Sampler og scheduler
En sampler er den matematiske metoden en bildemodell bruker for å fjerne digital støy trinn for trinn, mens en scheduler bestemmer hvor store disse stegene skal være underveis. Disse innstillingene justeres vanligvis i lokale verktøy som Stable Diffusion og ComfyUI, mens lukkede skytjenester styrer dette automatisk i bakgrunnen.
Også kjent som: sampler, sampler_name, scheduler, Euler, DPM++ 2M Karras
Før og etter: min test




Modell: Stable Diffusion XL 1.0 (przez API fal.ai, 30 kroków, CFG 7,5). Innstillinger: seed 1411, 30 steg, CFG 7,5, bare sampleren endres. Dato: 14.11.2026.
Prompt: a lighthouse on a rocky coast at dusk, waves crashing, dramatic sky, wide shot, photo
Under testen ga Euler, DPM++ 2M Karras og DDIM nesten nøyaktig samme bildeutsnitt, der de små forskjellene kun vistes i teksturen på vannet og svabergene. Euler a (ancestral) bygde derimot opp et helt annet bilde: et fyrtårn ute på en holme. Samplere med suffikset «a» eller ancestral tilfører fersk støy i hvert eneste steg, og kan dermed ta en helt annen retning selv med samme seed.
Hva det kalles i de ulike generatorene
| Generator | Parameter | Verdier | Standardverdi |
|---|---|---|---|
| Seedream | ubekreftet | - | - |
| ComfyUI | sampler_name / scheduler (KSampler)Lister fra kildekoden (docs.comfy.org oppgir dem ikke) | sampler_name: euler, euler_cfg_pp, euler_ancestral, euler_ancestral_cfg_pp, heun, heunpp2, exp_heun_2_x0, exp_heun_2_x0_sde, dpm_2, dpm_2_ancestral, lms, dpm_fast, dpm_adaptive, dpmpp_2s_ancestral, dpmpp_2s_ancestral_cfg_pp, dpmpp_sde, dpmpp_sde_gpu, dpmpp_2m, dpmpp_2m_cfg_pp, dpmpp_2m_sde, dpmpp_2m_sde_gpu, dpmpp_2m_sde_heun, dpmpp_2m_sde_heun_gpu, dpmpp_3m_sde, dpmpp_3m_sde_gpu, ddpm, lcm, ipndm, ipndm_v, deis, cfgpp_ud10_ab, res_multistep, res_multistep_cfg_pp, res_multistep_ancestral, res_multistep_ancestral_cfg_pp, gradient_estimation, gradient_estimation_cfg_pp, er_sde, seeds_2, seeds_3, sa_solver, sa_solver_pece, ddim, uni_pc, uni_pc_bh2. scheduler: simple, sgm_uniform, karras, exponential, ddim_uniform, beta, normal, linear_quadratic, kl_optimal | ikke oppgitt i dokumentasjonen |
| Midjourney | ingen slik parameter | - | - |
| FLUX | finnes ikke i API-et | - | - |
| Ideogram | ingen slik parameter | - | - |
| GPT Image | ingen slik parameter | - | - |
| Imagen (avviklet) | mangler i den leste dokumentasjonen | - | - |
| Qwen-Image | mangler i den leste dokumentasjonen | - | - |
| Stability AI (SD 3.5) | finnes ikke i API-et | - | - |
- Kilder, sjekket 14.11.2026:
- Seedream: docs.byteplus.com/en/docs/ModelArk/1541523
- ComfyUI: raw.githubusercontent.com/comfyanonymous/ComfyUI/master/com...
- Midjourney: docs.midjourney.com/hc/en-us/articles/32859204029709-Parame...
- FLUX: docs.bfl.ml/api-reference/utility/generate-an-image-with-fl...
- Ideogram: developer.ideogram.ai/openapi/ideogram-api-v2.json
- GPT Image: developers.openai.com/api/docs/guides/image-generation
- Imagen: docs.cloud.google.com/vertex-ai/generative-ai/docs/image/ge...
- Qwen-Image: www.alibabacloud.com/help/en/model-studio/qwen-image-genera...
- Stability AI: docs.stability.ai/api-reference/generate/stable-diffusion-3...
Når det bør brukes
- behold standardvalget så lenge du er fornøyd med detaljene i bildet
- bytt til en ancestral-sampler som Euler a når du vil utforske kreative variasjoner med samme seed
- hold deg til standardvarianter som Euler eller DPM++ 2M når du trenger konsistente resultater for direkte sammenligninger
Typisk feil
Å sammenligne ulike samplere uten å låse fast seed-verdien, fordi du da vurderer tilfeldig variasjon i stedet for samplerens faktiske oppførsel. En annen vanlig feil er å jakte på én magisk favorittsampler til alt: i praksis utgjør ledeteksten og veiledningsskalaen (CFG) langt større forskjeller enn valget mellom vanlige samplere.
Eksempel klart til kopiering
ComfyUI: KSampler -> sampler_name = dpmpp_2m, scheduler = karras AUTOMATIC1111 / Forge: Sampling method: DPM++ 2M, Schedule type: Karras Midjourney, GPT Image, Ideogram: ingen parameter
Ofte stilte spørsmål
Hvilken sampler er best?
Det finnes ingen universell vinner. For rene og forutsigbare bilder fungerer Euler eller DPM++ 2M sammen med Karras-skjemaet stabilt, mens ancestral-varianter passer bedre hvis du ønsker mer uventede tolkninger.
Hva er den praktiske forskjellen på en sampler og en scheduler?
Sampleren velger retningen og algoritmen for å trekke ut motivet fra støyen, mens scheduleren fungerer som et speedometer som fordeler støynivået jevnt over det valgte antallet steg.
Hvorfor ser bildene mine helt like ut på tvers av to ulike samplere?
Mange moderne samplere bygger på beslektede matematiske prinsipper. Hvis de ikke legger til ny støy underveis, vil de ofte konvergere mot nesten identiske piksler så lenge ledetekst og seed er låst.
Må jeg stille inn dette i enkle nettjenester?
Nei, de fleste kommersielle generatorer har forhåndsvalgt en fast kombinasjon som gir god fart og balanse, slik at du slipper å forholde deg til tekniske parametere.
