ما هو Qwen-Image 2.1
Qwen-Image 2.1 نقطة تحقق واحدة لمهمتين. فهو يولّد صورة من نص، ويعدّل صورة موجودة انطلاقًا من جملة وحتى عشر صور مرجعية. جزء التوليد محوّل انتشار بـ 7 مليارات معامل. وهو مقترن بمشفّر النص Qwen3-VL 8B، الذي يُحمَّل في ComfyUI كملف منفصل.
وجود نموذج لغوي مشفّرًا هو ما يتيح له قراءة الجمل الكاملة وتعليمات التخطيط والكلمات بين علامتي اقتباس، بدل قوائم الكلمات المفتاحية.
تقدّم Qwen الإصدار 2.1 على أنه أفضل في الخامات والنصوص المكتوبة وإضاءة البورتريه. ويعمل بدقة 2K أصلية دون مكبّر: 2048 × 2048 للمربع، و2528 × 1696 لنسبة 3:2، و2752 × 1536 لنسبة 16:9. كما يمكنه إخراج قناة ألفا حقيقية حين يطلب البرومبت خلفية شفافة.
والثمن هو الوقت. على بطاقة استهلاكية بذاكرة فيديو 16 جيجابايت، تستغرق أوزان int8 نحو 40 ثانية لصورة بـ 1 ميجابكسل. وتستغرق صورة بـ 4 ميجابكسل نحو أربع دقائق ونصف بالإعدادات أدناه.
أمر ينبغي معرفته قبل التنزيل. 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 الإصدار 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 أدناه أعطت أفضل النتائج على نحو ألف صورة. التزم 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. فعبارة «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. وخرج Mothra وMarvin the Martian صحيحين.
كل بطاقة Qwen في صفحة أمثلة البرومبت 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. أما الإعدادات أدناه فاستقرت على CFG 3.
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 2.5 و4 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. وعند 2 ميجابكسل، وهو حجم جُرّب مرة واحدة، تعطي 40 خطوة صورة نظيفة لكنها ما زالت أكثر تسطّحًا، ويقرأ النموذج 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.
التوجيه فوق 1 يكلّف تمريرة ثانية في كل خطوة، لذا فإن CFG 1 أسرع بمرتين. على بطاقة الاختبار هذا يعني 120 إلى 135 ثانية مقابل 255 إلى 275 لصورة بـ 4 ميجابكسل. وكان الأبطأ يستحق ذلك في كل زوج من أزواج الاختبار العشرة.
الدقة والخطوات: ما الذي يغيّر الصورة
مثل أي نموذج انتشار، لا يغيّر Qwen-Image 2.1 مقاس الصورة عند تغيير الحجم. بل ينتج لقطة أخرى للسييد نفسه، ولذلك لا ينتقل سييد وُجد عند 1 ميجابكسل إلى 2K.
الانتقال من 1 ميجابكسل إلى 2.5 أو 4 أعطى صورة مختلفة في كل زوج مختبَر. وبين 2.5 و4 ميجابكسل صمد التكوين في ثمانية أزواج من عشرة.
في الرسم التوضيحي أدناه 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. أما 16 خطوة فتنحرف. 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، بالوضع الأفقي أو ما يعادله بالوضع العمودي:
| 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. أظهر تطريزٌ غرزه بوضوح أكبر عند 2.5 ميجابكسل منه عند 4.
لمعرض يُعرض بعرض 1024 بكسل، 2.5 ميجابكسل بـ 20 خطوة هي النقطة المثلى. وللطباعة، 4 ميجابكسل بـ 20 خطوة.
التسريع: Turbo وTurbo الموجَّه وما سواهما
Turbo. أصدرت Qwen نموذج Qwen-Image-2.1-Turbo في 9 أكتوبر 2026. وهو نقطة تحقق مقطّرة تعمل في 8 خطوات عند CFG 1 بجدول sigma ثابت. تنشره Comfy-Org كملف int8 وكـ LoRA للنموذج الأساسي، مع قوالبه الخاصة في ComfyUI. قيس في 17 أكتوبر على السييدات والأحجام العشرة نفسها التي استُخدمت لرسوم CFG 3 في هذا الدليل، بمخطط القالب نفسه بالضبط.
| الإعداد | الزمن لكل صورة |
|---|---|
| نقطة تحقق Turbo، 8 خطوات، CFG 1، 1 ميجابكسل | 9 إلى 10 ثوانٍ |
| نقطة تحقق Turbo، 8 خطوات، CFG 1، 4 ميجابكسل | 38 إلى 39 ثانية |
| Turbo الموجَّه، الموصوف أدناه: نقطة تحقق Turbo، 8 خطوات، CFG 3 مع APG وFreSca، 4 ميجابكسل | 66 إلى 71 ثانية |
| نقطة التحقق الأساسية مع LoRA Turbo، 8 خطوات، CFG 1، 4 ميجابكسل | 52 إلى 55 ثانية |
| نقطة التحقق الأساسية، 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 السييدات العشرة، والكتابة صحيحة على البرومبتات نفسها التي يصيبها النموذج الأساسي. عناصر البرومبت حاضرة، وأحيانًا أفضل مما في النموذج الأساسي. السلحفاة في سيارة السباق، التي أسقطها النموذج الأساسي في كل رسم، ظهرت مع Turbo.
ما يخسره هو الوسيط. في كل برومبت غير فوتوغرافي من السييدات العشرة، انجرف النموذج المقطّر نحو الواقعية الفوتوغرافية. 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.
على السييدات العشرة أعطى 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.
Turbo الموجَّه. Turbo غير مقيّد بـ CFG 1. اختُبر في 17 أكتوبر 2026 على السييدات العشرة نفسها إضافة إلى الرسم التوضيحي لهذا الدليل. احتفظ بنقطة تحققه وقيم sigma الـ 8 الثابتة، وخذ كتلة التوجيه وحدها من الإعداد الأساسي: CFG 3، والبرومبت السلبي، وAPG ثم FreSca.
المخطط هو قالب Turbo نفسه. اضبط CFGGuider فيه على 3 بدل 1، واملأ البرومبت السلبي، وأدرج APG ثم FreSca على مسار النموذج بين المحمّل والموجّه. وتبقى عقدة ManualSigmas وأداة أخذ العينات كما هما.
تحتفظ النتيجة بتكوين Turbo وتستعيد ما سطّحه CFG 1: التباين والتشبّع والتفاصيل الدقيقة. في الرسم التوضيحي لهذا الدليل، تعود مسارات الدوائر في الهالة حادة ومذهّبة، وتعود البتلات. وعلى سييدات الاختبار العشرة، تزداد حدة الحراشف والفراء والسترة المطرزة بالطريقة نفسها. أما ما لا يستعيده فهو الوسيط. يبقى التطريز صورة فوتوغرافية لتمساح.
الثمن هو التمريرة الثانية في كل خطوة: 66 إلى 71 ثانية لصورة بـ 4 ميجابكسل مقابل 38 إلى 39. وهذا ما زال أسرع بنحو أربع مرات من النموذج الأساسي.
نزّل سير العمل. سير عمل ComfyUI لـ Turbo الموجَّه (JSON) يولّد هذا الرسم التوضيحي كما هو: 1664 × 2432، السييد 57658043، CFG 3 مع APG وFreSca، والبرومبت السلبي لهذا الدليل. أسقط الملف في ComfyUI؛ وهو يتوقع ملفات النموذج الثلاثة المذكورة في القسم الأخير. إعادة الاستخدام حرة بموجب CC BY 4.0، مع رابط إلى هذه الصفحة.
لا تحاول مساعدة Turbo بمزيد من الخطوات. إذا أُعطي 20 خطوة والمجدول simple عند 4 ميجابكسل وCFG 3، كما لو كان النموذج الأساسي، فإنه يفرط في النضج: خصلات شعر قاسية، وهالة محبّبة، وتباين مبالغ فيه. ويستغرق 169 ثانية. نقطة التحقق المقطّرة تريد قيم sigma الـ 8 الخاصة بها.
تقسيم معقول. Turbo العادي وضعًا للمسوّدة، بسبعة أضعاف المرشحين في الساعة للاختيار منها. وTurbo الموجَّه حين يحتاج برومبت فوتوغرافي أو نظيف الخطوط إلى تفاصيل بسرعة. والنموذج الأساسي عند CFG 3 لكل ما هو مرسوم بالألوان أو بالقلم أو مصنوع يدويًا، حيث الوسيط نفسه هو المقصود.
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. ولم يُقَس أي منهما هنا.
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، وهذا يفيد حين تشحّ الذاكرة عند 2K أو في التعديل بعدة صور مرجعية. ولم تظهر معها أي خسارة مرئية في هذه الاختبارات.
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.
على بطاقة 16 جيجابايت، خذ إصدارات int8 التي نشرتها Comfy-Org. أوزان bf16 تعمل أيضًا، لكنها تفيض إلى ذاكرة النظام وتستغرق من ضعفي إلى ستة أضعاف الوقت دون مكسب مرئي.
المخطط قصير:
- UNETLoader، وCLIPLoader بالنوع
qwen_image، وVAELoader؛ - TextEncodeQwenImage21، التي تأخذ البرومبت والبرومبت السلبي معًا وتُخرج كلا التكييفين؛
- latent فارغ بالحجم المختار؛
- APG ثم FreSca على مسار النموذج؛
- KSampler عند CFG 3 مع euler والمجدول simple، ثم VAEDecode.
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.» ثم احفظ بصيغة PNG.
الذاكرة: عند 1 ميجابكسل، يعمل نموذج int8 والمشفّر وVAE في 16 جيجابايت دون المساس بذاكرة النظام. يُخرج ComfyUI المشفّر من ذاكرة الفيديو بمجرد ترميز البرومبت. وعند 4 ميجابكسل ضُبطت ذاكرة البادئة المؤقتة على int8، ولم تنفد الذاكرة قط. تستغرق أول صورة في الجلسة وقتًا أطول ريثما تُحمّل الملفات.