文字不只是生成结束后的评分条件。在同一个受损状态和同一个时间上，同一预测网络分别作出有条件和空条件两份预测；CFG调节它们的差异，再把组合后的预测交给更新规则。下一步仍然重复这件事。因此，文字可以沿生成过程持续改变走向。

主画布最后一态给出本轮实际运行的 g=1/4/8 三张结果：提示均为 A red ceramic mug on a wooden table beside a window, soft daylight, still life photograph，使用相同 seed 11 和已保存初始 latent，固定模型、步数、尺寸和采样规则，只改变引导强度。比较杯身、把手、材质与窗边构图的实际变化；这一个 seed 不能证明“数值越大越好”，也不能估计候选分布的多样性。

说明另附“红杯在梨左边”的构造图，帮助分清三种评价对象：条件服从检查图与要求之间的关系；形体自然度检查图内对象是否成立；多样性检查一批候选是否提供不同的合法答案。左右错位、断柄、近重复分别暴露不同问题。这些图是教学构造，不能冒充上面真实 CFG 对照的输出；三种评价也不能由某一项提升代替。它们与 N22 的批量评价呼应，此处新增的是怎样把文字条件影响加入每一步更新。

Classifier-Free Guidance（CFG）的直觉，是比较同一状态下“给了条件”与“没有这项条件”两种预测，再调节二者差异对更新的影响。空条件分支需要有相应训练依据，不能在使用时任意把一个没这样训练过的模型输入清空，就认定得到了可靠的无条件预测。

一种常用记法是“空条件预测 + g ×（有条件预测 − 空条件预测）”。按这套约定，g=0 使用空条件预测，g=1 回到有条件预测，g>1 放大条件差异；有些材料采用偏移后的参数命名，读数前要先对齐公式。这里改变的是预测如何被组合，再经采样规则改变生成倾向，不是给最终图片贴一个“更听话”的标签。

“把引导强度一直加大，是不是就能同时更准确、更好看？” 不保证。强化某个方向可能提高条件显著性，也可能损害细节或减少候选变化。即使六张都把红杯放对位置，其中五张近重复，对探索任务仍有代价。应该固定提示、采样数量和其他条件，分别记录守约、形体、覆盖以及计算成本。

常规双分支 CFG 在一个更新位置需要有条件与空条件两份预测；可以批量计算，仍不意味着工作量免费。速度和质量的取舍应在完整运行中衡量。本页一个 seed 的三张真实图没有测出最优引导强度或一般速度收益；中间状态的机制示意也不是这三次运行保存的推理轨迹。

下一页再换一个改进位置：如果每次预测处理的表示更紧凑，或网络骨干更易扩展，系统会怎样改变？

与实际pipeline的对应

LAB06 固定 SD 1.5，模型 commit 451f4fe16113bff5a5d2269ed5ad43b0592e9a14，Diffusers 0.35.1，CPU bfloat16。三次运行均为 DDIM、20 步、eta=0、512×512、空负提示，使用相同 seed 11 和同一已保存初始 latent。此 pipeline 在 guidance_scale≤1 时跳过双分支 CFG，但仍向模型输入文字条件；所以界面 g=1 是普通条件预测，不能把 g=0 按钮解释成上述公式的空条件预测。实际外推对照为 g=1/4/8：g=4/8 每一步组合两份预测，再更新状态。保存图分别为 txt-cfg-1-seed-11.png、txt-baseline-seed-11.png（g=4）、txt-cfg-8-seed-11.png；运行设置和可选重算入口见 LAB06。