专题 · FULL STORY

Qwen-Image-2.1：从泄露预告到开源实测

阿里通义 Qwen Image 2.1 先被 Reddit 用户发现官方页面的 Coming Soon 预告，随后提前实测口碑分化，9 月 20 日正式官宣开源 7B 统一模型并接入 ComfyUI。发布后社区实测不断，SGLang 提速、GGUF 与 Unsloth 量化版接连推出，低至 6GB 显存可本地运行。

2026-09-18 ~ 2026-09-23 · 10 集 · 68 条

第 1 集 · Qwen Image 2.1 开源图像模型即将发布(2026-09-18,2 条)

Reddit 用户发现阿里通义 Qwen 即将发布新的开源图像模型 Qwen Image 2.1，官方页面显示 Coming Soon，具体发布时间与能力细节尚未公布。此前 Anthropic 研究员 Andrew Carr 也曾发帖预告 Alibaba Qwen 将再推出一款图像生成模型，并附上相关链接。作者对 Qwen 持续开源新模型表示意外。

第 2 集 · Qwen Image 2.1 抢先实测：口碑分化，速度与编辑强、写实弱(2026-09-19,7 条)

通义 Qwen Image 2.1 在正式发布前向部分创作者开放了早期访问，9 月 19 日至 21 日 Reddit 上陆续出现多份实测报告，评价明显分化：有人称其为迄今开源侧最强图像模型，也有人认为画质不及 GPT Image 1.0、写实类出图翻车。总体来看，速度、编辑与参考图能力获得普遍认可，写实质量与伪影控制是主要短板，此外还有用户发现它可用来清理 GPT 生成图像的噪点纹理。

已确认

  • 获得早期访问权限的 Sanders（@Crazy-Repeat-2006 转述）将其与其他主流开源图像模型对比，结论是迄今开源侧最强图像模型，真实感超过 ZIT，并能在高分辨率下保持画面一致性；与 Model S 的对比未详述完整。
  • Reddit 用户 @13baaphumain 生成了 200 多张「1girl」测试图，认为作为 7B 参数模型出图质量相当不错，编辑与参考图能力表现良好，但存在噪点。
  • Reddit 用户 @AltruisticPrint717 在 ComfyUI 工作流下测试后表示失望，认为画质低于 GPT Image 1.0，出图错误和伪影较多，效果类似 GPT Image 1.0 的「弱化版」，优点是速度快。
  • Reddit 用户 @NoDaikon3851 用 CFG 1、40 步、2MP、Euler/Simple 采样、int8 量化做了首轮测试，结论是艺术风格图像尚可接受，写实类图像质量很差，大部分写实样张效果不佳。
  • Reddit 用户 @Choidonhyeon 在 Comfy Cloud 上试用后发现，把 GPT 生成的图片用 Qwen Image 2.1 过一遍重新生成，能在一定程度上消除其标志性的噪点纹理。
  • Reddit 帖（@fruesome）汇总了 Hakm、Richard、Dev、Ivan、Ai Biceps 等 X 创作者的多组实测出图链接，集中展示该版本在各类风格与场景下的效果。

为什么重要

  • 这是 Qwen Image 系列的重要版本迭代，早期口碑将直接影响正式发布后的社区采用度。
  • 评价分化集中在写实能力上：艺术风格、编辑能力与速度获认可，写实质量与伪影是短板，用户可据此判断适用场景。
  • 「重绘去噪」的用法拓展了它的实用定位，可作为 GPT 图像的后期清理工具。
  • 7B 参数量级若能逼近闭源模型表现，对开源图像生成生态具有标杆意义。

第 3 集 · 阿里 Qwen-Image-2.1 官宣开源并同步接入 ComfyUI(2026-09-20,7 条)

阿里通义旗下新一代文生图模型 Qwen-Image-2.1 官宣开源：通义团队联合 ModelScope 官方账号开启倒计时，约 10 小时后放出模型权重与代码，主打完全开源可用，用户可自行下载、本地运行并基于其构建应用。同日相关 PR 已合入 ComfyUI，Comfy 官方页面同步上线，生态适配与发布几乎同步。

已确认

  • 通义团队与 ModelScope 官方账号同步预热，宣布 Qwen-Image-2.1 即将开源，权重与代码均可下载自部署（m4、m5）
  • Reddit 用户 CeFurkan 发帖给出约 10 小时倒计时，指向公开开源发布（m2、m3）
  • 相关 PR 已被合并进 ComfyUI，作者附有展示多种生成示例的 YouTube 视频，Reddit 用户 fruesome 据此爆料发布在即（m1）
  • Comfy 官方页面 comfy.org/qwen-image-2.1 已上线，确认模型即将支持 ComfyUI 工作流（m7）

时间线

  • 09-20：LiteBlackEagle 贴出「Qwen/Qwen-Image-2.1」命名线索，引发猜测（m6）
  • 09-20：fruesome 发现 PR 已合入 ComfyUI 并爆料明日发布（m1）
  • 09-20：通义团队与 ModelScope 官宣倒计时，10 小时后放出权重与代码（m4、m5）
  • 09-20：Comfy 官方页面上线（m7）

为什么重要

  • Qwen-Image 系列是主流开源文生图模型之一，此次 2.1 版本以权重加代码完全开源的形式发布，开发者可直接本地部署与二次开发
  • 发布当日即有 ComfyUI 集成与官方支持页面，意味着生态适配几乎与发布同步，用户可迅速在实际工作流中使用

第 4 集 · Qwen 发布带提示词改写能力的图像生成系列新模型(2026-09-20,2 条)

Qwen 团队为 Qwen-Image-2.1 发布了两款基于 Qwen3.5-VL 9B 的微调提示词改写模型，统一代码库可自动识别输入模式，支持自动改写图生图与文生图（T2I）的提示词。其中 Qwen-Image-2.1-PE-T2I 已在 Hugging Face 上架，pipeline 为 text-to-image，并附带提示词改写能力。

第 5 集 · Qwen 图像模型实测：质量速度全面超越 Flux(2026-09-20,4 条)

社区多轮实测显示，Qwen Image 2.1 生成与编辑模型表现亮眼：有用户称其在质量和速度上全面超越此前的 Flux1dev，首次生成偶有错误但重跑即可解决，int8 量化下 8GB 显存即可运行。参考图一致性测试中整体表现稳定，可生成透明背景；多位用户还以图集形式展示了 Image as Reference 参考图生成与图像编辑功能的实际效果。

第 6 集 · 阿里开源 Qwen-Image-2.1：7B 统一生图与编辑(2026-09-20,36 条)

9 月 20 日，阿里巴巴 Qwen 团队通过官方博客发布并开源 Qwen-Image-2.1，一个统一文生图与图像编辑的模型，权重同步上架 Hugging Face（Qwen/Qwen-Image-2.1），并开放 Spaces 在线体验入口；Comfy-Org 同日发布可在 ComfyUI 中直接使用的模型文件，Diffusers 与 SGLang 亦提供 Day-0 支持，社区可直接下载部署与二次开发。

已确认

  • 视觉生成组件仅 7B 参数，为 32 层 Single-Stream DiT 架构，采用混合粒度注意力；官方称多图输入推理显著提速，在质量、效率与通用性间取得平衡，定位系列中「最均衡、最具性价比」的图像模型，性能号称超过多数闭源模型
  • 原生支持 2K 分辨率生成与 RGBA 透明通道，可直接生成透明背景图像
  • 支持最多 10 张参考图的指令式输入编辑，并可进行像素级 2K 编辑，同时保持人物/产品身份一致性
  • 局部编辑能力：官方演示在图上圈选三个区域，用一句话指令同时完成删除金属手表、改发色为黑色、替换衣物三处修改，一次完成
  • 角色一致性能力：给定角色三视图参考，可直接生成完整分镜故事板；模型还适用于全景图、信息图和虚拟试穿等场景
  • 相较前代视觉质量提升，重点在文字渲染美感与人像质量；据 Lexius2129 转述，纹理质量较此前 Qwen-Image-Edit 明显提升，且模型基于 2 月发布的 Qwen-Image 2.0 架构迭代
  • 据 RisingSayak 介绍，Diffusers 的 Day-0 支持中该模型采用了新颖的 KV-caching 方式与解耦的 prefill+decode 架构
  • 部署门槛实测较低：据 Lexius2129 实测，RTX 5080 笔记本本地约 30 秒可出图；另据社区转述，SGLang-Diffusers 首日支持下单卡 RTX 4090 约占用 22.7GB 显存即可运行
  • 采用 qwen-research 许可（仅限研究用途），已支持 vLLM-Omni，并已上架 ComfyUI 与 Hugging Face Spaces 浏览器内演示；@akhaliq 发布首日即用它创作，官方账号转发并号召社区试用
  • 据 Lexius2129 转述，Qwen-Image-Bench 总分 60.28，超过 NanoBanana2.0（59.82）与 GPT Image

为什么重要

  • 7B 的轻量规格使本地部署门槛大幅降低，社区实测消费级显卡与笔记本即可运行，配合开源权重与 ComfyUI、Diffusers、SGLang、vLLM-Omni 等生态的首日支持，对二次开发和落地应用友好
  • 统一生图与编辑、多区域一次性编辑、透明图生成、三视图转分镜等能力覆盖了角色设计、电商、素材制作等高频工作流；官方基准分数显示其以小参数量超越多个主流模型，若属实将进一步压缩闭源图像模型的空间

还有 16 条相关讨论 →

第 7 集 · Qwen Image 2.1 实测：文字渲染强，色调偏黄像 GPT Image(2026-09-21,2 条)

Qwen Image 2.1 发布后迎来多份实测。Reddit 用户测试显示：模型在 RTX 5070/80 上约 25 秒生成 1MP 图像，画质整体不错但常用分辨率下偏「合成感」，有明显黄调和颗粒感，色调被指太像 GPT Image。开发者 cocktailpeanut 的汇总则认为，该模型文字渲染能力强，在许多此前需要 gpt-image 的任务上表现出色，但人物换装等场景仍有短板。

第 8 集 · Qwen-Image 2.1 上线 SGLang，KV Cache 实测提速 2.55 倍(2026-09-21,2 条)

SGLang-Diffusion 宣布对阿里 Qwen-Image 2.1 提供 day-0 支持，获得 Qwen 官方致谢；性能数据显示无量化、40 步去噪并含 PNG 输出的条件下，单张 4090 约 18.7 秒生成图像。另有技术线程解析 Qwen-Image 2.1（7B DiT）如何引入 KV Caching：将文本与参考图像等固定上下文与每个去噪步共享缓存，实测图像生成提速 2.55 倍。

第 9 集 · Qwen-Image-2.1 GGUF 量化版登 Hugging Face 热榜(2026-09-21,4 条)

Hugging Face 用户 abenzerps 发布了 Qwen-Image-2.1 的 GGUF 量化模型，其中包括去审查版本，并迅速登上平台趋势榜。该模型可通过 ComfyUI 及 ComfyUI-GGUF 插件在本地运行文生图与图像编辑，支持 Q4 等多种量化档位。有测评显示量化版可节省约 17GB 显存，出图速度几乎不受影响，降低了本地部署门槛。

第 10 集 · Unsloth 量化的 Qwen-Image-2.1 支持 6GB 显存本地生图(2026-09-21,2 条)

Unsloth 在 Hugging Face 发布 Qwen-Image-2.1 的多种量化版本：先推出兼容 diffusers、支持生成与图像编辑的 FP8/INT8 版本，随后发布 Dynamic GGUF 量化，让 7B 模型最低仅需 6GB 显存即可本地运行，12GB 显存即可顺畅生图，官方还宣称其性能可对标 Nano Banana 2.0。