模型概览

2026年9月20日，阿里巴巴通义千问团队正式开源了 Qwen-Image-2.1，一款将文生图与图像编辑整合在同一流水线中的轻量级图像模型。它的视觉生成组件仅7B参数，采用32层Single-Stream DiT架构，却在多项基准测试中展现出超越同级别甚至更大规模模型的能力。

Qwen-Image-2.1 最突出的特性包括：

原生透明图生成与编辑：模型可直接生成带Alpha通道的RGBA图像，也支持对透明图层进行编辑，无需依赖生成后的背景去除流程。

最多10张参考图输入：适合多人合照合成、多品穿戴、室内设计等多主体协调场景，同时增强了人物与商品的主体一致性保持能力。

灵活的局部编辑：支持圈选、涂抹和独立Mask三种局部编辑方式，可精准指定修改区域。

原生2K输出：默认输出2048×2048分辨率，并提供了1:1、16:9、9:16等7组推荐尺寸。

推理效率优化：通过混合粒度注意力结构和Prefix KV Cache复用机制，在多图输入场景下显著降低重复计算开销。

需要注意的是，虽然常被称为“7B模型”，但完整的推理管线还包括一个Qwen3-VL 8B文本编码器和一个VAE组件。在BF16精度下，三者合计约32.44GB，仅按7B估算显存容易导致实际部署时爆显存。

部署路线怎么选

Qwen-Image-2.1 在发布当天即获得 Diffusers、ComfyUI、vLLM-Omni 和 SGLang 等多个框架的原生支持。不同部署路线适合不同场景：

如果你只是想验证模型能否在本地运行，建议先用Diffusers以小尺寸和较少步数做冒烟测试，再切换到官方推荐配置。如果目标是拖拽调参和快速出图，ComfyUI是最直接的选择。需要并发服务再考虑SGLang或vLLM-Omni

Diffusers 本地部署

环境准备
官方要求的依赖版本为PyTorch 2.4.0及以上、Transformers 5.17及以上、最新版Diffusers、Accelerate和Pillow。执行以下命令创建虚拟环境并安装：

python -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip

pip install 'torch>=2.4.0'
pip install 'transformers>=5.17'
pip install git+https://github.com/huggingface/diffusers
pip install accelerate pillow

注意：Diffusers对Qwen-Image-2.1的集成是在发布当天通过专门的PR合并的，因此必须从GitHub main分支安装，早于9月20日的PyPI版本不包含QwenImage21Pipeline类。首次下载权重需要能访问Hugging Face，模型标识为Qwen/Qwen-Image-2.1。若运行环境无法访问，可先在其他机器下载模型，再通过本地路径传入from_pretrained。

最小文生图脚本
以下脚本对应官方示例，随机种子固定为42，便于复现和对比参数变化：

import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1",
    torch_dtype=torch.bfloat16,
).to("cuda")

image = pipe(
    prompt='A neon shop sign that reads "QWEN IMAGE 2.1", rainy night, reflections on wet pavement',
    width=2048,
    height=2048,
    num_inference_steps=40,
    generator=torch.Generator("cuda").manual_seed(42),
).images[0]

image.save("qwen21-t2i.png")

num_inference_steps=40 是官方默认值，调低可用于快速冒烟测试，但画面细节和文字稳定性可能下降。

显存不足时的处理
当显存不够时，可以先启用模型级CPU offload：

pipe.enable_model_cpu_offload()

这会将暂时不需要的模型组件卸载到CPU内存，代价是推理速度有所降低，但需要足够的系统RAM作为支撑。

ComfyUI 工作流搭建

ComfyUI 从发布当天即原生支持 Qwen-Image-2.1，提供了文生图和图像编辑两套示例工作流。

搭建步骤：

更新 ComfyUI 至最新版本，或在 Comfy Cloud 中直接使用。

下载模型权重：从 Hugging Face 的 Comfy-Org/Qwen-Image-2.1 仓库获取兼容权重，放入 ComfyUI 的 models 目录。

加载模板：在 Templates 面板中搜索 Qwen-Image-2.1，加载官方提供的文生图或图像编辑模板。

运行工作流：拖入画布后，选择本机模型路径即可运行。

对于16GB显存的显卡，建议搭配INT8量化权重使用。ComfyUI社区也提供了基于GGUF量化的工作流，Q4_K_M格式的DiT模型仅需约3.9GiB显存，适合6–8GB显卡的用户。

SGLang 生产部署

如果需要为多个客户端提供HTTP推理服务，SGLang 是较为成熟的选择。在 SGLang 环境中启动服务：

sglang serve \
--model-path "Qwen/Qwen-Image-2.1" \
--host 0.0.0.0 \
--port 30010 \
--performance-mode speed

服务启动后，通过标准的图像生成接口发送请求：

curl -sS --fail-with-body http://localhost:30010/v1/images/generations \
-H 'Content-Type: application/json' \
-d '{
"prompt": "A capybara reading a book by candlelight",
"generator_device": "cpu",
"output_format": "png",
"response_format": "b64_json"
}'> response.json

返回的JSON中包含Base64编码的图像数据，解码后即可保存为PNG文件。在H200上，1024×1024、40步的生成请求中位延迟约为4.48秒。

硬件门槛与显存优化

不同配置的显存需求
Qwen-Image-2.1 的显存需求因精度和量化方案差异很大。以下数据来自 Unsloth 的实测分析：

关于量化方案

Unsloth 的量化分析显示，INT8方案的LPIPS（感知相似度指标，越低越好）最低，为0.064，甚至优于FP8的0.112。因此如果显卡有24GB以上显存，建议优先使用INT8量化权重。
如果使用GGUF格式，Q4_K_M（约3.9GiB）是6–8GB显卡的推荐选择，Q4_K_S 可在显存紧张时作为备选，Q3_K_M 则是最后手段，画质会有可见损失

前缀KV缓存的显存开销

Qwen-Image-2.1 通过Prefix KV Cache复用降低去噪阶段的重复计算，但这部分缓存本身也占用显存。一个4096 token的前缀在FP32下约占4 GiB，且每个条件各占一份；当CFG大于1时，正负提示词各有一份缓存。在多图输入场景下，这部分开销需要纳入显存规划。

LoRA 微调

如果需要将模型适配到特定风格或特定角色，LoRA微调是成本较低的选择。社区已有多个工具支持Qwen-Image-2.1的LoRA训练：

AI Toolkit：支持编辑LoRA训练，优化器推荐Automagic v3，显存不足时可开启Layer Offloading并逐步调高。

Fizgig：支持在RTX 5090上30分钟内完成单角色LoRA训练。

AcademiaSD LoRAlab：支持8GB显存起步的LoRA训练，覆盖角色、物体、风格及编辑LoRA。

在NVIDIA NeMo AutoModel上，8×H100 80GB、1024×1024、全局batch 16的条件下，LoRA训练约1.05秒/步，每GPU占用约56GB显存。

总结与建议

Qwen-Image-2.1 以7B的视觉生成组件实现了文生图、图像编辑、透明图生成与编辑的统一，在开源模型中处于领先水平。部署路线的选择取决于你的目标：

快速体验：使用 Unsloth Desktop 或 ComfyUI，半天内即可出图。

代码集成：使用 Diffusers 的 QwenImage21Pipeline，灵活嵌入现有Python工作流。

生产服务：使用 SGLang 或 vLLM-Omni，获得高并发HTTP服务能力。

需要特别留意的是，Qwen-Image-2.1 的模型权重采用 Qwen Research License，限制非商业用途。如需商业使用，需要与Qwen团队单独获取商业协议。