Numero di step (sampling steps)
Il numero di step indica i passaggi di riduzione del rumore (denoising) che l'intelligenza artificiale esegue per trasformare una griglia di pixel casuali in un'immagine definita. Se il valore è troppo basso il risultato somiglierà a una bozza sfuocata, mentre oltre una certa soglia i calcoli aggiuntivi richiedono solo più tempo senza migliorare la resa visiva. Trovare il giusto equilibrio permette di ottimizzare la qualità riducendo l'attesa.
Noto anche come: steps, num_inference_steps, sampling steps
Prima e dopo: la mia prova




Modello: FLUX.1 [dev] (otwarte wagi, przez API fal.ai). Impostazioni: seed 1411, guidance 3,5, varia solo il numero di step. Data: 14.11.2026.
Prompt: a ceramic teapot and two cups on a wooden table next to a window, soft morning light, still life photo
Nel mio test pratico, 4 step hanno prodotto uno schizzo piatto e nebbioso. Con 10 passaggi l'immagine era già leggibile ma ancora morbida nei contorni. Tra 28 e 50 step la differenza riguardava solo minuscoli dettagli compositivi e non la qualità complessiva, mentre il tempo di calcolo è quasi raddoppiato, passando da 5,9 a 9,4 secondi.
Come si chiama in ciascun generatore
| Generatore | Parametro | Valori | Predefinito |
|---|---|---|---|
| FLUX | stepsAssente in FLUX 3 Image e FLUX.2 [pro]. Klein: Distilled 16 passaggi, Base 50 | FLUX.2 [flex]: 1-50; Fill/Expand: 15-50 | 50 |
| Seedream | non confermato | - | - |
| Imagen (dismesso) | editConfig.baseSteps (solo modifica)Per l'outpainting la documentazione suggerisce di iniziare da 35 | numero intero | - |
| ComfyUI | steps (KSampler) | 1-10000 | 20 |
| Midjourney | nessuno (indirettamente --stop nelle versioni precedenti) | - | - |
| Ideogram | nessun parametro del genere | - | - |
| GPT Image | nessun parametro del genere | - | - |
| Qwen-Image | assente nella documentazione letta | - | - |
| Stability AI (SD 3.5) | assente nell'API | - | - |
- Fonti, verificate il 14.11.2026:
- FLUX: docs.bfl.ml/api-reference/models/generate-or-edit-an-image-...
- Seedream: docs.byteplus.com/en/docs/ModelArk/1541523
- Imagen: docs.cloud.google.com/vertex-ai/generative-ai/docs/image/ed...
- ComfyUI: docs.comfy.org/built-in-nodes/sampling/ksampler
- Midjourney: docs.midjourney.com/hc/en-us/articles/33329788681101-Legacy...
- Ideogram: developer.ideogram.ai/openapi/ideogram-api-v2.json
- GPT Image: developers.openai.com/api/docs/guides/image-generation
- Qwen-Image: www.alibabacloud.com/help/en/model-studio/qwen-image-genera...
- Stability AI: docs.stability.ai/api-reference/generate/stable-diffusion-3...
Quando usarlo
- Pochi step (da 4 a 10) per generare bozzetti veloci quando cerchi l'inquadratura ideale per un progetto grafico
- Il valore predefinito suggerito dal modello per la versione finale da consegnare
- Modelli ottimizzati per la velocità come le versioni turbo, schnell o lightning, nati per lavorare su pochissimi passaggi
Errore tipico
Impostare 100 o 150 step convinti di ottenere un fotorealismo superiore. Nella mia prova pratica 50 passaggi non hanno portato alcun miglioramento visibile rispetto a 28, allungando solo l'elaborazione. Questo errore si traduce in attese inutili e in un costo maggiore se utilizzi schede grafiche a noleggio su server cloud.
Esempio pronto da copiare
ComfyUI: KSampler -> steps = 20-30 FLUX.2 [flex]: "steps": 50 (predefinito) Midjourney, GPT Image, Ideogram, FLUX 3: parametro assente
Domande frequenti
Quanti step impostare di solito con Stable Diffusion?
Per i modelli tradizionali la fascia ideale è tra 20 e 30 step. I modelli rapidi da pochi passaggi come turbo o lightning richiedono invece tra 4 e 8 step al massimo, e valori superiori tendono a rovinare l'immagine.
Cosa succede all'immagine se si usano troppi step?
Oltre il limite fisiologico del modello, l'immagine smette di acquisire dettagli reali e inizia a subire micro-variazioni casuali, sprecando risorse di calcolo senza alcun beneficio qualitativo.
Come mai in Midjourney o altri servizi commerciali non trovo questo parametro?
Molte piattaforme destinate al grande pubblico nascondono i sampling step dietro le quinte per semplificare l'interfaccia, assegnando in automatico il valore ottimale calibrato dagli ingegneri del servizio.
