20 сентября 2026 года команда Qwen представила модель генерации изображений «Qwen-Image 2.1». Её ключевая особенность — объединение в одной модели генерации изображений по тексту, редактирования с использованием референсов, компоновки нескольких изображений, локального редактирования, а также генерации и редактирования прозрачного фона (RGBA). Генеративная часть содержит 7 млрд параметров. Вместо бесконечного наращивания масштаба разработчики сделали ставку на размер и эффективность, удобные для локального использования.

Главный вывод: Qwen-Image 2.1 интереснее не как модель, которая рисует идеальный кадр с нуля, а как производственный инструмент, позволяющий бережно изменять существующие изображения, сочетать несколько материалов и править нужные детали. На Reddit особенно хвалят редактирование, согласованность персонажей, компоновку товаров, аутпейнтинг и прозрачные ассеты. При этом пользователи сообщают о явных слабостях: кистях рук, лицах на дальнем плане, шуме мелких деталей, провалах в чёрном, реставрации старых фото и аниме-стилистике.

В этой статье собраны все функции по официальным материалам, а также разобраны основные ветки Reddit и составлена подборка «100 примеров» генерации и редактирования, вызвавших обсуждение. Под 100 пунктами подразумеваются не 100 независимых публикаций, а отдельные темы и операции, проверенные в нескольких популярных постах, галереях и рабочих процессах.

Что такое Qwen-Image 2.1

Qwen-Image 2.1 — интегрированная модель генерации и редактирования изображений семейства Qwen. Согласно официальному описанию, генеративная часть использует 32-слойный Single-Stream DiT и 7 млрд параметров. Qwen3-VL 8B преобразует текстовые инструкции и условные изображения в общее представление, а 64-канальный RGBA VAE отвечает за 16-кратное пространственное сжатие и нативную прозрачность.

Официально заявлены четыре ключевых улучшения.

1. Компактность и эффективность: mixed-granularity attention и повторное использование prefix KV cache улучшают баланс качества и вычислительной стоимости.
2. Единая генерация и редактирование: обычные и прозрачные изображения можно создавать и редактировать одной моделью.
3. Многофункциональное редактирование: до 10 референсных изображений, локальные указания масками и разметкой, сохранение идентичности людей и товаров.
4. Фактура и эстетика: улучшены типографика, портретное освещение и мелкие текстуры.

Источники: официальный блог Qwen, официальный GitHub, документация Diffusers

Обзор всех возможностей

1. Генерация изображений по тексту

Поддерживается обычный Text-to-Image. Модель работает не только с короткими запросами, но и со сложными длинными описаниями на естественном языке через Qwen3-VL: композицией, светом, материалами, передним и задним планом, текстовыми элементами. В официальных примерах базовым значением служат 40 шагов; сообщество также тестирует ускоряющие LoRA на 8–16 шагах и настройки на 30–40 шагов с приоритетом качества.

2. Редактирование изображений

Одновременно подаются входное изображение и текстовая инструкция; можно менять цвет, погоду, фон, одежду, позу, материал, освещение, угол камеры и другое. На Reddit часто считают, что редактирование у модели сильнее чистого T2I.

3. До 10 референсных изображений

Людей, одежду, обувь, сумки, головные уборы, мебель, товары и другие объекты можно брать из разных изображений и объединять в одной сцене. Официальные примеры включают групповое фото с лицами шести людей, виртуальную примерку из пяти материалов и дизайн интерьера с десятью предметами мебели. Однако сообщество также отмечает, что с ростом числа референсов чаще возникают конфликтующие инструкции и смешение атрибутов.

4. Нативный RGBA и прозрачный фон

Модель не просто удаляет фон на постобработке, а может напрямую создавать изображения с прозрачным каналом. Это подходит для вырезания объектов из фотографий, редактирования формы прозрачных элементов и создания прозрачных ассетов из нескольких компонентов.

5. Локальное редактирование и маски

Зоны изменений можно задавать кругами, закрашенными аннотациями и отдельными масками. В ComfyUI пользователи рисуют цветом прямо на изображении и дают инструкции вроде «измени одежду только в красной области». В сочетании с LanPaint можно выполнять инпейтинг не только цветов, но и самого альфа-канала.

6. Аутпейнтинг

Холст можно расширять вверх, вниз, влево и вправо, дорисовывая пустые области в контексте исходного изображения. На Reddit привлекли внимание сообщения о возможности расширять изображение сразу в нескольких направлениях и делать это быстрее традиционных специализированных workflow.

7. Сохранение идентичности

Основное применение — сохранять лицо, одежду, позу человека, форму товара или элементы бренда, меняя только фон либо отдельные атрибуты. Это особенно обсуждается применительно к листам персонажей и последовательным кадрам, хотя при экстремальных ракурсах, яркой мимике и длинных сериях необходима проверка дрейфа.

8. Отрисовка текста и дизайн

Поддерживаются изображения с постерами, упаковкой, вывесками и типографикой. Популярен workflow, в котором композиция, информационная иерархия, размер текста и отступы сначала структурируются внешней LLM. Однако есть сообщения, что в англоязычных инфографиках может появляться нежелательный китайский текст.

9. Переписывание промптов

В официальном репозитории есть prompt rewriter для T2I и I2I. Он разворачивает краткий запрос в детальную композицию, а при редактировании переписывает инструкцию так, чтобы сохранялось всё вне зоны изменения. Сообщество также сообщает, что шаблоны под конкретные задачи иногда лучше стандартного rewrite.

10. Ускорение, экономия памяти и квантизация

Поддерживаются CPU offload в Diffusers, prefix KV cache в vLLM-Omni, CUDA Graph, FP8, tensor parallelism, memory offload и оптимизированные ядра SGLang. Для ComfyUI появились варианты BF16, INT8 ConvRot, GGUF и 4-bit. Пользователи сообщают примерно о двукратном ускорении с 4-step LoRA и о кастомных нодах для prompt expansion на 8 GB VRAM, но компромисс между скоростью и качеством следует обязательно проверять.

11. Поддерживаемые среды

Указаны официальная реализация, Hugging Face Diffusers, ComfyUI, vLLM-Omni, SGLang-Diffusion, LightX2V и ModelScope. Также представлены примеры ROCm для AMD Radeon и поддержка нескольких типов чипов через FlagOS.

12. Важные условия лицензии

Веса модели опубликованы, но распространяются не по Apache 2.0, а по «Qwen Research License Agreement». В официальной лицензии прямо сказано, что для коммерческого использования требуется отдельная коммерческая лицензия. Есть также обязательства по уведомлению при распространении и указанию «Built with Qwen» либо «Improved using Qwen» в документации производных AI-моделей. Перед внедрением в работу обязательно изучите оригинальный текст.

Источник: официальная лицензия

50 наблюдений по официальным примерам

Ниже представлены 50 официальных образцов Qwen-Image 2.1, опубликованных командой Qwen, с привязкой к темам, которые особенно обсуждались на Reddit. Это не только «красивые картинки»: здесь есть входные данные, результаты редактирования, маски, несколько референсов, смена камеры и подготовка материалов — чтобы показать, на каких этапах производства модель полезна.

Прозрачные ассеты и генерация иллюстраций

Пример 1: прозрачная иллюстрация с мотивом танца льва. Пример одновременной работы с детализированным контурным декором и альфа-фоном.

Пример 2: декоративная иллюстрация женщины в окружении цветов. Включает сложные границы волос, лепестков и листьев.

Пример 3: деловой персонаж с ноутбуком. Вырезанная иллюстрация для веба и презентаций.

Пример 4: несколько подвесных украшений. Объединение полупрозрачности, тонких нитей и различных материалов в одном изображении.

Пример 5: множество персонажей-собак. Пример различения нескольких субъектов и групповой композиции.

Редактирование изображений и замена текста

Пример 6: исходное изображение уставшего офисного работника. Условное изображение для сравнения со следующим результатом редактирования.

Пример 7: офисный работник с изменёнными выражением и атмосферой. Эмоция персонажа изменена при сохранении макета.

Пример 8: цветочное слово «BLOOM». Базовый пример текста, декора и центрального размещения.

Пример 9: замена текста на «Qwen-Image». Типографическое редактирование с сохранением цветочного стиля.

Пример 10: дневная фотография башни. Входной пример для изменения времени суток и фона.

Фон, время суток и несколько людей

Пример 11: цветущее дерево ночью. Демонстрация редактирования дневной фотографии в ночной пейзаж с другой атмосферой.

Пример 12: групповое фото по нескольким референсам людей. Показывает ключевую возможность работы с десятью референсами.

Пример 13: образ по нескольким референсам человека и одежды. Близко к идее виртуальной примерки.

Пример 14: интерьер из множества изображений мебели. Размещение товаров из каталога в комнате.

Пример 15: цветовые указания вокруг кота. Входное изображение для локального задания с нарисованными аннотациями.

Локальное редактирование, маски и композитинг

Пример 16: изменение только указанного кота. Объект заменён с сохранением постели и человека.

Пример 17: акула под водой с локальным указанием. Вход для редактирования рисованием непосредственно по объекту.

Пример 18: подводная сцена с добавленным дайвером. Композитинг с согласованными подводным светом и масштабом.

Пример 19: исходная фотография человека на осле. Базовая фотография для масочного редактирования.

Пример 20: маска, указывающая человека и осла. Альтернативный способ явно задать зоны изменений чёрно-белой маской.

Перемещение людей и сохранение лица

Пример 21: результат редактирования человека по маске. Позволяет также сравнить согласованность с фоном травяного поля.

Пример 22: портрет для референса лица. Базовое изображение для последующей генерации фигуры в полный рост и новой среды.

Пример 23: перенос референсного человека в уличную фотографию в полный рост. Лицо и одежда перенесены в новую композицию.

Пример 24: фотография лица почти анфас. Входные условия для редактирования причёски.

Пример 25: фотография лица с изменённой причёской. Черты лица и фон сохранены, волосы сделаны длиннее.

Позы, сцены и товарные фотографии

Пример 26: человек на корточках в порту. Сложная поза, аксессуары и дальний план.

Пример 27: человек открывает коробку в помещении. Композиция для оценки пальцев, коробки и перекрытий тела.

Пример 28: косметика в руке. Товарная фотография с текстом на этикетке и касанием пальцев.

Пример 29: превращение косметики в интерьерный товарный кадр. Добавлены естественный свет, стол и пищевой реквизит.

Пример 30: одежда на манекене. Товарный референс для следующей генерации примерки на человеке.

Виртуальная примерка и композитинг аксессуаров

Пример 31: примерка референсной одежды на человеке. Узор, длина и силуэт адаптированы к телу.

Пример 32: товарная фотография отдельного браслета. Условное изображение для композитинга при ношении.

Пример 33: браслет на запястье человека. Контакт с кожей и тень согласованы естественно.

Пример 34: селфи перед башней. Входное фото для изменения точки зрения.

Пример 35: переход от селфи к виду от третьего лица. Тот же человек и место реконструированы в более широком кадре.

Листы персонажей и последовательность

Пример 36: портрет человека в белой одежде. Вход для создания материалов персонажа.

Пример 37: дизайн-лист персонажа в одном изображении. Объединены лицо, одежда, аксессуары и текстовая информация.

Пример 38: лист персонажа с видом спереди, сбоку и сзади. Для референсов в видео и комиксах.

Пример 39: один человек в нескольких сценах. Проверка сохранения лица и одежды при изменении позы и места.

Пример 40: пояснительная схема здания. Генерация материала, объединяющего текст, чертежи, образцы материалов и аннотации.

UI, документы и естественные фотографии людей

Пример 41: UI приложения бронирования путешествий. Дизайн экрана с мелким текстом, карточками, фотографиями и кнопками.

Пример 42: документ с геометрической задачей. Показывает сложность генерации страницы с длинным текстом и фигурами.

Пример 43: портрет при естественном уличном свете. Шляпа, волосы и пятна света сквозь листву.

Пример 44: фотография человека на пристани. Фотореалистичный пример с детализированным фоном: верёвками, лодками и инструментами.

Увеличения и другие точки зрения для сравнения

Пример 45: увеличенный фрагмент группового фото. Позволяет оценить лица, позы и освещение при объединении нескольких референсов в одно пространство.

Пример 46: увеличенный интерьер после объединения мебели. Создание перспективы и света для всей комнаты по отдельным товарным референсам.

Пример 47: квадратный кроп после изменения точки камеры. Упрощает оценку соотношения масштаба башни и человека.

Пример 48: увеличение дизайн-листа персонажа. Видно локальное качество вариаций лица, текста и аксессуаров.

Пример 49: увеличенный фрагмент одного человека в нескольких сценах. Показывает важную для длинного производства согласованность одежды и лица.

Пример 50: увеличение архитектурной инфографики. Демонстрирует составную задачу из линейной графики, материалов, аннотаций и отступов.

Источник изображений: официальные примеры Qwen Team «Qwen-Image-2.1». Шесть увеличений — отредактированные кропы для пояснительного сравнения.

100 популярных примеров и тестов с Reddit

Ниже 100 типов генерации и редактирования, действительно обсуждавшихся в основных публикациях Reddit о Qwen-Image 2.1. Поскольку в них отражены субъективные мнения авторов и различия окружений, это не бенчмарк, а практический каталог: что стоит протестировать, чтобы понять характер модели.

A. Фотографии людей и портреты (1–10)

1. Любительская фотография женщины, будто снятая на смартфон.
2. Повседневный портрет, снятый в торговом зале супермаркета.
3. Портретная фотография с кинематографическим контровым светом.
4. Пересветка человека на фоне ночного города.
5. Одновременная смена погоды и времени суток на дождливую ночь.
6. Фэшн-фотография с сохранённой текстурой кожи.
7. Кадр в профиль справа с низкой точки камеры.
8. Изменение камеры с фронтального фото на ракурс три четверти.
9. Перегенерация лица с сильным изменением выражения.
10. Создание «эталонного лица», объединённого из нескольких условий освещения.

Источники внимания: тест более чем 200 изображений 1girl (около 1 483 голосов), первый обзор

B. Согласованность персонажа (11–20)

11. Лист одного персонажа спереди, сбоку и сзади.
12. Материал персонажа с крупным планом лица и фигурой в полный рост.
13. Создание одного согласованного лица из референса лиц 2×2.
14. Перенос одного человека в другое место с сохранением лица.
15. Смена только одежды у одного человека.
16. Смена только причёски у одного человека.
17. Замена только позы у одного человека.
18. Отрисовка одного человека в реалистичной и комиксной версиях.
19. Создание нескольких поз для последовательных кадров.
20. Использование листа персонажа как референса для генерации видео.

Источники внимания: дизайн-лист персонажа, референс лица в четырёх ракурсах (около 157 голосов), Qwen против FLUX.2 Krea (около 116 голосов)

C. Перенос позы, камеры и композиции (21–30)

21. Перенос позы с человека на референсе 2 на человека на референсе 1.
22. Размещение сидящего человека на жёлтом кресле с другого изображения.
23. Перевод стоящей позы в сидячую с сохранением одежды.
24. Смена фронтальной композиции на средний план с низкого ракурса.
25. Расширение кадра без изменения масштаба объекта.
26. Перенос позы со студийного изображения позы на реалистичного человека.
27. Превращение реалистичного человека в стиль «Симпсонов» с сохранением позы.
28. Сохранение положения товара при изменении угла камеры.
29. Применение глубокой резкости и к переднему, и к заднему плану.
30. Создание группового фото без нарушения расположения нескольких людей.

Источники внимания: советы по редактированию (около 513 голосов), Editing Beast (около 840 голосов)

D. Товары, реклама и виртуальная примерка (31–40)

31. Массовая замена смятой банки Coca-Cola на банку другого товара.
32. Изменение только цвета и дизайна с сохранением деформации банки.
33. Отражение цвета товара на окружающих белых поверхностях.
34. Естественное размещение часов с другого изображения на запястье человека.
35. Реклама часов с сохранением исходной позы, телосложения и освещения.
36. Примерка по пяти референсам: модель, одежда, обувь, сумка и шляпа.
37. Размещение логотипа с другого изображения на товарной фотографии.
38. Замена только упаковки с сохранением съёмочной сцены.
39. Вырезание товара на прозрачный фон для e-commerce.
40. Развёртывание одного товара на нескольких фонах и при разном освещении.

Источники внимания: Editing Beast (около 840 голосов), примеры с несколькими референсами в официальном блоге

E. Редактирование фона, освещения и материалов (41–50)

41. Смена дневного фона на дождливую ночь.
42. Замена только фона с сохранением человека.
43. Одновременный перенос освещения и фона с референсного изображения.
44. Замена поверхности стены на зелёную текстуру с другого изображения.
45. Изменение интерьера на тёплое вечернее освещение.
46. Смена на резкое освещение в стиле high-fashion съёмки.
47. Пересчёт тени человека под фоновое освещение.
48. Сравнение фотореализма обычного шума и Brownian noise.
49. Сравнение текстур при сэмплерах Euler и custom eta 0.50.
50. Сочетание резкости и естественности с двухэтапным сэмплером.

Источники внимания: советы по редактированию, ветка проверки настроек (около 80 голосов)

F. Прозрачные PNG, вырезание и локальное редактирование (51–60)

51. PNG одного персонажа на прозрачном фоне.
52. Прозрачный товарный ассет.
53. Прозрачный дизайн-ассет из нескольких элементов.
54. Извлечение только человека из фотографии.
55. Редактирование объекта на прозрачном слое.
56. Инпейтинг формы с границей альфа-канала.
57. Одновременное изменение формы наушников и прозрачной области.
58. Замена только области одежды, закрашенной красным.
59. Редактирование только аксессуара, обведённого кругом.
60. Локальное редактирование с полным возвратом области вне маски.

Источники внимания: альфа-редактирование в LanPaint (около 77 голосов), первый обзор

G. Аутпейнтинг и восстановление (61–70)

61. Расширение холста только слева.
62. Расширение холста только справа.
63. Расширение холста только сверху.
64. Расширение холста только снизу.
65. Одновременное расширение слева, справа и снизу.
66. Заполнение пустот на наклонённой фотографии.
67. Восстановление фона, утраченного из-за плохого кропа.
68. Дорисовка окружения частично обрезанного объекта.
69. Превращение в широкий кадр с сохранением исходного фона.
70. Сравнение изменений зернистости и контраста при реставрации старого фото.

Источники внимания: тест аутпейнтинга (около 62 голосов), критическое тестирование реставрации фотографий

H. Постеры, текст и графический дизайн (71–80)

71. Постер мероприятия с крупным заголовком.
72. Рекламный дизайн с заранее определёнными композицией и информационной иерархией.
73. Сравнение стабильности крупного текста при 2–2,5 MP.
74. Сравнение детализации визуала без текста при примерно 4 MP.
75. Дизайн упаковки с названием товара.
76. Графика с надписью «Qwen» на винтажном телевизоре.
77. Естественный композитинг вывесок и логотипов из другого изображения.
78. Сложный макет по длинному промпту.
79. Тест искажения текста и примеси китайского в англоязычной инфографике.
80. Постер, сравнивающий качество дизайна с GPT-подобными моделями изображений.

Источники внимания: шаблон промпта для дизайна, краткий обзор и пример с винтажным ТВ

I. Стилизация, иллюстрация и создание историй (81–90)

81. Преобразование реалистичного фото в комиксный стиль.
82. Преобразование реалистичного человека в стиль «Симпсонов».
83. Перенос только художественного стиля референса на другое изображение.
84. Изменение цветового тона с сохранением персонажа и фона.
85. Генерация изображения в стиле Polaroid.
86. Генерация раскадровки в формате четырёх кадров.
87. Развёртывание одного человека в нескольких сценах.
88. Последовательные сюжетные кадры с сохранением животных, машин и людей.
89. Иллюстрация в стиле скриншота современного аниме.
90. Сравнение неудач аниме-стиля, который тянет к реализму.

Источники внимания: эксперимент с Polaroid, сравнение с Krea 2 для аниме-задач, первый обзор

J. Workflow, скорость и сравнение качества (91–100)

91. Сравнение композиции, фактуры и контраста при CFG 1–5.
92. Сравнение «пережаренного» результата при CFG ниже 2 и CFG 4.
93. Быстрая генерация на 16 шагах, 1 MP и INT8.
94. Проверка качества редактирования на 25 шагах и 2K.
95. Апскейл с 2K до 4K после 30 шагов.
96. Редактирование с расчётом на примерно двукратное ускорение через 4-step LoRA.
97. Генерация человека за около 45 секунд: 8 шагов, 1024×1280, RTX 3060.
98. Сравнение скорости Qwen и FLUX.2 Krea для листов персонажей.
99. Тест пиксельной точности на 2K и объединения 10 референсных изображений.
100. Сравнение Fix v2.0 и специализированного сэмплера для снижения шума мелких деталей.

Источники внимания: ветка выпуска моделей для ComfyUI (около 106 голосов), 4-step при малом VRAM (около 44 голосов), результаты экспериментов, Fix v2.0

Кратко об оценках Reddit

Что особенно высоко оценивают

• Качество редактирования: модель сравнительно хорошо сохраняет исходное изображение при изменении цветов, фона, материалов, позы и товара.
• Несколько референсов: сильна в задачах, где нужно сочетать людей, товары, одежду и аксессуары.
• Согласованность персонажа: перспективна как начальная точка для материалов персонажа и последовательных кадров.
• Прозрачные изображения: может не только вырезать объект, но и генерировать и редактировать сам альфа-канал.
• Аутпейнтинг: удобна для одновременного расширения в нескольких направлениях.
• Размер и скорость: для генеративной части на 7B практична и имеет много вариантов квантизации и ускорения.

Часто отмечаемые слабости

• Нестабильны кисти, пальцы, руки и сложная анатомия.
• Лица на дальнем плане и тонкие линии легко распадаются.
• В стандартном выводе иногда присутствуют шум и дефекты мелких деталей.
• Контраст может быть слишком сильным, а чёрный — чрезмерно проваливаться.
• При реставрации фото модель может самовольно менять исходную зернистость и мелкие формы.
• Есть критика коренастых пропорций в листах персонажей.
• При большом числе референсов чаще возникают смешение атрибутов и галлюцинации.
• Некоторые аниме-стили тянет в сторону реализма и киношной картинки.
• Текст иногда получается сильным, но мелкий текст и англоязычные инфографики нестабильны.
• Результат сильно зависит от настроек, prompt rewriting и сэмплера.

Из этих плюсов и минусов видно, что Qwen-Image 2.1 — не «идеальная универсальная модель за один запуск», а производственная модель, которая особенно раскрывается при настройке параметров и workflow вокруг редактирования.

Практический старт

В ComfyUI обновитесь до актуальной версии и выберите встроенный шаблон Text-to-Image либо Image Edit. Официальные поддерживаемые workflow также опубликованы на GitHub. Сначала полезно создать эталонное изображение на близких к официальным 40 шагах, затем снизить число шагов до 16, 8 и 4, сравнивая скорость и качество.

При редактировании вместо расплывчатого «сделай лучше» удобнее формулировать запрос в таком порядке:

1. Что изменить.
2. Из какого референсного изображения это взять.
3. Что категорически нельзя менять.
4. Как сохранить свет, фон, телосложение, позу и композицию.
5. Какие склонные к ошибкам элементы включить в негативную инструкцию.

Например, для композитинга товара: «Сохрани человека и позу с изображения 1, надень только часы с изображения 2 на запястье. Не меняй телосложение, фон и освещение». В задаче с несколькими референсами важно не делать соответствия <image1> и <image2> неоднозначными.

Для прозрачных изображений в примерах Reddit явно используются формулировки «RGBA image», «alpha channel» и «background is transparent». Если нужно редактировать саму прозрачную границу, применяйте масочную обработку с поддержкой альфа-канала, например LanPaint.

Кому подойдёт

Qwen-Image 2.1 хорошо подходит для следующих задач.

• Тем, кто хочет работать локально в ComfyUI.
• Тем, кому нужно менять только отдельные части человека или товара.
• Тем, кто хочет объединять несколько референсных материалов в одну рекламу или сцену.
• Тем, кто создаёт материалы персонажей или референсные изображения для видео.
• Тем, кому нужны прозрачные PNG и ассеты для игр или веба.
• Исследовательским и разработческим командам, эксплуатирующим API генерации и редактирования изображений на собственных серверах.

Напротив, для точной реставрации фотографий, строгой идентичности в длинных последовательных работах, сложных поз с критичными кистями рук, инфографики с плотным мелким текстом и безусловного внедрения под коммерческое использование необходимо сравнение с другими моделями и проверка лицензии.

Итоги

Суть Qwen-Image 2.1 — в объединении T2I, редактирования изображений, до 10 референсов, локального редактирования, прозрачного RGBA и извлечения объектов в сравнительно компактной генеративной части на 7 млрд параметров. Наибольший интерес Reddit вызывает не простая генерация красивых девушек, а сокращающие производственный путь задачи: замена часов и банок, листы персонажей, перенос фона и освещения, аутпейнтинг и альфа-редактирование.

В то же время оценка примеров сильно зависит от настроек. CFG, сэмплер, число шагов, разрешение, prompt rewriting и ускоряющие LoRA способны изменить результат настолько, что он кажется работой другой модели. Безопасный подход — сначала получить базовый результат на официальных настройках, затем менять по одному параметру и для важных задач проводить слепое сравнение с другими моделями.

И главное предостережение — лицензия. Публикация весов не означает, что коммерческое использование автоматически свободно. Технически модель очень привлекательна, но для внедрения в рабочие процессы решение стоит принимать только после проверки официальной лицензии и актуальных условий.

Основные ссылки

• Официальный блог Qwen-Image 2.1
• Официальный репозиторий GitHub
• Документация Hugging Face Diffusers
• Модель для ComfyUI
• Reddit: подборка примеров 1girl
• Reddit: Editing Beast
• Reddit: советы по редактированию
• Reddit: аутпейнтинг
• Reddit: инпейтинг альфа-канала
• Reddit: Qwen-Image 2.1 Fix v2.0

※ Эта статья подготовлена по официальной информации и открытым публикациям сообщества по состоянию на 4 октября 2026 года. Количество голосов на Reddit, инструменты вокруг модели и условия лицензии могут меняться.