ما هو Qwen-Image 2.1
Qwen-Image 2.1 نقطة تحقق واحدة لمهمتين: توليد صورة من نص، وتعديل صورة موجودة انطلاقًا من جملة وحتى عشر صور مرجعية. جزء التوليد محوّل انتشار بـ 7 مليارات معامل مقترن بمشفّر النص Qwen3-VL 8B، وهو الملف الذي يحمّله ComfyUI له. وجود نموذج لغوي مشفّرًا هو ما يتيح له قراءة الجمل الكاملة وتعليمات التخطيط والكلمات بين علامتي اقتباس بدل قوائم الكلمات المفتاحية، وتؤكد اختباراتنا ذلك. كما يُخرج صورًا بقناة ألفا حقيقية حين يطلب البرومبت خلفية شفافة.
تقدّم Qwen الإصدار 2.1 على أنه محسّن في الخامات والنصوص المكتوبة وإضاءة البورتريه، ويعمل بدقة 2K أصلية: 2048 × 2048 للمربع، و2528 × 1696 لنسبة 3:2، و2752 × 1536 لنسبة 16:9، دون مكبّر. والثمن هو الوقت. على بطاقة استهلاكية بذاكرة فيديو 16 جيجابايت، تعطي أوزان int8 صورة بـ 1 ميجابكسل في نحو 40 ثانية، وصورة بـ 4 ميجابكسل في نحو أربع دقائق ونصف بالإعدادات أدناه.
قبل أي شيء آخر: الأوزان خاضعة لرخصة Qwen Research License، للبحث والتقييم فقط، وأي استخدام تجاري يحتاج إلى رخصة منفصلة من Qwen. كان Qwen-Image الأول، الصادر في أغسطس 2025، برخصة Apache 2.0؛ أما 2.1 فلا.
كيف تكتب برومبت لـ Qwen-Image 2.1
اكتب جملًا لا وسومًا. مشفّر النص نموذج لغوي: يقرأ ترتيب الكلمات وحروف الجر وعلامات الاقتباس، ويأخذ كل شيء حرفيًا. فعبارة «lighthouse cat» تصبح قطة مرسومة على منارة. البنية التي أعطتنا أفضل النتائج على نحو ألف صورة هي التالية، بهذا الترتيب.
- الوسيط والموضوع أولًا: «An art nouveau illustration of Motoko Kusanagi standing in falling cherry blossoms». الوسيط المحدد في البداية يصبغ كل ما يأتي بعده.
- المكان: الموقع والحقبة والطقس، أو ما يملأ الهواء. «in falling cherry blossoms»، «in the 1980s»، «during a blizzard».
- الضوء مع اتجاهه: «lit from the front by soft diffuse light, with gentle shadows». الاتجاه يُتّبع؛ أما «dramatic light» وحدها فلا.
- التأطير: «close-up of the subject, looking at the viewer»، لقطة متوسطة، منظر من الأعلى، الموضوع ضئيل في مشهد طبيعي شاسع.
- الخامات واللوحة اللونية: «flowing ink lines, flat gold leaf background, muted jade and plum». هذا ما يرسمه النموذج على أفضل وجه بدقة 2K.
- القيود، مكتوبة داخل البرومبت: «no lettering, no watermark»، «five fingers on each hand». عند توجيه 1 يُتجاهل البرومبت السلبي، فعلى البرومبت نفسه أن يحملها.
البرومبت الكامل للرسم التوضيحي أعلاه، بهذا الترتيب: An art nouveau illustration of Motoko Kusanagi standing in falling cherry blossoms, a halo of circuit traces around her head like a stained glass window. Lit from the front by soft diffuse light, with gentle shadows. Close-up of the subject, looking at the viewer. Rendered with flowing ink lines, flat gold leaf background, muted jade and plum, fine ornamental borders. The atmosphere is calm and melancholic. Natural proportions, the face in focus. No text, no watermark.
النص ينجح حين يكون بين علامتي اقتباس ومحدد الموضع: «a banner above the door reads 'OPEN ALL NIGHT'» تخرج صحيحة في كل مرة تقريبًا، بالأحرف الكبيرة أو من دونها. والعكس صحيح أيضًا: واجهة متجر أو مطعم أو صالة ألعاب دون نص مطلوب ستنبت لافتة مختلقة، فقل «no lettering» كلما احتوى المشهد على واجهة. الشخصيات التي لا يعرفها النموذج تُستبدل بشبيه دون تنبيه: صار Marsupilami قردًا، بينما خرج Mothra وMarvin the Martian صحيحين. كل بطاقة Qwen في صفحة أمثلة البرومبت لدينا تتبع هذه البنية، مع السييد والحجم والإعدادات.
إعدادات تنجح، مقيسة
يعمل قالب ComfyUI الرسمي بتوجيه (CFG) قدره 1 مع 25 خطوة، وتستخدم بطاقة النموذج 40 خطوة. اخترنا توجيهًا أعلى. في آخر اختبار، بتاريخ 16 أكتوبر 2026، وعلى السييدات نفسها، أعطت هذه الإعدادات أكثر الصور تفصيلًا وأمانةً:
| الإعداد | القيمة |
|---|---|
| التوجيه (CFG) | 3، مع برومبت سلبي |
| البرومبت السلبي | artifacts, washed-out colors, low quality, low resolution, blurry, extra fingers, missing fingers, deformed hands, bad anatomy, extra limbs, text, watermark, signature |
| تعديلات النموذج | APG (eta 1، norm threshold 10، momentum 0.3) ثم FreSca (low 1، high 2، cutoff 8)، قبل أداة أخذ العينات |
| أداة أخذ العينات | euler، مع المجدول simple |
| الخطوات | 25 عند 1 ميجابكسل، 20 عند 4 ميجابكسل |
| LoRA | لا شيء |
التوجيه هو الإعداد الوحيد الذي لا يغيّر المشهد: بالسييد والحجم نفسيهما، يعطي CFG 1 وCFG 3 التكوين نفسه تقريبًا، والفرق في الرسم. عند CFG 1 تكون الصورة أكثر تسطّحًا وتفقد الخامات الدقيقة: غرز التطريز تتحول إلى قماش، ووجه الكرتون يفقد بؤبؤيه وفمه، والمعدن يفقد مساميره. رفع CFG 1 إلى 30 خطوة يعيد الحدة لكن لا الخامات ولا التباين؛ و40 خطوة عند 2 ميجابكسل نظيفة لكنها ما زالت أكثر تسطّحًا، وقرأت البرومبت بموثوقية أقل. يمنع APG التشبّع المفرط عند CFG 3، ويزيد FreSca حدة الترددات العالية؛ ولا يعمل أي منهما إلا حين يكون التوجيه أعلى من 1.
ثمن التوجيه فوق 1 تمريرة ثانية في كل خطوة: CFG 1 أسرع بمرتين. على بطاقتنا هذا يعني 120 إلى 135 ثانية مقابل 255 إلى 275 لصورة بـ 4 ميجابكسل، ووجدنا أن الأبطأ يستحق ذلك في كل زوج من أزواج الاختبار العشرة.
الدقة والخطوات: ما الذي يغيّر الصورة
أمران فاجآنا. تغيير الحجم لا يكبّر الصورة نفسها، بل ينتج لقطة أخرى للسييد نفسه. الانتقال من 1 ميجابكسل إلى 2.5 أو 4 أعطانا دائمًا صورة مختلفة؛ وبين 2.5 و4 ميجابكسل صمد التكوين في ثمانية أزواج من عشرة، كما في الرسم التوضيحي أدناه، حيث لم تتحرك سوى التفاصيل: عند 2.5 ميجابكسل انتقلت مسارات الدوائر من الهالة إلى الشعر. تغيير عدد الخطوات يغيّر الصورة أيضًا متى كبر الفارق: 20 و25 خطوة تعطيان الصورة نفسها تقريبًا، و16 خطوة تنحرف. فلا سبيل إذن إلى معاينة بـ 1 ميجابكسل ثم رسم الصورة نفسها بحجم أكبر. اختر الحجم أولًا، ثم السييد.
الأزمنة مقيسة بـ CFG 3 وAPG وFreSca، بأوزان int8، على بطاقة استهلاكية واحدة بسعة 16 جيجابايت:
| الحجم | الخطوات | الزمن لكل صورة |
|---|---|---|
| 1 ميجابكسل (1216 × 832) | 25 | نحو 40 ثانية |
| 2.5 ميجابكسل (1920 × 1312) | 20 | 120 إلى 135 ثانية |
| 4 ميجابكسل (2432 × 1664) | 20 | 255 إلى 275 ثانية |
| 4 ميجابكسل | 25 | 315 إلى 335 ثانية |
عند 2.5 ميجابكسل تكون التفاصيل أقل حدة قليلًا منها عند 4 حين تقارن المنطقة نفسها بنسبة 100 %، لكن النموذج يتبع أسلوب البرومبت جيدًا بالقدر نفسه على الأقل، وأحيانًا أفضل في أزواج الاختبار العشرة لدينا: تطريز احتفظ بغرزه الظاهرة عند 2.5 ميجابكسل وتحوّل إلى صورة فوتوغرافية عند 4. لمعرض يُعرض بعرض 1024 بكسل، 2.5 ميجابكسل بـ 20 خطوة هي النقطة المثلى. وللطباعة، 4 ميجابكسل بـ 20 خطوة.
التسريع: نموذج Turbo الرسمي، مقيسًا
LoRA Lightning الأول. دُرّب Qwen-Image-Lightning LoRA ذو الـ 8 خطوات من عام 2025 على Qwen-Image الأول، الذي يبلغ عرض طبقات الانتباه فيه 3072. أما Qwen-Image 2.1 فيستخدم 4096. يطبع ComfyUI خطأً لكل وزن انتباه، ويتخطاها، ويرسم النموذج الخام في 8 خطوات: حاد بما يكفي للوهلة الأولى، لكنك لا تحصل على LoRA، وصورة من 8 خطوات بنموذج غير مقطّر ليست ما أردته.
Turbo الرسمي. أصدرت Qwen نموذج Qwen-Image-2.1-Turbo في 9 أكتوبر 2026: نقطة تحقق مقطّرة تعمل في 8 خطوات عند CFG 1 بجدول sigma ثابت، نشرتها Comfy-Org كملف int8 وكـ LoRA للنموذج الأساسي، مع قوالبها الخاصة في ComfyUI. قسناها في 17 أكتوبر على السييدات والأحجام العشرة نفسها التي استخدمناها لرسوم CFG 3، بمخطط القالب نفسه بالضبط.
| الإعداد | الزمن لكل صورة |
|---|---|
| نقطة تحقق Turbo، 8 خطوات، 1 ميجابكسل | 9 إلى 10 ثوانٍ |
| نقطة تحقق Turbo، 8 خطوات، 4 ميجابكسل | 38 إلى 39 ثانية |
| نقطة التحقق الأساسية مع LoRA Turbo، 8 خطوات، 4 ميجابكسل | 52 إلى 55 ثانية |
| إعدادنا، CFG 3، 20 خطوة، 4 ميجابكسل | 255 إلى 275 ثانية |
أسرع بسبع مرات عند 4 ميجابكسل وبأربع مرات عند 1، والصور نظيفة: حادة، جيدة الإضاءة، دون زلّات تشريحية على سييداتنا العشرة، والنص صحيح حيث يصيبه النموذج الأساسي. عناصر البرومبت حاضرة، وأحيانًا أفضل مما في النموذج الأساسي: السلحفاة في سيارة السباق، التي أسقطها النموذج الأساسي في كل رسومنا، ظهرت مع Turbo. ما يخسره هو الوسيط. ينجرف النموذج المقطّر نحو الواقعية الفوتوغرافية مهما طلب البرومبت: تطريز تمساح صار صورة فوتوغرافية لتمساح، ورسم بالفحم فقد حبيباته، وMarvin the Martian من الورق المقصوص تحوّل إلى لعبة فينيل. الكتابة المختلقة على الواجهات هي نفسها كما في النموذج الأساسي. يعطي LoRA على نقطة التحقق الأساسية الصور نفسها التي تعطيها نقطة تحقق Turbo، لكن أبطأ، فنقطة التحقق هي ما ينبغي تنزيله. يعطي السييد صورة مختلفة عن النموذج الأساسي، كما مع أي تغيير في الحجم، والرخصة هي نفسها: للبحث والتقييم فقط.
استخدامنا له: وضع مسوّدة. سبعة أضعاف المرشحين في الساعة للفرز، ثم الرسم النهائي بـ CFG 3 لكل ما هو مرسوم بالألوان أو بالقلم أو مصنوع يدويًا. أما البرومبتات الفوتوغرافية فنتيجة Turbo كثيرًا ما تكون جيدة بما يكفي كما هي.
تقطيرات أخرى. نشرت LightX2V في 13 أكتوبر 2026 نموذج Lightning LoRA بـ 4 خطوات للإصدار 2.1، ويوجد أيضًا LoRA مجتمعي بـ 8 خطوات اسمه Turbo8؛ كلاهما يعمل عند CFG 1 مثل Turbo الرسمي. لم نقسهما.
عقدة ذاكرة البادئة المؤقتة. عقدة QwenImage21Cache في ComfyUI لا تضبط إلا جهاز ودقة الذاكرة المؤقتة التي يحتفظ بها النموذج أصلًا؛ وبقيمها الافتراضية لا تغيّر شيئًا. وضعها int8 يقلّص الذاكرة المؤقتة إلى النصف ويفيد حين تشحّ الذاكرة عند 2K أو في التعديل بعدة صور مرجعية. لم نلحظ معها أي خسارة مرئية.
خطوات أقل. 16 خطوة توفّر نحو خُمس الوقت لكنها تغيّر التكوين ولا تكسب أي حدة على 20. إذا كان الوقت هو القيد، فاخفض الحجم قبل الخطوات.
تشغيل Qwen-Image 2.1 محليًا
يدعم ComfyUI النموذج أصلًا. ثلاثة ملفات توضع في المجلدات المعتادة: نموذج الانتشار في diffusion_models، ومشفّر النص Qwen3-VL في text_encoders، وVAE في vae. إصدارات int8 التي نشرتها Comfy-Org هي ما ينبغي اختياره على بطاقة 16 جيجابايت: أوزان bf16 تعمل أيضًا لكنها تفيض إلى ذاكرة النظام وتستغرق من ضعفي إلى ستة أضعاف الوقت لصور متطابقة.
المخطط قصير: UNETLoader، وCLIPLoader بالنوع qwen_image، وVAELoader، وعقدة TextEncodeQwenImage21 التي تأخذ البرومبت والبرومبت السلبي معًا وتُخرج كلا التكييفين، ثم latent فارغ بالحجم المختار، ثم APG وFreSca على مسار النموذج، وKSampler عند CFG 3 مع euler والمجدول simple، وVAEDecode. للحصول على صورة شفافة، ضع الموضوع داخل الصيغة التي توصي بها بطاقة النموذج: «This is an RGBA image with transparency. [the subject]. The image has alpha channel and the background is transparent.»، واحفظ بصيغة PNG.
الذاكرة: نموذج int8 والمشفّر وVAE تتسع في 16 جيجابايت عند 1 ميجابكسل مع هامش واسع؛ وشغّلنا 4 ميجابكسل مع ضبط ذاكرة البادئة المؤقتة على int8 ولم تنفد الذاكرة قط. تستغرق أول صورة في الجلسة وقتًا أطول ريثما تُحمّل الملفات.