083

Qwen-Image 2.1:本地生成、圖片編輯與顯卡需求,和 Z-Image 怎麼選?

Qwen-Image 2.1:本地生成、圖片編輯與顯卡需求,和 Z-Image 怎麼選? 封面圖

Qwen-Image 2.1 把圖片生成、局部編輯、透明素材與多參考圖放進同一個模型。本文比較它和 Z-Image、Z-Image-Turbo 的定位、顯存門檻、速度、編輯能力與授權差異。

Seer

2026-09-22

如果你最近在找本地圖片生成模型,Qwen-Image 2.1 很容易被拿來和 Z-Image 比較。兩者都屬於新一代開源圖片模型,也都使用 Single-Stream DiT 類型的架構,但實際定位不同。

  • Qwen-Image 2.1:生成、圖片編輯、透明素材與多參考圖整合。
  • Z-Image:高品質文字生圖、風格探索與後續微調。
  • Z-Image-Turbo:低步數、低延遲和消費級顯卡快速出圖。

本文會從本地部署、編輯能力、顯存需求與商用授權來看,哪一個模型適合哪一種工作流。顯卡建議會區分官方測試、社群量化版本與實務推估;本文沒有在本機重跑完整 benchmark。

Qwen-Image 2.1 是什麼?

Qwen-Image 2.1 是 Qwen 團隊推出的開源圖片生成與編輯模型。官方稱它的視覺生成元件有 7B 參數,採用 32 層 Single-Stream DiT 架構,同一個模型同時處理文字生圖與圖片編輯。[1][2]

它的核心功能包括:

  • 文字生圖
  • 單張圖片編輯
  • 多張參考圖合成
  • 局部區域修改
  • 原生透明背景與 RGBA 輸出
  • 人物身份與商品外觀保留
  • 中文、英文等文字生成
  • 最高支援 10 張參考圖片
  • 原生 2K 解析度比例

Qwen-Image 2.1 的重點是把「生成素材」與「繼續修改素材」放進同一套流程。你可以先用文字生成商品主視覺,再加入人物、服裝或配件參考圖,接著用遮罩修改背景,最後輸出透明 PNG,繼續放到影片、簡報或網頁設計裡。[1][2]

Qwen-Image 2.1 適合做什麼?

原生透明背景

Qwen-Image 2.1 可以直接生成 RGBA 圖片,不需要先生成普通圖片,再交給背景移除工具處理。

官方建議在 prompt 中直接說明:

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

這類功能適合:

  • 貼圖
  • 商品去背
  • 遊戲素材
  • 角色立繪
  • 網頁裝飾
  • 短影音素材
  • 電商商品圖

透明圖也能繼續編輯,例如保留透明背景,只改變角色表情、服裝或圖層中的文字。[1][2]

多參考圖合成

Qwen-Image 2.1 官方支援最多 10 張參考圖片。這些圖片可以分別提供人物、衣服、鞋子、包包、帽子、家具、場景或商品,再透過 prompt 告訴模型要如何組合。[2]

Use image 1 as the person,
image 2 as the jacket,
image 3 as the shoes,
and image 4 as the bag.
Create a clean fashion editorial photo in a bright studio.

這類工作流適合商品展示、虛擬試穿、角色設計與室內配置。參考圖片越多,顯存和推理時間也會增加。官方寫的是最多支援 10 張,不代表一般 16GB 顯卡可以輕鬆處理 10 張高解析度圖片。

局部編輯

Qwen-Image 2.1 可以用幾種方式指定修改位置:

  • 在圖片上畫圈
  • 用筆刷塗出區域
  • 提供原圖與獨立遮罩
  • 直接用自然語言描述局部修改

例如:

Remove the watch in the blue circle,
change the hair in the red circle to black,
and replace the green-circle area with gray linen pajamas.

如果不想在原圖上畫記號,也可以把原圖和 mask 分開提供,保留原始畫面完整性。[2]

文字與商品細節

Qwen 官方特別強調圖片中的文字排版,以及商品和人物細節保留。官方展示包含海報、資訊圖表、商品圖片與透明圖層文字編輯。[2]

這類能力適合短標題、商品名稱、海報主標與簡短標籤。長篇中文段落、正式表格或需要零錯字的商用素材,仍然建議保留後製流程。

Qwen-Image 2.1 需要什麼等級的顯卡?

Qwen 官方 README 提供 CPU offload 的記憶體最佳化方式,但沒有給出固定的最低 VRAM 門檻。[1][3]

SGLang 團隊公開了一組比較有參考價值的推理資料:RTX 4090 24GB、原生精度、沒有量化、使用 CPU offload,在 1024×1024、40 steps 的條件下,生成時 GPU peak 約 22.7 GiB;生成約 18.7 秒,圖片編輯約 21.7 秒。[6]

這組數據代表 24GB 顯卡可以跑原生精度,但顯存已經接近上限,還要留意解析度、參考圖片數量和 ComfyUI 同時載入的其他模型。

VRAM 實務建議

顯存Qwen-Image 2.1 建議Z-Image / Turbo 建議
8GB不適合作為主要工作機,只能嘗試量化、CPU offload 或低顯存方案Z-Image-Turbo 可搭配量化版本嘗試
12GB可以嘗試社群量化版,降低解析度和參考圖數量適合 Z-Image-Turbo 量化工作流
16GB可用量化模型與 offload 執行,適合單張生成或中等解析度編輯Z-Image-Turbo 的實用配置
24GBQwen-Image 2.1 的實用起點,可嘗試原生精度加 CPU offloadZ-Image、Z-Image-Turbo 都較寬鬆
32GB–48GB適合高解析度、較多參考圖與較少 offload 的工作流適合大量生成與微調
80GB–96GB適合伺服器推理、多使用者服務與批次生成適合高吞吐服務

這裡的「適合」是選型建議,不代表官方硬體保證。實際顯存會受到解析度、批次大小、參考圖片數量、文字編碼器精度與其他節點影響。

Z-Image-Turbo 還有更激進的低顯存路線:社群的 stable-diffusion.cpp 指南示範以量化權重、CPU offload 和 Flash Attention 把它壓到 4GB VRAM 等級。不過這是特定 C++ 推理引擎與量化配置,不應該拿來當成一般 ComfyUI 工作流的速度或品質保證。[12]

8GB 顯卡能不能跑?

Qwen-Image 2.1 的社群 GGUF 版本已經有較小的 Q5、Q6、Q8 擴散模型檔案。這些檔案約落在 4.6GB 到 7.2GB,但它們只代表擴散模型本身,還需要另外載入 VAE 與 Qwen3-VL 文字/視覺編碼器。[5][7]

因此 8GB 顯卡可以研究低顯存方案,但不適合期待原生精度、多參考圖和高解析度同時運作。

比較現實的選擇是:

  • 8GB:優先使用 Z-Image-Turbo 或其他低顯存模型。
  • 12GB:開始嘗試 Qwen-Image 2.1 量化版。
  • 16GB:建立低顯存 Qwen 工作流的實用起點。
  • 24GB:Qwen-Image 2.1 的主要推薦配置。

Qwen-Image 2.1 和 Z-Image 有什麼不同?

模型定位

Qwen-Image 2.1 的核心是把生圖、編輯、透明輸出與多張參考圖放在同一個模型裡。[1][2]

Z-Image 是 6B 模型家族,目前主要包含 Z-Image 基礎模型與 Z-Image-Turbo 快速版本。官方模型表也列出 Z-Image-Omni-Base 和 Z-Image-Edit,但部分模型目前仍標示為待發布。[8][9][10]

如果只比較目前容易下載和使用的模型:

  • Qwen-Image 2.1:生成與編輯已經整合。
  • Z-Image:偏向文字生圖與模型開發。
  • Z-Image-Turbo:偏向快速文字生圖。

生成步數與速度

Qwen-Image 2.1 官方範例預設使用 40 steps。[1][3]

Z-Image 基礎模型官方建議使用約 28–50 steps,支援 CFG 和 negative prompt。[9]

Z-Image-Turbo 是蒸餾版本,官方範例使用 8 個 DiT forwards,不需要一般 Z-Image 那種完整 CFG 流程。[8][10]

項目Qwen-Image 2.1Z-ImageZ-Image-Turbo
典型步數4028–508
主要用途生成、編輯、透明圖、多參考圖高品質生成、探索、微調快速生成
CFG依工作流設定支援Turbo 不使用一般 CFG
低步數優勢需要額外加速方案普通很強
編輯能力已整合目前以文字生圖為主目前以文字生圖為主

如果目標是一次輸出大量圖片,Z-Image-Turbo 的速度優勢更適合批次工作。

如果目標是修改既有商品圖、維持人物身份、保留透明背景,Qwen-Image 2.1 的工作流比較完整。

圖片編輯能力

Qwen-Image 2.1 的編輯能力是模型主體的一部分,包括單張圖編輯、多圖合成、局部遮罩、人物身份保留、商品外觀保留與透明圖層修改。[1][2]

Z-Image 官方模型家族確實包含 Omni-Base 和 Edit 方向,但目前官方模型表中,這些模型仍有部分標示為待發布。[8]

因此目前的選型可以直接整理成:

  • Qwen-Image 2.1:現在適合做生成加編輯。
  • Z-Image:現在適合做生圖、風格探索與微調。
  • Z-Image-Turbo:適合快速生圖,編輯流程要另外搭配工具。

文字生成能力

兩個模型都特別強調中文與英文文字生成。

Qwen-Image 2.1 主打文字排版、資訊圖表與透明圖中文字編輯。[2]

Z-Image-Turbo 則強調中英文雙語文字渲染、提示詞遵循與寫實影像生成。[8][10]

目前沒有一個可以代表所有場景的官方 Qwen 2.1 對 Z-Image 頭對頭測試,因此不適合直接宣布某一個模型在所有文字任務都勝出。

比較合理的判斷方式是:

  • 海報、商品圖、資訊圖表、透明圖層:優先試 Qwen-Image 2.1。
  • 快速生成人物、攝影感畫面、雙語短字:Z-Image-Turbo 值得優先測。
  • 正式商用文案:兩者都應該保留後製,不要把生成文字直接當成最終排版。

授權差異比畫質更重要

Qwen-Image 2.1 使用 Qwen Research License Agreement。條款允許非商業研究、評估、修改與散布,但如果要把模型材料用於商業用途,需要另外向 Qwen 申請商業授權。[4]

Z-Image 的官方 repo 使用 Apache License 2.0,在模型與程式碼使用上相對寬鬆,允許商業使用、修改與散布,但仍然要遵守 Apache 2.0 的授權與 NOTICE 條款。[8][11]

授權項目Qwen-Image 2.1Z-Image
授權Qwen Research LicenseApache 2.0
非商業研究可以可以
商業產品整合需要另行確認或申請授權可依 Apache 2.0 使用
模型衍生與再發布有額外條件依 Apache 2.0
適合商業自架服務先處理授權相對直接

這裡要分清楚模型權重、推理程式、生成圖片、輸入素材與人物肖像的不同權利。模型可以本地執行,不代表生成圖片就能無條件商用。

本地安裝怎麼選?

Qwen-Image 2.1 已經有 Diffusers 和 ComfyUI 的支援。[1][3][5]

Diffusers

官方 Diffusers 入口使用 QwenImage21Pipeline:

import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1",
    torch_dtype=torch.bfloat16,
).to("cuda")

image = pipe(
    prompt="A ceramic teapot on a wooden table",
    num_inference_steps=40,
    generator=torch.Generator("cuda").manual_seed(42),
).images[0]

image.save("qwen-image-2-1.png")

顯存有限時,官方 README 提供 CPU offload:

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1",
    torch_dtype=torch.bfloat16,
)
pipe.enable_model_cpu_offload()

這種方式可以降低 GPU 常駐顯存,但會增加 CPU、系統記憶體與資料搬移成本。

ComfyUI

ComfyUI 的 Qwen-Image 2.1 模型檔案分成三個主要部分:

  • diffusion model
  • Qwen3-VL text encoder
  • VAE

Comfy-Org 也提供對應的 text-to-image 與 image-edit workflow。[5]

如果要用低顯存配置,優先確認三件事:

  1. diffusion model 是否使用量化版本。
  2. text encoder 是否也使用低精度版本。
  3. workflow 是否在解析度、參考圖數量與其他常駐模型上留出顯存空間。

到底該選哪一個?

選 Qwen-Image 2.1,如果你需要:

  • 圖片生成與編輯放在同一套流程
  • 商品圖修改
  • 多張參考圖合成
  • 人物與商品一致性
  • 透明背景輸出
  • PNG 素材生成
  • 遮罩與局部區域修改
  • 資訊圖表、海報或短文字排版
  • 有 16GB 以上顯卡,最好是 24GB

選 Z-Image,如果你需要:

  • 高品質文字生圖
  • 更多風格探索
  • negative prompt 與 CFG 控制
  • LoRA 或 ControlNet 類後續開發
  • Apache 2.0 授權的基礎模型
  • 願意用較多 steps 換取完整控制

選 Z-Image-Turbo,如果你需要:

  • 快速生成大量圖片
  • 顯卡只有 8GB–16GB
  • 主要做文字生圖
  • 不需要複雜的圖片編輯
  • 想先用低成本方式建立本地生圖環境

結論:Qwen 2.1 是工作流模型,Z-Image Turbo 是速度模型

Qwen-Image 2.1 的價值在於它把生圖、圖片編輯、透明素材、多參考圖和 2K 輸出放進同一條本地流程。

如果你有 24GB 顯卡,Qwen-Image 2.1 已經值得放進本地工具鏈。若只有 12GB 或 16GB,應該優先使用量化版與 CPU offload,降低解析度和參考圖數量,先把工作流跑順。

Z-Image 則更適合生圖探索、LoRA 開發與 Turbo 推理。Z-Image-Turbo 在 16GB 消費級顯卡上的進入門檻較低,適合想快速建立本地生圖環境的人。

簡單選擇:

  • 要編輯、透明圖和多參考圖:Qwen-Image 2.1
  • 要生圖控制、微調和風格探索:Z-Image
  • 要速度和低顯存:Z-Image-Turbo
  • 要商業自架服務:先看授權,Z-Image 比 Qwen-Image 2.1 直接

Sources:

顯卡決定模型能跑到哪裡,工作流才決定它能不能真的派上用場。

Visits

--

Waiting for Cloudflare metrics.