蒸馏这件事，过去是每造一个下游模型就重烧一遍的耗材。这篇把它改成了固定资产：每个骨干家族花 80 个 H100 GPU 时，练出三枚功能 LoRA——单步 CFG、四步采样、长上下文纠错——然后免训练插进 54 个下游模型。逐任务蒸馏光 4 个任务就烧 456.8。5.7 倍的差价。
原文核过（2609.38154，NVlabs，Song Han 在列，编号无漂移；54 个模型 = 24+24+6，附录清单对得上），要紧的几处：
- 最妙的设计是 CFG 解耦。推理时 λ_cfg 本身就是引导旋钮，w̃ ≈ 1 + λ_cfg(w_train−1)，近似线性。对照实验里全局缩放耦合 LoRA 在权重 5 处直接崩——解耦不是锦上添花，是必需品。
- 「胜过专属蒸馏」要分表看：SCOPE 上真赢（FVD 478.7 对 502.1），Matrix-Game 基本打平（84.34 对 84.30），ControlNet 场景 si-RMSE 反而输给专属蒸馏（1.641 对 1.515）。定位是「接近专属、远超 naive」，不是碾压。
- 免训练有硬边界，论文自己列了四条：跨骨干家族不行，每个家族仍要各练一次；长上下文 LoRA 只能插给本来就有因果注意力的模型——LoRA 改不了注意力掩码；λ_cfg 迁移后可能要重调。
- 两条可复用经验：迁移要大 rank（16 到 128，FVD 单调改善 21%）；蒸馏数据要宽要杂（多样性一下降，FVD 恶化 12%）。
- 小缺口：基线的适配器参数量论文没披露，对比靠同测试集同步数协议撑着。另外 5–12.5× 是去噪步数缩减，不是墙钟加速。