Qwen-Image 2.1 已上线

Qwen-Image 2.1 是阿里巴巴 Qwen 团队推出的开源权重图像模型。它基于优化的 MMDiT 架构、拥有 7B 参数，可输出带真实 Alpha 通道的 RGBA 图像，原生生成 2K 分辨率，并在同一个模型中同时完成生成与编辑。

将 ComfyUI 更新到最新版本，并从 Hugging Face 下载 Qwen-Image 2.1 权重放入 models 文件夹。添加位于 model/conditioning/qwen image 下的 Text Encode Qwen Image 2.1 节点，或直接加载 Qwen-Image 2.1 模板。Comfy Cloud 无需本地下载即可运行同一工作流。

Qwen-Image 2.1 是开源权重模型，在 ComfyUI 本地运行除自有硬件外无需按张付费。在 Comfy Cloud 上则消耗套餐内的算力，当前费率请参阅 ComfyUI 定价页面。

不可以。Qwen-Image 2.1 依据 Qwen Research License Agreement（Qwen 研究许可协议）发布，该协议授予的免版税许可"仅限非商业用途"（FOR NON-COMMERCIAL PURPOSES ONLY），并要求商业授权咨询联系模型开发方。该协议还要求基于该模型构建的产品在其文档中注明"Built with Qwen"。在将输出用于任何商业工作之前，请自行查阅许可协议。

可以。Qwen-Image 2.1 直接输出四通道 RGBA，透明度由模型本身生成，而非事后抠图。精灵图、Logo、图标和产品抠像生成时 Alpha 通道即已正确，可直接合成。在输入端，Text Encode Qwen Image 2.1 节点将完整 RGBA 传给 VAE，并在白色背景上合成 Alpha 供视觉编码器使用。

Qwen-Image 2.1 原生生成 2K 分辨率——直接输出 2048×2048，而非从小图放大。编辑时，节点的分辨率设置控制参考图像被缩放到的尺寸：默认 1024，最高可达 4096（步长 32），设为 0 则保持每张参考图的原始尺寸。

Text Encode Qwen Image 2.1 节点会随着你填入图像而依次展开输入口，最多 16 张。每张图都由文本编码器读取，并以 VAE 潜变量的形式拼入序列，因此角色、产品、背景板和风格参考可以共同驱动一次编辑。可从 Comfy Cloud 上的图像编辑模板开始。

请使用 Text Encode Qwen Image 2.1 节点自带的潜变量输出，而不是自建的空潜变量。该输出的尺寸与第一张参考图一致，以其他尺寸采样会导致编辑结果偏移。

Qwen-Image 2.1 仅 7B 参数，本就面向消费级 GPU 设计，实验性的 Qwen Image 2.1 Cache 节点还能进一步调优。可将 KV 缓存设为 auto、gpu、cpu 或 off，并选择存储精度：int8 将缓存减半且精度接近 bf16，int4 减至四分之一但每步误差大约翻倍。