# CacheScope beschleunigt Diffusionsmodelle ohne zusätzliches Training

> Die neue CacheScope-Methode verkürzt die Inferenzzeit um bis zu 3,5× und verringert zugleich den Qualitätsverlust bei Bildern. Sie funktioniert mit FLUX.1-dev, Wan2.1-T2V-1.3B und Open‑Sora 1.2.

Oossa · 2026-10-12 · https://oossa.com/de/cachescope-speeds-up-diffusion-models-without-extra-training

Ein von Qinhan Lyu geleitetes Forschungsteam hat CacheScope vorgestellt. Die Methode entscheidet bei der Inferenz von Diffusionsmodellen, wann die vollständige Entrauschungsberechnung nötig ist und wann zwischengespeicherte Näherungswerte wiederverwendet werden können. Sie kommt ohne zusätzliches Training, Gradienten oder separate Netzwerke aus. Bei drei verbreiteten Diffusionsmodellen beschleunigt sie die Generierung um bis zu das 3,57-Fache und senkt den medianen LPIPS-Fehler im Vergleich zur stärksten bestehenden sondengestützten Methode um bis zu 70,1 Prozent.

## Die Fakten

- Paper am 2026-10-12 auf arXiv veröffentlicht
- Bei den getesteten Modellen bis zu 3,57× schneller und 70,1 Prozent weniger LPIPS-Fehler

## Warum es wichtig ist

Entwickler können Bilder schneller und detailgetreuer generieren, ohne Ressourcen für zusätzliches Training aufzuwenden.

## Quellen und Referenzen

1. [CacheScope: Exact-Compute Allocation for Training-Free Diffusion Acceleration](https://arxiv.org/abs/2610.12530) – arXiv cs.LG, 2026-10-12

Zuletzt aktualisiert: 2026-10-12