NVIDIA 与 Hugging Face 联合宣布，NeMo Automodel 已经接入 Diffusers 库：开发者可以直接对 Hub 上任何 Diffusers 格式、采用 flow matching 训练目标的图像和视频扩散模型做分布式微调——全量微调或 LoRA 都行，不用把权重转成专门的训练格式，也不用为每个新模型重写脚本。目前打通的模型包括 FLUX.1-dev、FLUX.2-dev、Wan 2.1/2.2、HunyuanVideo 1.5 和 Qwen-Image 六个系列，代码以 Apache 2.0 协议开源。
这次合作真正解决的问题不是"训练贵不贵"，而是"从单卡跑通一个 LoRA，到几十张卡跑全量微调"这条路要不要推倒重写。对企业训练团队来说，省下的是工程适配的时间；对独立开发者，能不能用上，还是取决于手里有没有那几张 H100。
检查点不用来回转了
过去用 Diffusers 自带的训练脚本练大模型，常见流程是先把 Hub 上的预训练权重转成训练框架能吃的格式，练完再转回来才能塞进 pipeline 推理、传回 Hub 分享。每来一个新模型，往往还得单独写一套训练脚本。
NeMo Automodel 换了个思路：直接调用 Diffusers 的模型类（比如 WanTransformer3DModel）和 pipeline（WanPipeline）加载权重，训练产出的 checkpoint 能直接塞回 DiffusionPipeline 做推理或回传 Hub，量化、编译、LoRA 适配器这些下游工具都不用改。官方给出的示范是用 78 张 Rider-Waite 塔罗牌图片，触发词 trtcrd，对 FLUX.1-dev 做全量微调——200 步之后，画风稳定切到复古卡牌调性，且没有触发词时基本不影响原本的写实输出。
省的是工程时间，不是显卡预算。
工程扩展性是真价值，算力门槛没变
NeMo Automodel 的卖点是"一套程序，任意规模"：从单卡 LoRA 到多机全量微调，切换 FSDP2、张量并行、上下文并行、流水线并行只是改一行 YAML 配置，不用碰模型代码。这对 FLUX.1-dev（12B）、HunyuanVideo 1.5（13B）这种大模型的多卡训练确实是刚需——用 Diffusers 内置脚本手撸这套并行逻辑，工作量完全不是一个量级。
官方给出的吞吐数据来自单节点 8 张 H100 80GB，图像数据集是缓存好的 256 张 naruto 图片，视频数据集是 112 条片段，测试全程关闭了检查点写入：
- 风险.这组数字是理想环境下测出来的——数据全部预编码缓存、checkpoint 写入被关掉，实际生产训练里加上真实数据加载和定期存档，速度会明显更慢，不能当独立 benchmark 直接外推到消费级显卡或异构集群。
谁能真的用上，谁还得再等等
这套方案目前只支持 flow-matching 类扩散模型，其他训练目标的扩散模型接不进来。新模型接入 NeMo Automodel，仍需要单独写一个数据预处理处理器和一个模型适配器，只是比整套自定义训练脚本轻很多。多节点编排现在靠 SLURM，Kubernetes 编排和纯 Python 版 API 官方说"即将推出"，眼下配置方式只有 YAML 一条路。
对企业训练团队，这次集成实打实省下了模型适配和检查点转换的重复劳动，尤其是想在 FLUX、Wan、HunyuanVideo 之间来回切换训练目标的团队。对没有多卡集群的小团队和独立开发者，NeMo Automodel 的并行能力基本用不上——该做单卡 LoRA 还是先掂量一下，是不是真需要全量微调这条更贵的路。