) を生成、Gemini API 出力を 現地正解基準として比較評価
文化的再現度 (cultural_accuracy): 平均 1.37 / 3.0
観光客目線の見栄え (visual_appeal): 平均 4.13 / 5.0
失敗型の主成分: 複数の失敗型が複合 (mixed 33件)
強い国: Germany
弱い国: Lebanon, Nigeria
推奨用途: 画像内に文字・看板を入れる用途
避けたい用途: 食文化の正確性が要る用途

1. 生成環境

項目	値
アーキテクチャ	MMDiT + Qwen 2.5-VL ベース
サイズ	20B (40 GB) + Lightning LoRA
ステップ数	8
蒸留	✅ (Lightning LoRA, 8-step)
1枚あたり生成時間 (M1 Max 64GB / MPS)	約 3 分 (8 step / 1024px / MPS)
HF gated repo	❌ 申請不要
ライセンス	Apache 2.0 (商用利用可)

from diffusers import QwenImagePipeline
import torch

pipe = QwenImagePipeline.from_pretrained(
    "Qwen/Qwen-Image", torch_dtype=torch.bfloat16,
).to("mps")
pipe.load_lora_weights(
    "lightx2v/Qwen-Image-Lightning",
    weight_name="Qwen-Image-Lightning-8steps-V1.0.safetensors",
)

image = pipe(prompt="...", num_inference_steps=8,
             true_cfg_scale=1.0, height=1024, width=1024).images[0]

wired_limit: Mac で MPS バックエンドを使い大型モデルを動かす場合、sudo sysctl iogpu.wired_limit_mb=61440 (60GB) を毎回設定する (再起動でリセット)。

2. 12カ国比較グリッド

参考画像 (最上段、緑帯) が Gemini API、その下が Qwen-Image Lightning + 他 6 ローカルモデル。本記事の対象は Qwen-Image Lightning 行。クリックで原寸表示。

母艦記事の結果マトリックスで、このモデルが全体のどこに位置するかを確認できる。

3. 国別の挙動 (Gemini 2.5 Pro Vision 評価ベース)

3.1 強い国 (cultural_accuracy 平均 ≥ 2.0)

Germany — CA 2.00 (bbbbb)

3.2 中庸の国 (1.0 ≤ ca < 2.0)

Japan — CA 1.60 (bbbcc)
Thailand — CA 1.60 (bbbcc)
India — CA 1.60 (bbbcc)
USA — CA 1.40 (bbccc)
Mexico — CA 1.40 (bbccc)
Brazil — CA 1.40 (bbccc)
Korea — CA 1.40 (bbccc)
Vietnam — CA 1.40 (bbccc)
Italy — CA 1.00 (bcccd)

3.3 弱い国 (ca < 1.0)

Lebanon — CA 0.80 (ccccd)
Nigeria — CA 0.80 (ccccd)

4. 失敗型の特徴

このモデルの 60 件評価で観察された失敗型の分布：

型	件数	特徴
α 異文化 garnish ライブラリ混入	4	異文化のハーブ・ソース・食器を混入
β 視覚類似カテゴリ引き寄せ	13	視覚的に似た別カテゴリへ統計的に引き寄せ
γ 整列癖 (パレイドリア)	5	要素が幾何学的に整いすぎる
mixed 複合	33	複数の失敗型が複合
none 大きな失敗なし	5	—

代表的な失敗事例

Italy / risotto Milanese (d/2, mixed) — 「サフランの色やバター、チーズといった構成要素は捉えているものの、料理の根幹である米の形状と食感を完全に誤認しており、参考画像とは全く異なる「黄色い豆料理」のような別ジャンルの食べ物になっている。」