在 AI 生成内容领域，扩散模型的推理性能直接决定了生产效率与落地成本。SGLang Diffusion 作为主打高吞吐、低延迟的扩散模型推理框架，凭借丰富的优化技术与广泛的模型适配能力，成为越来越多开发者的部署选择。
为了帮助开发者快速匹配业务场景、选型合适的模型与优化方案，SGLang 官方发布了完整的兼容性矩阵，覆盖图像、视频、实时世界模型三大模态，同时梳理了优化技术、组件替换、LoRA 生态等全维度的支持情况。本文基于官方最新兼容性文档，系统拆解 SGLang Diffusion 的能力边界与使用要点。
一、全模态模型支持清单
SGLang Diffusion 支持直接通过 Hugging Face 模型 ID 加载模型，无论是sglang generate命令行生成、sglang serve服务部署，还是 Python API 调用，都可以直接传入对应 ID 使用。未列出的检查点别名也并非不支持，运行时注册器可自动识别同模型家族的本地目录与检测器别名。
目前支持的模型覆盖三大类场景：
1. 图像生成模型
图像生成是 SGLang Diffusion 最成熟的支持场景，覆盖当前主流的开源与商用图像模型家族：
- FLUX 全系列：包含 FLUX.1-dev、FLUX.2-dev、FLUX.2-klein 4B/9B 等全版本，原生支持 NVFP4 量化版本
- 通义 Z-Image 系列：Z-Image 基础版、Z-Image-Turbo 加速版
- Qwen-Image 系列：覆盖基础文生图、图像编辑、分层生成等多个方向，包含 2509、2511、2512 等迭代版本
- SD3/SD3.5 系列：Stability AI 官方的 medium、large 版本，完全兼容 diffusers 格式
- SANA 高效系列：600M、1.6B、4.8B 等不同参数量的轻量模型，支持 512px、1024px 多种分辨率
- 其他兼容模型：FireRed-Image 编辑模型、JoyAI-Image、GLM-Image、Hunyuan3D-2、ERNIE-Image、Ideogram 4 等
2. 视频生成模型
视频生成是 SGLang Diffusion 的核心优化场景，覆盖当前主流开源视频模型，支持文生图（T2V）、图生视频（I2V）、文图生视频（TI2V）等多种生成模式：
- Wan 系列：包含 Wan2.1（1.3B/14B 参数量，支持 T2V/I2V 模式）、Wan2.2（5B TI2V、14B T2V/I2V）全系列，适配 480p、720p 分辨率
- 速度优化衍生系列：主打轻量推理的 FastWan 系列、适配稀疏线性注意力的 TurboWan 系列，以及 FastHunyuan 加速版
- 混元视频系列：官方 HunyuanVideo 与 FastHunyuan 优化版，支持 720×1280、544×960 竖屏分辨率
- 特色视频模型：支持音视频同步生成的 MOVA 模型、Helios 系列 720p 模型、LTX-2/LTX-2.3 多阶段高清模型、NVIDIA Cosmos3 多模态模型，以及 Wan2.1 Fun 修复版等衍生模型
3. 实时世界模型
针对实时交互与世界模拟场景，支持两类专用世界模型管线：
- LingBotWorld：带因果状态与控制 token 的实时世界模型
- SANA-WM：提供双向与流式两个检查点的世界模型管线
二、视频模型优化兼容性详解
SGLang Diffusion 为视频模型提供了十余种定向推理优化技术，不同模型家族的适配情况差异较大。核心优化技术缩写说明如下：
Tea= TeaCache 推理缓存优化Tile= Sliding Tile Attention 滑动分块注意力Sage= Sage Attention 注意力优化VSA= Video Sparse Attention 视频稀疏注意力SLA= Sparse Linear Attention 稀疏线性注意力SageSLA= Sage Sparse Linear Attention（需额外安装依赖）SVG2= Sparse Video Gen 2 稀疏优化LA= Laser Attention 激光注意力BSA= Block Sparse Attention 块稀疏注意力RF= Rain Fusion Attention 融合优化
主流模型优化支持情况
- Wan2.1 全系列（1.3B/14B，T2V/I2V） 是目前优化支持最全面的模型家族，完整兼容 TeaCache、滑动分块注意力、Sage Attention、SVG2、Laser Attention、BSA、Rain Fusion 全部 7 项核心优化，480p 与 720p 分辨率均适配，是追求极致推理性能的首选。
- Wan2.2 全系列 5B TI2V 版本与 14B T2V/I2V 版本均支持 Sage、Laser、BSA、Rain Fusion 四项优化，但暂不兼容 TeaCache 与滑动分块注意力。 注意：Wan2.2 TI2V 5B 用于 I2V 生成时存在已知质量问题，官方正在推进修复。
- HunyuanVideo / FastHunyuan 支持滑动分块注意力、Sage Attention、SVG2 三项优化，适配竖屏短视频生成场景。
- FastWan 系列 仅支持 VSA 视频稀疏注意力优化，主打轻量快速推理场景。
- TurboWan 系列 适配 TeaCache、SLA、SageSLA 优化，是稀疏线性注意力路线的代表模型，不兼容滑动分块与其他注意力优化。
- 其他模型 Helios、LTX-2/2.3、Cosmos3 系列目前暂无专属优化支持，以基础原生推理能力为主。
硬件限制提示
滑动分块注意力（Sliding Tile Attention）目前仅支持 Hopper 架构 GPU（如 H100），其他架构显卡无法启用该优化。
三、可定制化的组件替换体系
SGLang Diffusion 支持单独替换管线中的各个组件，无需更换整个模型即可实现定制化优化。支持通过 CLI 参数或配置文件两种方式指定组件路径，既可以传入 Hugging Face 仓库 ID，也可以使用本地组件目录。
支持替换的组件类型
表格
| 组件类型 | 支持的参数键 | 说明 |
|---|---|---|
| VAE | vae、video_vae、audio_vae |
图像生成常用vae替换，视频 / 音频模型对应专属 VAE |
| Transformer/DiT | transformer、video_dit、audio_dit |
主降噪模型的替换入口，量化模型也可通过此路径加载 |
| 文本编码器与预处理 | text_encoder、text_encoder_2、tokenizer、processor、image_processor |
替换编码器时需同步匹配对应的预处理资源 |
| 辅助组件 | scheduler、spatial_upsampler、vocoder、connectors等 |
仅对应包含该组件的管线生效，如两阶段 LTX 管线的空间上采样器 |
已验证的组件示例
目前官方已验证可正常使用的替换组件包括：
- FLUX.2-dev 可替换为
black-forest-labs/FLUX.2-small-decoder轻量解码器 VAE - FLUX.2-dev 可替换为
fal/FLUX.2-Tiny-AutoEncoder自定义 VAE
四、已验证的 LoRA 生态
SGLang Diffusion 兼容绝大多数遵循 Diffusers 规范的 LoRA 模型，官方也针对主流基础模型验证了一批开箱可用的 LoRA，覆盖风格、加速、功能增强等多个方向：
- Wan2.2：蒸馏加速 LoRA、角色风格 LoRA
- Wan2.1：官方蒸馏加速 LoRA
- Z-Image-Turbo：像素艺术风格 LoRA、去 JPEG 压缩失真 LoRA
- Qwen-Image 系列：闪电加速 LoRA、写实风格、头像生成、创意风格等多类 LoRA
- Qwen-Image-Edit：修复填充 LoRA、编辑加速 LoRA
- FLUX 系列：简约插画、写实风格等常用 LoRA
未在列表中的 LoRA 并非不兼容，多数标准 Diffusers 格式的 LoRA 均可正常运行，官方列表仅代表经过手动验证的稳定版本。
五、关键使用注意事项
- SageSLA 依赖安装 使用 SageSLA 优化前，需要先手动安装 SpargeAttn 依赖： bash运行
pip install git+https://github.com/thu-ml/SpargeAttn.git --no-build-isolation - LTX 系列管线选择 LTX 模型支持多种生成管线，需通过参数指定：
- 单阶段生成：
--pipeline-class-name LTX2Pipeline - 两阶段生成：
--pipeline-class-name LTX2TwoStagePipeline - 两阶段 HQ 高清模式：
--pipeline-class-name LTX2TwoStageHQPipeline两阶段模式支持original与resident两种设备模式，高显存 GPU 默认启用resident模式以获得最佳延迟与吞吐表现。
- 单阶段生成：
- Cosmos3 多模态复用 Cosmos3 的 Nano（8B）与 Super（32B）版本共用同一管线，单个检查点即可支持 T2V、I2V、T2I 三种生成模式，通过
--num-frames 1即可实现文生图。 - 组件替换有效性规则 组件替换仅在目标管线本身包含该组件时生效，替换键需要与管线
model_index.json中的组件名称完全匹配。
总结
SGLang Diffusion 已经构建了覆盖图像、视频、实时世界模型的全模态扩散模型生态，同时针对主流视频模型提供了多维度的推理优化能力，配合灵活的组件替换机制与广泛的 LoRA 兼容性，能够满足从个人创作者到企业级部署的多样推理需求。
完整的兼容性矩阵与最新更新可参考官方文档：SGLang Diffusion Compatibility Matrix
