先理解采样器在做什么
采样器决定扩散模型如何从随机噪声一步步还原成图像。它控制的是「去噪路径」，而不是模型本身。同一模型、同一提示词、同一种子，换采样器就可能出现明显差异：有的更快收敛，有的细节更锐利，有的画面更柔和或更具随机创意。
实际使用中，采样器与调度器（常称 Karras 等）通常成对出现，共同影响步数需求与最终效果。因此选择采样器要同时考虑速度、稳定性和你想要的结果类型。
DPM++ 2M Karras：速度与质量均衡，日常首选
DPM++ 2M Karras 是多步 DPM-Solver 的改进版本，配合 Karras 噪声调度，能在较少步数下获得稳定、细节较好的结果。它不依赖额外随机噪声注入，因此画面结构更可控、重复性更好，适合批量生成和反复微调。
在大多数通用场景中，它是效率与质量的平衡点。如果你不想频繁试错，把它作为默认采样器最省心。
Euler a：速度快、创意好，适合快速初筛
Euler a 属于祖先采样器，每步都会注入新的随机噪声。这让它在低步数下就能产生较有「灵气」的画面，构图和风格偶尔更跳脱，适合灵感探索与快速初筛。它的代价是稳定性稍弱：同一提示词和种子下，结果波动更明显，细调时不易精确复现。
因此它更适合前期的批量草稿阶段，用较少时间筛选出有潜力的方向，再换更稳定的采样器精修。
DPM++ SDE Karras：质量最高但慢，适合最终出图
DPM++ SDE Karras 结合了随机微分方程思路与 Karras 调度，通常能给出更丰富的纹理、更自然的过渡和更强的画面完成度。代价是速度明显更慢，且同样带随机性，需要更多步数与时间才能稳定发挥。
它适合在已经确定构图和提示词后，用于最终出图或高分辨率精修。如果你追求单张最佳质量，愿意等待，它是优先选项。
步数怎么配：DPM++ 系列 20–30 步，Euler a 25–35 步
DPM++ 2M Karras 与 DPM++ SDE Karras 一般在 20–30 步就能收敛到不错效果；继续增加步数收益递减，主要提升细节稳定性而非大幅改变画面。Euler a 因为每步注入噪声，通常需要 25–35 步，让噪声扰动逐渐被平均掉，画面才更完整。
实操建议：先用 Euler a 25–30 步快速出草稿，选定方向后换 DPM++ 2M Karras 25 步左右精修；若追求最终质量，再用 DPM++ SDE Karras 28–30 步输出。步数不必盲目拉高，超过 35 步往往只增加耗时，画面改善有限。
如何按需求选
日常通用与批量生产选 DPM++ 2M Karras；灵感探索与快速筛选选 Euler a；最终成品与高质量单图选 DPM++ SDE Karras。三者并非互斥，而是对应工作流的不同阶段：先快后稳再精，能显著提升出图效率与成片率。