Qwen-Image 2.1’den en iyi görseller nasıl alınır?

Qwen-Image 2.1 nedir?

Qwen-Image 2.1, iki iş için tek bir checkpoint. Metinden görsel üretir ve mevcut bir görseli bir cümle ile en fazla on referans görselden yola çıkarak düzenler. Üretim tarafı 7 milyar parametreli bir diffusion transformer. Buna ComfyUI’da ayrı bir dosya olarak yüklenen bir Qwen3-VL 8B metin kodlayıcı eşlik eder.

Kodlayıcının bir dil modeli olması sayesinde model anahtar kelime listeleri yerine cümlelerin tamamını, yerleşim talimatlarını ve tırnak içindeki kelimeleri okur.

Qwen, 2.1’i dokular, tipografi ve portre ışığı açısından geliştirilmiş bir sürüm olarak sunuyor. Model upscaler olmadan doğal 2K’da çalışıyor: kare için 2048 × 2048, 3:2 için 2528 × 1696, 16:9 için 2752 × 1536. Prompt şeffaf arka plan istediğinde gerçek bir alfa kanalı da üretebiliyor.

Bedeli zaman. 16 GB video belleğine sahip tüketici sınıfı bir kartta int8 ağırlıklar 1 megapiksellik bir görseli yaklaşık 40 saniyede üretiyor. 4 megapiksellik bir görsel, aşağıdaki ayarlarla yaklaşık dört buçuk dakika sürüyor.

İndirmeden önce bilinmesi gereken bir şey var. Ağırlıklar Qwen Research License kapsamında: yalnızca araştırma ve değerlendirme amaçlı. Her türlü ticari kullanım Qwen’den alınacak ayrı bir lisans gerektiriyor. Ağustos 2025’te yayımlanan ilk Qwen-Image Apache 2.0 lisanslıydı. 2.1 sürümü değil.

Qwen-Image 2.1 için prompt nasıl yazılır?

Etiket değil, cümle yazın. Metin kodlayıcı bir dil modelidir. Kelime sırasını, edatları ve tırnak işaretlerini okur ve her şeyi kelimesi kelimesine alır. “lighthouse cat” bir deniz fenerinin üzerine çizilmiş bir kediye dönüşür.

Aşağıdaki yapı yaklaşık bin görsel boyunca en iyi sonuçları verdi. Bu sırayı koruyun.

• Önce teknik ve konu: “An art nouveau illustration of Motoko Kusanagi standing in falling cherry blossoms”. Başta belirtilen teknik, ondan sonra gelen her şeye rengini verir.
• Mekan: yer, dönem, hava ya da havayı dolduran şey. “in falling cherry blossoms”, “in the 1980s”, “during a blizzard”.
• Yönüyle birlikte ışık: “lit from the front by soft diffuse light, with gentle shadows”. Yöne uyulur. Tek başına “dramatic light” ise dikkate alınmaz.
• Kadraj: “close-up of the subject, looking at the viewer”, orta plan, yukarıdan görünüm, uçsuz bucaksız bir manzarada minicik bir konu.
• Malzemeler ve palet: “flowing ink lines, flat gold leaf background, muted jade and plum”. Modelin 2K’da en iyi işlediği şey budur.
• Prompta yazılmış kısıtlamalar: “no lettering, no watermark”, “five fingers on each hand”. Guidance 1’de negatif prompt yok sayılır, dolayısıyla bunları promptun kendisi taşımak zorundadır.

Yukarıdaki illüstrasyonun promptunun tamamı, bu sırayla: 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.

Yazı, tırnak içine alındığında ve yeri belirtildiğinde işe yarar. “A banner above the door reads 'OPEN ALL NIGHT'” büyük harfle olsun olmasın hemen her seferinde doğru çıkar.

Tersi de geçerlidir. Yazı istenmemiş bir dükkan vitrini, bir lokanta ya da bir oyun salonu kendiliğinden uydurma bir tabela edinir. Bu yüzden sahnede bir cephe varsa mutlaka “no lettering” yazın.

Modelin tanımadığı karakterler uyarı vermeden bir benzeriyle değiştirilir. Marsupilami bir maymuna dönüştü. Mothra ve Marvin the Martian doğru çıktı.

Prompt örnekleri sayfasındaki her Qwen kartı seed değeri, boyutu ve ayarlarıyla birlikte bu yapıyı izler.

İşe yarayan ayarlar, ölçülmüş haliyle

Resmi ComfyUI şablonu guidance (CFG) 1 ve 25 adımla çalışır. Model kartı 40 adım kullanır. Aşağıdaki ayarlar CFG 3’te karar kıldı.

En son 16 Ekim 2026’da, aynı seed değerleriyle yapılan testte en ayrıntılı ve prompta en sadık görselleri şu ayarlar verdi:

Guidance, sahneyi değiştirmeyen tek ayardır. Aynı seed ve boyutta CFG 1 ile CFG 3 neredeyse aynı kompozisyonu verir. Fark işlemede ortaya çıkar.

CFG 1’de görsel daha düz kalır ve ince dokuyu kaybeder. Nakış ilmekleri kumaşa dönüşür. Bir çizgi film yüzü göz bebeklerini ve ağzını kaybeder. Metalin perçinleri silinir.

CFG 1’i 30 adıma çıkarmak keskinliği geri getirir ama malzemeleri ve kontrastı getirmez. Bir kez denenen 2 megapikselde 40 adım, temiz ama yine daha düz bir görsel verir ve promptu daha az güvenilir biçimde okur.

APG, CFG 3’ün renkleri aşırı doyurmasını engeller. FreSca yüksek frekansları keskinleştirir. İkisi de yalnızca guidance 1’in üzerindeyken devreye girer.

1’in üzerindeki guidance her adımda ikinci bir geçişe mal olur, bu yüzden CFG 1 iki kat hızlıdır. Test kartında bu, 4 megapiksellik bir görsel için 255 ila 275 saniyeye karşılık 120 ila 135 saniye demek. On test çiftinin her birinde yavaş olan bu bedele değdi.

Çözünürlük ve adım sayısı: görseli ne değiştirir?

Her diffusion modeli gibi Qwen-Image 2.1 de boyut değiştiğinde görseli yeniden boyutlandırmaz. Aynı seed’in başka bir yorumunu üretir, dolayısıyla 1 megapikselde bulunan bir seed 2K’ya taşınmaz.

1 megapikselden 2.5’e ya da 4’e geçmek test edilen her çiftte farklı bir görsel verdi. 2.5 ile 4 megapiksel arasında kompozisyon on çiftin sekizinde korundu.

Aşağıdaki illüstrasyonda yalnızca ayrıntılar yer değiştirdi. 2.5 megapikselde devre yolları haleden saçlara geçti.

Adım sayısını değiştirmek de fark büyüdüğünde görseli değiştirir. 20 ile 25 adım neredeyse aynı görseli verir. 16 adımda görsel kayar. Dolayısıyla 1 megapikselde ön izleme yapıp aynı görseli daha büyük üretmenin bir yolu yoktur. Önce boyutu seçin, sonra seed’i.

CFG 3, APG ve FreSca ile, int8 ağırlıklarla, tek bir 16 GB’lık tüketici kartında, yatay ya da buna denk dikey boyutta ölçülen süreler:

Aynı bölge %100’de karşılaştırıldığında 2.5 megapikselde ayrıntı 4’e göre biraz daha yumuşaktır. Ama model promptun stilini en az onun kadar iyi izler; on test çiftinde bazen daha da iyi. Bir nakış ilmeklerini 2.5 megapikselde 4’e göre daha net gösterdi.

1024 piksel olarak sunulan bir galeri için ideal nokta 20 adımda 2.5 megapikseldir. Baskı için 20 adımda 4 megapiksel.

Hızlandırmalar: Turbo, yönlendirilmiş Turbo ve diğerleri

Turbo. Qwen, 9 Ekim 2026’da Qwen-Image-2.1-Turbo’yu yayımladı. Bu, CFG 1’de, sabit bir sigma takvimiyle 8 adımda çalışan damıtılmış bir checkpoint. Comfy-Org bunu hem int8 dosyası hem de temel model için LoRA olarak, ComfyUI’da kendi şablonlarıyla sunuyor. 17 Ekim’de, bu rehberin CFG 3 üretimleriyle aynı on seed ve boyutta, şablonun düğüm grafı birebir kullanılarak ölçüldü.

4 megapikselde yedi kat, 1 megapikselde dört kat daha hızlı. Görseller temiz: keskin, iyi aydınlatılmış, on seed’de anatomi hatası yok, yazı temel modelle aynı promptlarda doğru. Prompttaki nesneler yerli yerinde, bazen temel modelden bile iyi. Temel modelin her üretimde atladığı yarış arabasındaki kaplumbağa, Turbo ile ortaya çıktı.

Kaybettiği şey teknik. On seed’in fotoğrafik olmayan her promptunda damıtılmış model fotoğrafik gerçekçiliğe kaydı. Bir timsah nakışı timsah fotoğrafına dönüştü. Bir karakalem çizimi grenini kaybetti. Kağıt kesme tekniğiyle yapılmış bir Marvin the Martian vinil oyuncağa döndü. Cephelerdeki uydurma yazılar temel modeldekiyle aynı.

On seed’de temel checkpoint üzerindeki LoRA, Turbo checkpoint ile aynı görselleri yalnızca daha yavaş verdi. Dolayısıyla indirilecek olan checkpoint. Bir seed, her boyut değişikliğinde olduğu gibi temel modelden farklı bir görsel verir. Lisans aynı: yalnızca araştırma ve değerlendirme.

Yönlendirilmiş Turbo. Turbo, CFG 1’e kilitli değildir. 17 Ekim 2026’da aynı on seed’e ek olarak bu rehberin illüstrasyonunda test edildi. Checkpoint’ini ve 8 sabit sigmasını koruyun, temel ön ayardan yalnızca guidance bloğunu alın: CFG 3, negatif prompt, APG ve ardından FreSca.

Düğüm grafı, Turbo şablonunun kendisidir. CFGGuider’ını 1 yerine 3’e ayarlayın, negatif promptu doldurun ve yükleyici ile guider arasındaki model yoluna APG’yi, ardından FreSca’yı ekleyin. ManualSigmas düğümü ve örnekleyici olduğu gibi kalır.

Sonuç, Turbo’nun kompozisyonunu korur ve CFG 1’in düzleştirdiğini geri kazanır: kontrast, doygunluk ve ince ayrıntı. Bu rehberin illüstrasyonunda halenin devre yolları net ve yaldızlı olarak geri geliyor, çiçek yaprakları da yeniden beliriyor. On test seed’inde pullar, kürk ve nakışlı yelek aynı şekilde keskinleşiyor. Geri kazanmadığı şey teknik. Nakış, timsah fotoğrafı olarak kalıyor.

Bedeli her adımdaki ikinci geçiş: 4 megapiksellik bir görsel için 38 ila 39 saniyeye karşılık 66 ila 71 saniye. Bu yine de temel modelden neredeyse dört kat hızlı.

Workflow’u indirin. Yönlendirilmiş Turbo’nun ComfyUI workflow’u (JSON) bu illüstrasyonu olduğu gibi üretir: 1664 × 2432, seed 57658043, APG ve FreSca ile CFG 3, bu rehberin negatif promptu. Dosyayı ComfyUI’ye bırakın; son bölümde adı geçen üç model dosyasını bekler. Bu sayfaya bağlantı vererek CC BY 4.0 kapsamında serbestçe yeniden kullanılabilir.

Turbo’ya daha fazla adımla yardım etmeye çalışmayın. Temel modelmiş gibi 4 megapikselde ve CFG 3’te 20 adım ve simple zamanlayıcı verildiğinde fazla pişiyor: sert saç telleri, grenli bir hale, zorlanmış kontrast. Üstelik 169 saniye sürüyor. Damıtılmış checkpoint kendi 8 sigmasını istiyor.

Makul bir iş bölümü. Düz Turbo taslak modu olarak, seçim için saatte yedi kat daha fazla adayla. Yönlendirilmiş Turbo, fotoğrafik ya da temiz çizgili bir promptun hızlıca ayrıntıya ihtiyaç duyduğu durumlarda. CFG 3 ile temel model ise boyanmış, çizilmiş ya da el işi her şey için, tekniğin kendisinin önemli olduğu yerlerde.

Diğer damıtmalar. LightX2V, 13 Ekim 2026’da 2.1 için 4 adımlı bir Lightning LoRA yayımladı. Topluluktan çıkan 8 adımlı bir LoRA, Turbo8, da var. İkisi de Turbo gibi CFG 1’de çalışır. İkisi de burada ölçülmedi.

Önek önbelleği düğümü. ComfyUI’ın QwenImage21Cache düğümü yalnızca modelin zaten tuttuğu önbelleğin aygıtını ve hassasiyetini ayarlar. Varsayılan değerlerinde hiçbir şeyi değiştirmez. int8 modu önbelleği yarıya indirir; bu, 2K’da ya da birkaç referans görselle düzenleme yaparken bellek yetmediğinde yardımcı olur. Bu testlerde bununla gözle görülür bir kayıp olmadı.

Daha az adım. 16 adım sürenin yaklaşık beşte birini kazandırır ama kompozisyonu değiştirir ve 20’ye göre keskinlik kazandırmaz. Kısıt zamansa adımdan önce boyutu düşürün.

Qwen-Image 2.1’i yerel olarak çalıştırmak

ComfyUI modeli yerleşik olarak destekler. Üç dosya her zamanki klasörlere gider: diffusion modeli diffusion_models, Qwen3-VL metin kodlayıcı text_encoders, VAE ise vae klasörüne.

16 GB’lık bir kartta Comfy-Org’un yayımladığı int8 sürümlerini alın. bf16 ağırlıklar da çalışır ama sistem belleğine taşar ve gözle görülür bir kazanç olmadan iki ila altı kat daha uzun sürer.

Düğüm grafı kısadır:

• UNETLoader, qwen_image tipiyle CLIPLoader, VAELoader;
• promptu ve negatif promptu birlikte alıp iki koşullandırmayı da veren TextEncodeQwenImage21;
• seçilen boyutta boş bir latent;
• model yolunda APG, ardından FreSca;
• euler ve simple zamanlayıcıyla CFG 3’te bir KSampler, ardından VAEDecode.

Şeffaf bir görsel için konuyu model kartının önerdiği kalıba sarın: “This is an RGBA image with transparency. [the subject]. The image has alpha channel and the background is transparent.” Ardından PNG olarak kaydedin.

Bellek: 1 megapikselde int8 model, kodlayıcı ve VAE sistem belleğine dokunmadan 16 GB içinde çalışır. ComfyUI, prompt kodlandıktan sonra kodlayıcıyı video belleğinden çıkarır. 4 megapikselde önek önbelleği int8’e ayarlandı ve bellek hiç tükenmedi. Oturumun ilk görseli, dosyalar yüklenirken daha uzun sürer.