Wat Qwen-Image 2.1 is
Qwen-Image 2.1 is één checkpoint voor twee taken: een afbeelding genereren uit tekst en een bestaande afbeelding bewerken op basis van een zin en maximaal tien referentieafbeeldingen. Het generatiedeel is een diffusion transformer met 7 miljard parameters, gekoppeld aan een Qwen3-VL 8B-tekstencoder, het bestand dat ComfyUI ervoor laadt. Een taalmodel als encoder is wat het in staat stelt hele zinnen, lay-outinstructies en woorden tussen aanhalingstekens te lezen in plaats van lijstjes trefwoorden, en onze tests bevestigen dat. Het levert ook afbeeldingen met een echt alfakanaal als de prompt om een transparante achtergrond vraagt.
Qwen presenteert 2.1 als verbeterd op texturen, typografie en portretbelichting, en het werkt in native 2K: 2048 × 2048 voor een vierkant, 2528 × 1696 voor 3:2, 2752 × 1536 voor 16:9, zonder upscaler. De prijs is tijd. Op een consumentenkaart met 16 GB videogeheugen geven de int8-gewichten met de instellingen hieronder een afbeelding van 1 megapixel in ongeveer 40 seconden en een van 4 megapixel in ongeveer vier en een halve minuut.
Eerst het belangrijkste: de gewichten vallen onder de Qwen Research License, alleen voor onderzoek en evaluatie, en elk commercieel gebruik vereist een aparte licentie van Qwen. De eerste Qwen-Image, uitgebracht in augustus 2025, was Apache 2.0; 2.1 is dat niet.
Hoe schrijf je een prompt voor Qwen-Image 2.1?
Schrijf zinnen, geen tags. De tekstencoder is een taalmodel: hij leest woordvolgorde, voorzetsels en aanhalingstekens, en hij neemt alles letterlijk. Een "lighthouse cat" wordt een kat die op een vuurtoren is getekend. De opbouw die ons over ongeveer duizend afbeeldingen de beste resultaten gaf, is deze, in deze volgorde.
- Medium en onderwerp eerst: "An art nouveau illustration of Motoko Kusanagi standing in falling cherry blossoms". Het medium dat vooraan staat, kleurt alles wat erna komt.
- Omgeving: plaats, tijdperk, weer, of wat er door de lucht dwarrelt. "in falling cherry blossoms", "in the 1980s", "during a blizzard".
- Licht met richting: "lit from the front by soft diffuse light, with gentle shadows". De richting wordt gevolgd; een kaal "dramatic light" niet.
- Kader: "close-up of the subject, looking at the viewer", medium shot, van bovenaf gezien, het onderwerp piepklein in een weids landschap.
- Materialen en palet: "flowing ink lines, flat gold leaf background, muted jade and plum". Dit is wat het model in 2K het best rendert.
- Beperkingen, in de prompt zelf: "no lettering, no watermark", "five fingers on each hand". Op guidance 1 wordt de negatieve prompt genegeerd, dus de prompt zelf moet ze dragen.
De volledige prompt van de illustratie hierboven, in die volgorde: 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.
Tekst werkt als hij tussen aanhalingstekens staat en een plek krijgt: "a banner above the door reads 'OPEN ALL NIGHT'" komt er bijna elke keer goed uit, in hoofdletters of niet. Het omgekeerde geldt ook: een winkelpui, een diner of een speelhal zonder gevraagde tekst krijgt een verzonnen uithangbord, dus zeg "no lettering" zodra de scène een gevel bevat. Personages die het model niet kent, worden zonder waarschuwing vervangen door een dubbelganger: de Marsupilami werd een aap, terwijl Mothra en Marvin the Martian er goed uitkwamen. Elke Qwen-kaart op onze pagina met promptvoorbeelden volgt deze opbouw, met seed, formaat en instellingen.
Instellingen die werken, gemeten
Het officiële ComfyUI-template draait op een guidance (CFG) van 1 met 25 steps, en de model card gebruikt 40 steps. Wij kozen een hogere guidance. Voor het laatst getest op 16 oktober 2026, op dezelfde seeds, gaven deze instellingen de meest gedetailleerde en meest getrouwe afbeeldingen:
| Instelling | Waarde |
|---|---|
| Guidance (CFG) | 3, met een negatieve prompt |
| Negatieve prompt | artifacts, washed-out colors, low quality, low resolution, blurry, extra fingers, missing fingers, deformed hands, bad anatomy, extra limbs, text, watermark, signature |
| Modelpatches | APG (eta 1, norm threshold 10, momentum 0,3) en daarna FreSca (low 1, high 2, cutoff 8), vóór de sampler |
| Sampler | euler, scheduler simple |
| Steps | 25 op 1 megapixel, 20 op 4 megapixel |
| LoRA | geen |
Guidance is de enige instelling die de scène niet verandert: bij dezelfde seed en hetzelfde formaat geven CFG 1 en CFG 3 vrijwel dezelfde compositie, en wat verschilt, is de weergave. Op CFG 1 is het beeld vlakker en verliest het fijne textuur: borduursteken worden stof, een cartoongezicht verliest zijn pupillen en mond, metaal verliest zijn klinknagels. CFG 1 opvoeren naar 30 steps brengt de scherpte terug, maar niet de materialen en het contrast; 40 steps op 2 megapixel is schoon maar nog steeds vlakker, en las de prompt minder betrouwbaar. APG voorkomt dat CFG 3 oververzadigt, en FreSca verscherpt de hoge frequenties; beide doen alleen iets als de guidance boven 1 staat.
De prijs van een guidance boven 1 is een tweede pass per step: CFG 1 is twee keer zo snel. Op onze kaart is dat 120 tot 135 seconden tegenover 255 tot 275 voor een afbeelding van 4 megapixel, en bij elk van de tien testparen vonden we de langzamere de moeite waard.
Resolutie en steps: wat het beeld verandert
Twee dingen verrasten ons. Het formaat veranderen schaalt de afbeelding niet, het levert een andere take van dezelfde seed op. Van 1 megapixel naar 2,5 of 4 gaan gaf ons altijd een ander beeld; tussen 2,5 en 4 megapixel hield de compositie stand in acht van de tien paren, zoals in de illustratie hieronder, waar alleen de details verschoven: op 2,5 megapixel verhuisden de printbanen van de aureool naar het haar. Het aantal steps veranderen verandert het beeld ook zodra het verschil groot is: 20 en 25 steps geven vrijwel hetzelfde beeld, 16 steps drijft af. Er is dus geen manier om op 1 megapixel een preview te maken en hetzelfde beeld groter te renderen. Kies eerst het formaat, dan de seed.
Tijden gemeten met CFG 3, APG en FreSca, int8-gewichten, op één consumentenkaart van 16 GB:
| Formaat | Steps | Tijd per afbeelding |
|---|---|---|
| 1 megapixel (1216 × 832) | 25 | ongeveer 40 s |
| 2,5 megapixel (1920 × 1312) | 20 | 120 tot 135 s |
| 4 megapixel (2432 × 1664) | 20 | 255 tot 275 s |
| 4 megapixel | 25 | 315 tot 335 s |
Op 2,5 megapixel is het detail iets zachter dan op 4 als je hetzelfde gebied op 100% vergelijkt, maar het model volgt de stijl van de prompt minstens even goed, en op onze tien testparen soms beter: een borduurwerk hield op 2,5 megapixel zijn zichtbare steken en werd op 4 een foto. Voor een galerij die op 1024 pixels wordt getoond, is 2,5 megapixel op 20 steps de beste keuze. Voor een afdruk, 4 megapixel op 20 steps.
Versnellingen: de officiële Turbo, gemeten
De eerste Lightning LoRA. De 8-step Qwen-Image-Lightning LoRA uit 2025 is getraind op de eerste Qwen-Image, waarvan de attention-lagen 3072 breed zijn. Qwen-Image 2.1 gebruikt 4096. ComfyUI meldt één fout per attention-gewicht, slaat ze over en rendert het kale model in 8 steps: op het eerste gezicht scherp genoeg, maar je krijgt de LoRA niet, en een 8-step-afbeelding uit een niet-gedistilleerd model is niet wat je wilde.
De officiële Turbo. Qwen bracht Qwen-Image-2.1-Turbo uit op 9 oktober 2026: een gedistilleerd checkpoint dat in 8 steps op CFG 1 draait met een vast sigmaschema, door Comfy-Org geleverd als int8-bestand en als LoRA voor het basismodel, met eigen templates in ComfyUI. We hebben het op 17 oktober gemeten op dezelfde tien seeds en formaten als onze CFG 3-renders, met de exacte graph van het template.
| Instelling | Tijd per afbeelding |
|---|---|
| Turbo-checkpoint, 8 steps, 1 megapixel | 9 tot 10 s |
| Turbo-checkpoint, 8 steps, 4 megapixel | 38 tot 39 s |
| Basischeckpoint plus Turbo LoRA, 8 steps, 4 megapixel | 52 tot 55 s |
| Onze instelling, CFG 3, 20 steps, 4 megapixel | 255 tot 275 s |
Zeven keer sneller op 4 megapixel, vier keer op 1, en de afbeeldingen zijn schoon: scherp, goed belicht, geen anatomiefouten op onze tien seeds, tekst goed waar het basismodel hem ook goed krijgt. De objecten uit de prompt zijn er, soms beter dan bij het basismodel: de schildpad in haar raceauto, die het basismodel in al onze renders had weggelaten, verscheen met Turbo. Wat verloren gaat, is het medium. Het gedistilleerde model drijft af naar fotografisch realisme, wat de prompt ook vraagt: een borduurwerk van een krokodil werd een foto van een krokodil, een houtskooltekening verloor haar korrel, een Marvin the Martian in papierknipwerk werd een vinyl speelgoedfiguur. Verzonnen letters op gevels zijn dezelfde als bij het basismodel. De LoRA op het basischeckpoint geeft dezelfde afbeeldingen als het Turbo-checkpoint, alleen langzamer, dus het checkpoint is wat je moet downloaden. Een seed geeft een ander beeld dan bij het basismodel, zoals bij elke verandering van formaat, en de licentie is dezelfde, alleen onderzoek en evaluatie.
Hoe wij het gebruiken: als kladmodus. Zeven keer meer kandidaten per uur om uit te kiezen, en de definitieve render met CFG 3 voor alles wat geschilderd, getekend of met de hand gemaakt is. Voor fotografische prompts is het Turbo-resultaat vaak goed genoeg zoals het is.
Andere distillaties. LightX2V publiceerde op 13 oktober 2026 een 4-step Lightning LoRA voor 2.1, en er bestaat ook een 8-step LoRA uit de community, Turbo8; beide draaien op CFG 1, net als de officiële Turbo. We hebben ze niet gemeten.
De prefix-cache-node. De QwenImage21Cache-node van ComfyUI stelt alleen het apparaat en de precisie in van de cache die het model toch al bijhoudt; met zijn standaardwaarden verandert hij niets. Zijn int8-modus halveert de cache en helpt als het geheugen krap wordt in 2K of bij het bewerken met meerdere referentieafbeeldingen. We zagen er geen zichtbaar verlies mee.
Minder steps. 16 steps bespaart ongeveer een vijfde van de tijd, maar verandert de compositie en wint geen scherpte ten opzichte van 20. Als tijd de beperking is, verlaag dan eerst het formaat en dan pas de steps.
Qwen-Image 2.1 lokaal draaien
ComfyUI ondersteunt het model native. Drie bestanden gaan in de gebruikelijke mappen: het diffusiemodel in diffusion_models, de Qwen3-VL-tekstencoder in text_encoders, de VAE in vae. De int8-versies die Comfy-Org publiceert, zijn de juiste keuze op een kaart van 16 GB: de bf16-gewichten werken ook, maar lopen over in het systeemgeheugen en doen er twee tot zes keer langer over voor identieke afbeeldingen.
De graph is kort: UNETLoader, CLIPLoader met het type qwen_image, VAELoader, de TextEncodeQwenImage21-node, die de prompt en de negatieve prompt samen aanneemt en beide conditionings uitgeeft, een lege latent op het gekozen formaat, dan APG en FreSca op het modelpad, een KSampler op CFG 3 met euler en de scheduler simple, en VAEDecode. Voor een transparante afbeelding verpak je het onderwerp in de vorm die de model card aanbeveelt: "This is an RGBA image with transparency. [the subject]. The image has alpha channel and the background is transparent.", en sla je op als PNG.
Geheugen: het int8-model, de encoder en de VAE passen op 1 megapixel ruim in 16 GB; 4 megapixel draaiden we met de prefix-cache op int8 en we kwamen nooit tekort. De eerste afbeelding van een sessie duurt langer terwijl de bestanden laden.