Qwen-Image 2.1 локально: установка в ComfyUI

20 сентября 2026 года команда Qwen из Alibaba выложила в открытый доступ Qwen-Image 2.1. Это модель, которая и рисует картинки по тексту, и редактирует готовые изображения, причём одними и теми же весами. Отдельная модель для правки больше не нужна. Генерирующая часть весит всего 7 миллиардов параметров, поэтому запустить её можно на хорошем домашнем компьютере.

В этой инструкции — что нужно для запуска, какие файлы скачать, как собрать всё в ComfyUI и о чём важно знать до того, как вы начнёте использовать картинки в работе.

Что умеет Qwen-Image 2.1

Генерация по тексту и редактирование — одна модель для обеих задач.
Нативное разрешение 2K: например, 2048×2048 для квадрата или 2752×1536 для 16:9.
Прозрачный фон (RGBA): модель создаёт изображения с альфа-каналом, редактирует прозрачные слои и вырезает объекты с фотографий.
До 10 референсов при редактировании — например, собрать в одной сцене трёх персонажей с разных картинок.
Локальные правки: область можно обвести, закрасить или задать отдельной маской.
Улучшенная типографика — надписи и вывески получаются аккуратнее.

Зачем вообще запускать модель у себя

Облачные генераторы проще, но у локального запуска есть свои плюсы:

Нет лимитов и очередей. Сколько видеопамяти и терпения — столько и картинок.
Приватность. Фотографии для редактирования не уходят на чужие серверы — важно для личных снимков и внутренних материалов компании.
Полный контроль. В ComfyUI можно точно настраивать шаги, размер, сиды и собирать собственные цепочки: например, сгенерировать персонажа, вырезать его на прозрачный фон и вставить в другую сцену.
Работа без интернета после того, как файлы скачаны.

Минусы тоже очевидны: нужна дорогая видеокарта, десятки гигабайт на диске и немного терпения при первой настройке.

Что понадобится

Видеокарта и память

Официальных минимальных требований разработчики не публикуют, поэтому ориентируйтесь на оценки сообщества:

сжатый вариант int8 занимает около 16 ГБ: примерно 6,8 ГБ — сама модель, 8,7 ГБ — текстовый энкодер и 0,6 ГБ — VAE;
видеокарта на 24 ГБ держит все три части в памяти одновременно — это самый комфортный вариант;
на карте 16 ГБ обычно выгружают текстовый энкодер в оперативную память, а остальное оставляют на видеокарте — работает медленнее, но работает;
полные веса bf16 требуют в разы больше памяти, это уровень рабочих станций.

Проще всего запускать на видеокарте NVIDIA: примеры разработчиков рассчитаны на CUDA. Под модели понадобится 20–40 ГБ свободного места на диске.

Программы

ComfyUI версии 0.37.0 или новее — поддержка Qwen-Image 2.1 появилась именно в ней, и официальные шаблоны требуют эту версию;
обновлённые драйверы видеокарты.

Установка: пошагово

Обновите ComfyUI до 0.37.0 или новее. Если у вас портативная версия, запустите её скрипт обновления, если установка из git — обновите репозиторий.
Скачайте файлы из репозитория Comfy-Org/Qwen-Image-2.1 на Hugging Face (список ниже).
Разложите их по папкам ComfyUI, как показано ниже.
Откройте шаблон. В галерее шаблонов ComfyUI есть готовые сценарии Qwen-Image 2.1 для генерации по тексту и редактирования — графы не нужно собирать вручную.
Проверьте, что в узлах выбраны нужные файлы, напишите запрос и запустите генерацию.

Какие файлы скачать и куда положить

Для начала хватит трёх облегчённых файлов:

qwen_image_2.1_int8_convrot.safetensors — сама модель, папка models/diffusion_models;
qwen3vl_8b_int8_convrot.safetensors — текстовый энкодер, папка models/text_encoders;
qwen_image_2.1_vae_bf16.safetensors — VAE, папка models/vae.

Если памяти много, вместо int8 можно взять полные версии qwen_image_2.1_bf16.safetensors и qwen3vl_8b_bf16.safetensors — они лежат в тех же папках репозитория.

Для разработчиков

Модель также поддерживается в библиотеке Diffusers (класс QwenImage21Pipeline), а для серверного запуска — в vLLM-Omni и SGLang. По умолчанию Diffusers делает 40 шагов и генерирует 2048×2048.

Первые запросы

Модель понимает развёрнутые описания. Для лучшего результата команда Qwen выпустила отдельные модели-«переписчики», которые превращают короткий запрос в подробный, но они необязательны: ту же роль может выполнить любой сильный чат-бот.

Постер с надписью

Неоновая вывеска кафе «Ночной кофе» на кирпичной стене, дождливая ночь, отражения в мокром асфальте, тёплый свет из окна.

Надписи — сильная сторона Qwen-Image. Тем не менее для длинных текстов полезно сначала решить, что именно должна сообщить картинка, — об этом наша заметка «Что должна сказать картинка, прежде чем её начнут собирать».

Стикер с прозрачным фоном

Разработчики рекомендуют обрамлять такой запрос служебными фразами на английском:

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

Сохраняйте результат в PNG — иначе прозрачность потеряется.

Правка фото

Замени фон на закатный пляж, человека и одежду не меняй.

Для нескольких референсов перечислите, что откуда брать: «персонаж с первого изображения, куртка со второго, фон с третьего».

Важно: лицензия

Это главный нюанс версии 2.1. Веса опубликованы под исследовательской лицензией Qwen Research, а не под свободной Apache 2.0, как у первой Qwen-Image 2025 года. Лицензия разрешает использование только в некоммерческих целях, для исследований и оценки; для коммерческого применения нужно отдельно запрашивать лицензию у разработчика. Перед тем как использовать картинки в платных проектах, прочитайте текст лицензии на странице модели. Если коммерческое использование критично, смотрите в сторону моделей серии с лицензией Apache 2.0.

Если не запускается

Ошибка о версии. Шаблоны требуют ComfyUI 0.37.0 и новее — обновитесь.
Не хватает видеопамяти. Используйте файлы int8, уменьшите разрешение или выгрузите текстовый энкодер в оперативную память.
Медленно. Первая генерация всегда дольше — модель загружается в память. Дальше станет быстрее.
Странные надписи. Сократите текст до нескольких слов и укажите его в кавычках.

С чем сравнить

Если вам интересен локальный запуск ИИ в целом, посмотрите наш гайд, как запустить языковую модель Qwen через Ollama и LM Studio. Для сравнения генераторов изображений пригодятся обзоры FLUX 3 от Black Forest Labs и бесплатного Kandinsky 6.0 в ГигаЧате, а приём сравнения двух вариантов картинки разобран в заметке «Qwen Image: сравнить два кадра».

Вопросы и ответы

Можно ли запустить Qwen-Image 2.1 без видеокарты?

Теоретически — на процессоре, но генерация займёт очень много времени. Для комфортной работы нужна видеокарта NVIDIA с 16–24 ГБ памяти.

Нужна ли отдельная модель для редактирования?

Нет. В версии 2.1 генерация и редактирование работают на одних весах.

Понимает ли модель русский язык?

Список поддерживаемых языков в описании модели не приведён, поэтому русские запросы стоит проверять на своих задачах. Если результат не устраивает, переведите запрос на английский. Служебные фразы для прозрачного фона в любом случае пишите по-английски, как рекомендуют разработчики.

Можно ли продавать картинки, созданные Qwen-Image 2.1?

Лицензия Qwen Research ориентирована на исследования и тестирование. Для коммерции внимательно изучите её условия или выберите модель с открытой лицензией.

Где попробовать без установки?

У модели есть официальное демо на Hugging Face Spaces — можно оценить качество в браузере, прежде чем скачивать десятки гигабайт.