Mit freundlicher Unterstützung von
← Zurück zu GenAI & Content Creation
CFG Scale (Classifier-Free Guidance Scale) ist ein Parameter in Stable Diffusion, der steuert, wie stark das Modell dem Textprompt gegenüber der unkonditionierten (prompt-freien) Generierung bevorzugt, und damit die Prompttreue und Bildcharakteristik maßgeblich beeinflusst.

Rubrik: GenAI & Content Creation · Unterrubrik: Stable Diffusion · Niveau: Fortgeschritten


Was ist CFG Scale?

CFG Scale, häufig auch Guidance Scale genannt, wurde im Kontext von Classifier-Free Guidance (Ho & Salimans, Workshop-Fassung 2021, arXiv 2022) eingeführt und ist seitdem ein Standardparameter klassischer Diffusionsmodelle. Destillierte Modelle wie FLUX.1 oder SDXL-Turbo arbeiten dagegen ohne oder mit eingebauter Guidance. Der Parameter beantwortet mathematisch eine grundlegende Frage: Wie viel Gewicht legt das Modell auf den Textprompt im Vergleich zu seiner freien, prompt-unabhängigen Vorstellung eines Bildes?

Der Wert liegt typischerweise zwischen 1 und 20; für SD 1.5 und SDXL sind Werte um 5-9 üblich.


Erklärung

Mathematischer Hintergrund

Classifier-Free Guidance modifiziert den Rauschentfernungsschritt in jedem Diffusionsschritt:

`` Angepasstes Noise Estimate = unkonditioniertes Estimate + CFG_Scale × (konditioniertes Estimate-unkonditioniertes Estimate) ``

Bei CFG = 1: Die Formel ergibt genau das konditionierte Estimate. Der Prompt wirkt also, wird aber nicht zusätzlich verstärkt; der Negative Prompt (der in A1111 und ComfyUI das unkonditionierte Estimate ersetzt) fällt heraus. ComfyUI spart bei CFG 1 die zweite Berechnung deshalb ganz ein.

Bei CFG = 7: Das Modell verstärkt den Unterschied zwischen prompt-geführtem und prompt-losem Denoising um den Faktor 7. Der Prompt dominiert die Bildgestaltung deutlich.

Bei CFG = 15+: Extreme Prompttreue, aber das Signal wird überverstärkt, Artefakte, Überzeichnung, neonhafte Farben und inkohärente Strukturen entstehen.

Auswirkungen im Bildbereich

CFG 1-3 (sehr niedrig, bei klassischen SD-Modellen): Das Modell folgt dem Prompt nur locker. Bilder sind ästhetisch, aber semantisch unbestimmt. Gut für: Explorative Textur-Generierung, abstrakte Kunst.

CFG 4-5 (niedrig): Lockere Promptinterpretation. Das Modell zeigt Kreativität. Weiche, diffuse Bilder. Gut für: Atmosphärische Illustrationen.

CFG 6-8 (Standard): Ausgewogene Balance zwischen Prompttreue und Bildqualität. Empfehlung für die meisten Anwendungen. CFG 7 ist der de-facto-Standardwert.

CFG 9-12 (mittel-hoch): Präzisere Promptfolge, schärfere Kanten, kräftigere Farben. Gut für: Wenn spezifische Elemente zwingend erscheinen müssen. Beginnt bei manchen Modellen Textur-Artefakte zu zeigen.

CFG 13-15 (hoch): Sehr strenge Promptfolge. Bilder wirken oft überschärft, Farben überzeichnet. Nur für spezifische künstlerische Effekte empfehlenswert.

CFG 16+ (sehr hoch): Fast nie sinnvoll. Artefakte, Bildkorruption, extrem unnatürliche Erscheinung. Kann für psychedelische/experimentelle Zwecke genutzt werden.

CFG Scale bei klassischen SD-Modellen
CFG 16 und mehr: Artefakte und unnatürliche Bilder
CFG 6-8: ausgewogene Balance, CFG 7 als De-facto-Standard
Destillierte Modelle wie FLUX.1, SDXL-Turbo oder Lightning brauchen keine oder nur eine sehr niedrige CFG
Quelle: Eigene Darstellung nach diesem Eintrag, Stand November 2026

Modellspezifische Unterschiede

Der optimale CFG-Wert variiert je nach Modell erheblich:

ModellCFG-Empfehlung
SD 1.5etwa 6-8 (Community-Richtwert)
SDXLetwa 5-9 (Community-Richtwert)
FLUX.1 [dev]CFG 1, dazu Guidance-Wert 3,5 (Modellkarte)
FLUX.1 [schnell]keine Guidance (guidance_scale 0 in der Referenz), 1-4 Steps
SDXL-Turboguidance_scale 0, 1-4 Steps (Modellkarte)
SDXL-Lightningguidance_scale 0, Euler mit „trailing“-Timesteps (Modellkarte)
LCM-ModelleGuidance über ein eingebautes Embedding; laut Diffusers-Doku 1,0 meist ausreichend, Negativprompts wirken nicht

Diese Unterschiede entstehen durch verschiedene Trainings- und Destillationsmethoden. Destillierte Modelle (Turbo, LCM, Lightning, FLUX.1) haben die Guidance bereits ins Modell integriert und benötigen keine oder nur eine sehr niedrige externe CFG.


Schritt-für-Schritt / Einrichtung

CFG-Scale-Optimierung per X/Y-Plot

``` Script: X/Y/Z Plot in AUTOMATIC1111 X-Type: CFG Scale X-Values: 4, 5, 6, 7, 8, 9, 10, 12 Fixed Seed: 42 Gleicher Prompt und Sampler

→ Alle CFG-Werte mit einem Klick vergleichen → Optimum für das spezifische Modell und den Prompt visuell identifizieren ```

Dynamic Thresholding und CFG Rescale

Dynamic Thresholding wurde mit Googles Imagen eingeführt (Saharia et al., 2022): Extremwerte der Vorhersage werden pro Schritt gekappt, sodass höhere Guidance-Werte weniger Überzeichnung erzeugen. Für A1111, ComfyUI und SwarmUI gibt es dafür die Extension „sd-dynamic-thresholding“ (mcmonkeyprojects) mit dem Modus „Mimic CFG“.

CFG Rescale stammt aus Lin et al. (2023), die eine Neuskalierung der Classifier-Free Guidance gegen Überbelichtung vorschlagen. In ComfyUI steht dafür der Node „RescaleCFG“ zur Verfügung.

`` CFG Scale: 12 # höher als sonst üblich CFG Rescale Factor: 0.7 # dämpft Überzeichnung ``

Flux-spezifische Guidance

Flux verwendet eine andere Guidance-Implementierung (Distilled Guidance statt klassischer CFG):

`` ComfyUI (Flux): → KSampler: CFG = 1.0 → Node: FluxGuidance für den Guidance-Wert → Guidance Value: 3.5 (Referenzwert der FLUX.1-[dev]-Modellkarte) → FLUX.1 [schnell]: keine Guidance, 1-4 Steps ``


Beispiele (5 konkrete Anwendungsfälle)

  1. Fotorealistisches Portrait (SD 1.5): CFG 6-7, Steps 25, DPM++ 2M Karras. Der niedrige CFG ermöglicht natürliche Hauttöne und vermeidet die überschärfte Plastikoptik, die bei CFG > 9 entsteht.
  2. Konzeptkunst mit spezifischen Elementen: Ein Prompt enthält viele spezifische Elemente (bestimmte Objekte, Farben, Charakteristika). CFG 9-10 erzwingt, dass das Modell möglichst viele Prompt-Elemente berücksichtigt statt künstlerisch zu vereinfachen.
  3. Abstrakte Textur-Generierung: Für Hintergrundtexturen ohne semantische Aussage wird CFG 2-3 genutzt, das Modell ignoriert den Prompt weitgehend und erzeugt freie, ästhetische Texturen.
  4. Negative-Prompt-Wirksamkeit erhöhen: Bei CFG 1 wirken Negative Prompts gar nicht, bei niedrigen Werten nur schwach. Um bestimmte Elemente zuverlässiger auszuschließen, hilft bei klassischen SD-Modellen ein CFG im üblichen Bereich (etwa 6-8). Als Inhaltsfilter taugen Negative Prompts nicht.
  5. Echtzeitnahe Skizzeninterpretation mit LCM: Ein interaktives System generiert aus handgezeichneten Skizzen via img2img und LCM in wenigen Steps Bilder. LCM nutzt eine eingebaute Guidance und braucht keine zweite, unkonditionierte Berechnung, was die Generierung beschleunigt.

In der Praxis

Die CFG-Qualitätskurve

Für die meisten Modelle zeigt die Qualität eine umgekehrte U-Kurve:

  • Steigt von CFG 1 bis zum Optimum (je nach Modell 5-9)
  • Fällt danach durch zunehmende Artefakte wieder ab

Dieses Optimum zu kennen ist für professionelle Workflows entscheidend.

CFG und Negative Prompts zusammen

CFG und Negative Prompts interagieren direkt: Der Negative Prompt definiert die unkonditionierte Richtung, von der das Modell weggedrückt wird. Bei höherem CFG wird stärker von den Negativen weggedrückt, was gewollte (Qualitätsverbesserung) und ungewollte (Überzeichnung) Effekte hat.

`` Optimale Kombination für SD 1.5: CFG: 7 Negative: "blurry, deformed, ugly, low quality, watermark, jpeg artifacts" → Gute Qualitätssteigerung ohne Artefakte ``


Vergleich & Abgrenzung

CFG-WertPrompttreueBildqualitätArtefakt-RisikoEmpfehlung
1-3Sehr niedrigWeichKeinsAbstrakt/Textur
4-5NiedrigGutKeinsIllustrationen
6-8MittelSehr gutGeringStandard
9-12HochGutMittelSpez. Inhalte
13-15Sehr hochMittelHochSelten sinnvoll
16+ExtremSchlechtSehr hochExperimentell

Häufige Fragen (FAQ)

F: Warum sehen meine Bilder bei hohem CFG so künstlich aus? Das ist ein bekanntes Phänomen namens „CFG Burn": Bei hohen CFG-Werten werden positive Bildmerkmale (Helligkeit, Sättigung, Schärfe) überproportional verstärkt, was zu neonartigen Farben, übertriebenen Kontrasten und plastischem Erscheinungsbild führt. Abhilfe: CFG reduzieren oder Dynamic Thresholding / CFG Rescale aktivieren.

F: Warum braucht Flux so viel niedrigere CFG-Werte als SD 1.5? Flux nutzt Distilled Guidance, bei dem Guidance-Information bereits während des Trainings in die Modellgewichte eingearbeitet wurde. Klassische CFG-Verstärkung on top führt daher zu Übersteuerung. Der FluxGuidance-Node in ComfyUI übergibt den Guidance-Wert als Eingabe an das Modell; die klassische CFG im KSampler bleibt dabei auf 1.

F: Wirkt der Negative Prompt auch bei CFG 1? Nein. Bei CFG 1 ergibt die Guidance-Formel genau die Vorhersage mit dem positiven Prompt, die Vorhersage mit dem Negative Prompt fällt heraus. ComfyUI überspringt sie in diesem Fall ganz.


Verwandte Einträge


Weiterführend

  • Ho, J. & Salimans, T. (2022). Classifier-Free Diffusion Guidance. Kurzfassung NeurIPS 2021 Workshop on Deep Generative Models.
  • Karras, T. et al. (2022). Elucidating the Design Space of Diffusion-Based Generative Models. NeurIPS 2022.
  • Lin, S. et al. (2023). Common Diffusion Noise Schedules and Sample Steps are Flawed. (CFG Rescale)
  • Black Forest Labs: FLUX.1 [dev], Modellkarte.
  • Dynamic Thresholding: Saharia, C. et al. (2022). Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding (Imagen).
← Zurück zu GenAI & Content Creation
Infotag

Sei am Freitag dabei.
Bring Eltern oder Freunde mit.

Ein halber Nachmittag, der dir drei Jahre Klarheit bringen kann. Kostenlos, unverbindlich, ehrlich.

  • Rundgang durch Studios, Schnitträume und Tonstudio
  • Echte Absolventenfilme sehen
  • 1:1-Beratung zu Bewerbung & BAföG
  • Studierende direkt fragen
  • Kaffee, kein Sales-Pitch
  • Auch online möglich

Platz beim Infotag reservieren

Dauert 30 Sekunden. Bestätigung per E-Mail.
100 % kostenlos · keine Verpflichtung · jederzeit absagbar