Qwen-Image-2.1 本地部署与 API 怎么选：开源权重仅限非商用

Qwen-Image-2.1 是阿里千问团队在 2026 年 9 月 20 日开放权重的图像模型：一套权重同时做文生图和图像编辑，能直接输出透明背景的 PNG，编辑时最多接收 10 张参考图（GitHub 仓库）。权重可以从 ModelScope 和 Hugging Face 免费下载，但许可证是 Qwen Research License，只允许研究和评估用途；要拿来做商业项目，需要另向阿里申请商用授权。

截至 2026 年 10 月 7 日，三条路线的分工很清楚：想先看效果，用免费的在线入口；有 12 GB 以上显存的显卡，本地用 ComfyUI 或 GGUF 量化版跑；要稳定批量出图、接进自己的产品，用阿里云百炼的 qwen-image-2.1-pro，北京地域每张 ¥0.25。下面的选择表按你手上的硬件和用途给出起步方式。

按显存、出图量和是否商用选：在线试、本地部署还是百炼 API

显存一栏的数字来自 Unsloth 的 Qwen-Image-2.1 文档，它明确写着这些是估算的起步配置，不是实测下限；分辨率和卸载设置都会改变实际占用。

改变选择的几个条件：

• 项目要商用：本地跑开源权重不在研究许可范围内，后文"能商用吗"一节说明了边界和申请方式。
• 显存低于 6 GB 或没有显卡：纯 CPU 也能起步（12–16 GB 内存配 GGUF），但 Unsloth 没有给出纯 CPU 的速度，在线入口和 API 更省事。
• 出图量很小：每月 50 张，按北京地域算是 50 × ¥0.25 = ¥12.5，不值得为它配显卡；反过来，本地部署没有按张计费，适合反复换种子挑图。

Qwen-Image-2.1 是什么：7B 生成模型 + 8B 文本编码器，生成编辑一体

Qwen-Image-2.1 的视觉生成部分是 70 亿参数、32 层的单流 DiT，文本编码器用 Qwen3-VL 8B，同时理解文字指令和输入图片；VAE 是 64 通道的 RGBA 自编码器，所以透明通道是模型原生输出的，不是生成后再抠图（GitHub 仓库的架构说明）。

官方列出的能力：

• 从文字生成普通图或透明背景（RGBA）图，编辑透明图层，从照片里提取主体；
• 一次最多参考 10 张图做多主体合成，比如把几张单人照合成合影，把衣服、鞋、包拼到同一个模特身上；
• 局部编辑可以用圈选、手绘标注或单独的蒙版指定区域，人物和产品的身份特征尽量保留；
• 原生 2K 输出，官方推荐尺寸是 1:1 的 2048×2048、16:9 的 2752×1536、9:16 的 1536×2752 等七种比例。

这些是厂商自己的描述。外部评测方面，Artificial Analysis 在 10 月初公布的榜单里，Qwen-Image-2.1 在文生图和图像编辑两个榜都排第 18，在开放权重模型中两个榜都排第一；榜单会随新模型变动。GIGAZINE 在本地实际试用后的感受是：人物写实度很高，但整体画质不如 ChatGPT、Gemini 这类在线服务，好在本地生成次数不受限，可以换种子多抽几张（GIGAZINE 试用报告）。

和 Qwen-Image 2.0、3.0 的关系：只有 2.1 放出了权重

千问图像模型的版本号不是一条直线：

也就是说，2.1 是 2.0、3.0 两代闭源之后重新开放权重的版本，但许可证从最早的 Apache 2.0 收紧成了研究许可（GIGAZINE、Unite.AI 关于 3.0 的报道）。

2.1 和 3.0 哪个更好，目前没有可靠答案：3.0 发布时没有公布官方评测，两者也没有同条件的公开对比。如果你本来就在用百炼 API，3.0 和 2.1-pro 都能调，价格对比放在后面的 API 一节。

Qwen-Image-2.1 能商用吗：开源权重仅限研究和评估

不能直接商用。Qwen Research License（2026 年 9 月 20 日版，许可方是杭州通义实验室科技有限公司）只授予"非商业用途"的使用权，并把"非商业"定义为"仅限研究或评估"。条款里和日常使用关系最大的几条：

• 商用要另外申请：任何商业用途都需要单独的商用许可，申请邮箱是 model-business@notice.qwencloud.com。
• 量化版同样受约束：GGUF、FP8、INT8 这些转换版属于衍生作品，许可条件跟着走；再分发时要附上许可协议和 Notice 文件。
• 用它训练模型要标注：用模型本身或它的输出去训练、微调另一个模型并对外发布，要在文档里醒目标出 "Built with Qwen" 或 "Improved using Qwen"。
• 适用中国法律，争议由杭州的人民法院管辖。

生成的图片归谁，千问官方 X 账号在 9 月 21 日回复过：输出不属于许可材料，用户保留自己生成的图片和其他内容的权利（GIGAZINE 文中嵌入了这条回复）。这句话说的是图片的归属，没有回答"用研究许可的模型给客户出图算不算商业使用"。这条回复也不在许可证正文里。所以只要工作本身是商业性质的，稳妥做法是二选一：申请商用许可，或者改用付费 API，并按下一段确认 API 的使用条款。

付费 API 和免费体验也要分开看。百炼的服务条款写明：控制台"模型体验"里生成的内容只能用来评估模型效果，不得用于包括商业用途在内的其他用途，也不能去掉体验服务加上的"AI 生成"标识。付费 API 调用产出的图片怎么用，不在这份条款里，由阿里云的通用服务协议约束；拿 API 出图做商业交付之前，把你账号签署的协议读一遍。

没有显卡怎么免费用：wuli.art、ModelScope 与 Hugging Face Space

三个免费入口，适合先判断这个模型合不合你的需求：

• wuli.art：官方 README 写明它向中国大陆用户免费提供 Qwen-Image-2.1 的全部功能，对话框和画布两种界面都能用，包括透明背景生成。免费额度的细则没有公开。
• ModelScope：模型页 modelscope.cn/models/Qwen/Qwen-Image-2.1 提供下载，AIGC 专区可以在线生成，还能训练 LoRA，国内用户可以优先用它。
• Hugging Face Space：官方 Demo Qwen/Qwen-Image-2.1 截至 2026 年 10 月 7 日显示运行在 ZeroGPU 上，免费额度和排队时长没有公布，高峰期可能要等。

阿里云百炼国际站给 qwen-image-2.1-pro 提供 10 张免费额度，但只限新加坡地域、90 天内有效，通过控制台模型体验生成的图还受上面"仅限评估"的限制。

想比较其他免费生图工具，可以看 免费 AI 图片生成器哪款最值得用？2026 年 3 月实测比较，那篇写于 2.1 发布之前，不包含它。如果你平时在 Claude 里生图，Claude 生图连接器怎么选怎么加介绍了通过 Hugging Face 连接器调用 Qwen Image Space 的做法。

本地部署要多少显存：Unsloth 给的起步配置

Unsloth 为 Qwen-Image-2.1 做了 GGUF 和 FP8 量化版，并给出了按硬件选择的起步配置。它的说明是：先按表里的分辨率出一张，显存还有余量再往上加。

来源：Unsloth 文档，标注为估算值而非实测下限。文档开头另有一句"GGUF 版 11 GB 显存可运行"，和表格的 12–16 GB 是同一档的不同说法。

几条读表时容易忽略的细节：

• INT8 比 FP8 更接近原画质：Unsloth 的对比里，INT8 文件 7.26 GB、LPIPS 均值 0.064，FP8 文件 7.12 GB、LPIPS 均值 0.112（越低越接近原模型），所以它默认用 INT8。ComfyUI 官方模板加载的也是 INT8 权重。
• 有显卡优先试 FP8/INT8：Unsloth 认为即使需要卸载到内存，FP8 也可能比 GGUF 快，前提是系统内存够大；GGUF 更适合主要靠内存或统一内存的机器，比如 Mac。
• 分辨率是第二个旋钮：尺寸要能被 32 整除。降低步数能加快速度，但解决不了显存不够的问题。
• 提示词改写模型另算内存：官方的提示词改写模型是另一个 9B 模型，开着它就要多装一个模型。

速度方面可以参考 GIGAZINE 的一次试用：Intel Arc Pro B70（32 GB）加 Ryzen 5 7600X，在 ComfyUI 里出 1024×1024、25 步的图，第一张约 45 秒，之后每张约 30 秒。这是单台机器、单次测试的结果，换显卡会差很多。

如果你之前用 Unsloth 在本地跑过大语言模型，量化档位的思路是一样的，只是对象不同，可以对照 Qwen3.8-Flash-Next 本地运行指南：先算清 75GB、96GB 与 128GB。

Qwen-Image-2.1 下载：ModelScope、Hugging Face 与 ComfyUI 模型文件

按你打算用的工具选下载源：

在国内网络下下载原版权重，可以先试 ModelScope。ComfyUI 用的文件按官方教程放进对应目录：

ComfyUI/models/
├── diffusion_models/
│   ├── qwen_image_2.1_int8_convrot.safetensors   # 模板默认，占用更低
│   └── qwen_image_2.1_bf16.safetensors           # 全精度，占用更高
├── text_encoders/
│   ├── qwen3vl_8b_int8_convrot.safetensors       # 模板默认
│   ├── qwen3vl_8b_bf16.safetensors               # 全精度
│   ├── qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors   # 可选，文生图提示词增强
│   └── qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot.safetensors   # 可选，编辑提示词增强
└── vae/
    └── qwen_image_2.1_vae_bf16.safetensors

最少只需要三个文件：一个扩散模型、一个 Qwen3-VL 文本编码器、一个 VAE。两个提示词增强编码器只有打开增强功能时才会用到。

ComfyUI 工作流出第一张图：25 步、cfg 1、1024×1024 起

ComfyUI 从发布当天就原生支持 Qwen-Image-2.1，官方提供文生图、图像编辑、去背景三个模板。步骤：

1. 把 ComfyUI 更新到最新版。模板库里搜不到 "Qwen-Image-2.1"，或加载后提示缺节点，多半是版本旧；新节点有时先进 Nightly 版，稳定版要等下一次发布。
2. 在模板库打开 "Qwen Image 2.1 Text to Image"。如果提示缺模型，点开详情可以一键下载上面那三个文件，下载完刷新页面。
3. 第一张图先用 1.0 MP（约 1024×1024）的分辨率，确认能跑通再把 Resolution Selector 调到约 4.0 MP，也就是原生的 2048×2048。
4. 写提示词，点运行。生成出图、没有报显存不足，就说明环境没问题。

模板的默认采样参数是 25 步、cfg 1、euler 采样器、simple 调度器。调参时一次只改一个值，并固定种子对比：

用 Diffusers 跑时默认是 40 步，官方发布的流程大约用 40–50 步；ComfyUI 模板从 25 步起，是为了更快出结果。

Qwen-Image-2.1 提示词：透明 PNG、多图参考与局部修改

透明 PNG：用官方的 RGBA 句式

官方推荐的透明图提示词格式是把描述夹在两句固定的话中间：

This is an RGBA image with transparency. <你的描述>. The image has alpha channel and the background is transparent.

例如：This is an RGBA image with transparency. A cute cartoon dragon sticker. The image has alpha channel and the background is transparent.

GIGAZINE 的试用里，只在提示词里写"透明 PNG"也得到了完全透明的背景，但那是一次测试；要稳定出透明图，还是用官方句式。生成后如果看到白底或黑底，先别急着判断失败：很多网页预览和聊天软件会把透明通道压平，用 GIMP、Photoshop 这类支持透明的软件打开再确认。

从现有照片里抠主体，用 ComfyUI 的去背景模板，它用的指令是 Remove the background, and output a PNG image。

多参考图编辑：最多 10 张，按编号点名

官方支持的上限是 10 张参考图。ComfyUI 的 Text Encode Qwen Image 2.1 节点虽然有 16 个输入槽（image_1 到 image_16），但官方编辑模板只接了前 10 个，16 只是节点的槽位数，不是模型承诺的能力（ComfyUI 教程）。

image_1 是被编辑的那张图，其余的提供素材；提示词里用 <image1>、<image2> 按编号指代。ComfyUI 教程的例子：

Keep the character and pose in <image1> unchanged, put this light blue denim shirt from <image2> on the character, preserve the original facial features, hair, body shape and pose

多图合成的成功率不高。GIGAZINE 用两张图合成发布会场景，需要反复生成很多张才挑出一张合格的，失败图里有多出来的手臂、结构变形。这类任务可以打开模板里的提示词增强（refine_prompt，默认关闭），让改写模型先把短指令扩成详细描述。

局部修改：先在图上画色块，再在提示词里点颜色

只想改图里一块区域时，在 ComfyUI 里右键提供 image_1 的 LoadImage 节点，选 Open in Mask Editor，用 Paint Pen 在要改的区域上涂色并保存。笔迹会写进图片本身，然后在提示词里点出颜色，比如"把红色区域里的夹克换成皮衣"。色块要画在目标区域以内；如果担心标记颜色带进结果，就在提示词里写明想要的最终颜色。

用 Python 部署：Diffusers 的 QwenImage21Pipeline 与 vLLM 服务

不用 ComfyUI 的话，官方推荐 Diffusers。依赖按 README：

pip install "torch>=2.4.0" "transformers>=5.17" accelerate pillow
pip install git+https://github.com/huggingface/diffusers

下面的脚本把 README 的文生图、透明图和省显存写法合在一起，显存不够时用 enable_model_cpu_offload() 把部分模型放到内存：

import torch
from diffusers import QwenImage21Pipeline

# 权重已从 ModelScope 下载到本地时，把模型 ID 换成本地目录路径
pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()  # 显存充足时删掉这行，改用 pipe.to("cuda")

image = pipe(
    prompt=(
        "This is an RGBA image with transparency. A cute cartoon dragon sticker. "
        "The image has alpha channel and the background is transparent."
    ),
    width=1024,
    height=1024,
    num_inference_steps=40,
    generator=torch.Generator("cuda").manual_seed(42),
).images[0]

image.save("dragon.png")  # 模型生成透明图时保存为 RGBA

做编辑时，给 pipe() 传 image= 参数：单张传一个 PIL 图片，多参考图传图片列表（最多 10 张）。不传 width/height 时默认输出 2048×2048。

要给团队或应用提供服务，vLLM-Omni 可以起一个 OpenAI 风格的图片接口：

vllm serve Qwen/Qwen-Image-2.1 --omni --port 8091

curl http://localhost:8091/v1/images/generations \
  -H "Content-Type: application/json" \
  -d '{"model": "Qwen/Qwen-Image-2.1", "prompt": "A ceramic teapot on a wooden table", "size": "1024x1024", "num_inference_steps": 40, "seed": 42}'

SGLang（sglang generate）和 LightX2V 也在发布当天提供了支持，README 里还列出了 AMD ROCm 和 FlagOS 多芯片平台的运行方式。注意：自己架服务给别人用，仍然受研究许可约束。

百炼 API 多少钱：qwen-image-2.1-pro 北京 ¥0.25/张，1,000 张 ¥250

阿里云百炼把 2.1 作为托管模型 qwen-image-2.1-pro 出售，输入文字和图片、输出图片，按成功生成的张数计费。截至 2026 年 10 月 7 日，百炼中文文档列出的原价（不含限时优惠）：

阿里云国际站价格页用美元标价：新加坡 $0.04/张，含 10 张免费额度（仅新加坡、90 天内有效）；同一页注明生成失败不计费。

成本按"张数 × 单价"算：

• 北京地域：1,000 张 × ¥0.25 = ¥250；100 张 = ¥25。
• 新加坡国际站：1,000 张 × $0.04 = $40。

这里只算成功出图的张数，不含税费。生成成功但效果不满意、需要重抽的那些图照样计费，实际花费要按你的重抽比例往上加。

同平台的其他千问图像模型（国际站新加坡地域美元标价）：qwen-image-3.0 $0.03/张，qwen-image-3.0-pro 1K $0.04/张、2K $0.075/张，qwen-image-2.0 $0.035/张，qwen-image-2.0-pro $0.075/张；3.0 系列的输入图另收 $0.003/张。

几点需要知道：

• 2.1-pro 和开源权重不一定完全相同：两者的官方描述一样，但阿里没有说明 Pro 是否就是开源那份权重；API 还有 prompt_extend（提示词扩写）这类托管版参数。所以本地效果和 API 效果不能直接互相代表。
• 并发：QwenCloud 模型页给出的限制是 10 个并发、异步队列 200 个任务、每分钟 20 次请求。批量任务要按这个节奏排队。
• 第三方平台：Kie.ai 也提供 Qwen-Image-2.1，1K 图约 $0.02/张、2K 约 $0.04/张，新用户有免费积分；它是否获得阿里的商用授权，页面上没有说明。

请求结构可以参考 QwenCloud 模型页给出的 DashScope 示例。下面的接入地址是 QwenCloud 的；用北京地域时，接入地址和 API Key 在百炼控制台获取，请求体结构相同：

curl --location 'https://maas.qwencloudapi.com/api/v1/services/aigc/multimodal-generation/generation' \
  --header 'Content-Type: application/json' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --data '{
    "model": "qwen-image-2.1-pro",
    "input": {
      "messages": [
        {"role": "user", "content": [{"text": "A neon shop sign that reads \"QWEN IMAGE 2.1\", rainy night"}]}
      ]
    },
    "parameters": {"prompt_extend": true}
  }'

如果你在比较闭源图像 API 的价格和入口，可以对照 Nano Banana 2.1 发布：怎么用、API 价格与 10 月 29 日迁移期限。

Qwen-Image-2.1 跑不起来或效果不对：按症状排查

Qwen-Image-2.1 的其他问题

Qwen-Image-2.1 支持 MLX 吗？

官方仓库和 Unsloth 文档里都没有 MLX 版本。Unsloth 给 Apple Silicon 的起步方案是 12–16 GB 以上统一内存配 GGUF 量化版。社区如果出了 MLX 转换版，要自己在 Hugging Face 上找，并留意它同样受研究许可约束。

qwen-image-2.1-pro 和开源的 Qwen-Image-2.1 是同一个模型吗？

阿里没有说明。两者的介绍文字相同，都写着 7B、32 层单流 DiT，但 API 版本带 Pro 后缀，还有提示词扩写参数，也没有公布与开源版的对比数据。不要用 API 的效果推断本地部署的效果，反过来也一样。

可以用 Qwen-Image-2.1 训练 LoRA 吗？

可以。ModelScope 提供在线 LoRA 训练，Unsloth 和 ComfyUI 也能加载 LoRA。许可证允许为研究目的修改和制作衍生作品；如果你用它或它生成的图去训练模型并对外发布，要在文档里标注 "Built with Qwen" 或 "Improved using Qwen"，用于商业仍需另行授权。

Qwen-Image-2.1 能写中文提示词吗？

官方文档没有说明支持哪些提示词语言，示例全部是英文。GIGAZINE 用日文提示词测试时能正常出图，中文提示词目前没有公开的测试结果。透明图这类有固定句式的功能，建议保留官方英文句式，只把中间的描述换成中文，出图后和全英文版本对比一次。