9 月 20 日，阿里 Qwen 团队开源了 Qwen-Image-2.1。上一代 Qwen-Image 是 20B，这一代的图像生成部分缩到了 7B，还把原来单独发布的编辑模型合了进来：一个模型同时管文生图和改图，能直接出带透明通道的 PNG，一次最多吃 10 张参考图，默认输出 2K。在 Qwen 自家的 Qwen-Image-Bench 上，它拿了 60.28 分，高于 Nano Banana 2.0 的 59.82，也排在榜上所有开放权重模型前面。第三方的 GenAI Showdown 文生图测试里，它拿到 7/15，上一代 Qwen-Image 1.0 是 4/15。
需要说明的是，Qwen-Image-Bench 是 Qwen 自己的榜，榜上还有 6 个闭源模型分数更高，最高的 GPT Image 2.5 Sunburst 是 67.01。
模型确实强，很多人的第一个问题是：手里这张 16G 显卡能不能跑？答案是能，但有条件。下面把账算清楚。
1、7B 只是一半
很多地方把 Qwen-Image-2.1 叫做“7B 模型”，这个说法容易让人低估它的体量。
7B 指的只是负责画图的 DiT 部分。整条流程还要加载一个 Qwen3-VL 8B 文本编码器，负责把提示词和参考图变成模型能用的条件；再加一个 VAE，负责把潜空间结果还原成像素。显存里跑的不是一个 7B 模型，而是两个大模型加一个小组件。
OpenClaw 在 9 月 23 日通过 Hugging Face API 读取了 Comfy-Org 发布的文件表，各部分大小如下：
| 组件 | 格式 | 文件大小 |
|---|---|---|
| DiT 图像模型 | BF16 | 14.23 GB |
| DiT 图像模型 | INT8 ConvRot | 7.26 GB |
| 文本编码器 Qwen3-VL 8B | BF16 | 17.53 GB |
| 文本编码器 Qwen3-VL 8B | INT8 ConvRot | 9.35 GB |
| VAE | BF16 | 0.68 GB |
BF16 下，文本编码器 17.53 GB，比图像模型还大 23%。三样加起来是 32.44 GB。
所以只按 7B 估算显存会出错。Spheron 的 GPU 推荐页写的是“约 16GB 显存可跑”，它只按 7.1B 参数算，没有算编码器。16G 卡用户照这个数字准备，启动时很可能直接爆显存。
还有一笔容易漏掉的开销：前缀 KV 缓存。
这个模型的提速思路是，把文本和参考图只在第一步计算一次，后面每个去噪步都复用这份结果，参考图越多省得越多。代价是这份缓存要占内存。按 stable-diffusion.cpp 文档的说法，一个 4096 token 的前缀在 FP32 下约占 4 GiB，而且每个条件各一份；CFG 大于 1 时，正负提示词各有一份。
参考图也会占显存。有人在 RTX 5090 上用 8-bit 跑，1024×1024 文生图峰值约 21.3 GB，加两张参考图做编辑，峰值涨到 25.6 GB。
2、16G 能走的几条路
先说结论：16G 能跑，但这里的“能跑”指的是 1024×1024。原生 2K 是另一回事。
首选是 ComfyUI 的 INT8 ConvRot。 Hugging Face 讨论区有位 RTX 4060 Ti 16GB 用户报告：INT8 图像模型加 INT8 编码器加 BF16 VAE，没开 CPU offload，峰值显存约 15 GB，平时在 13 到 14 GB。单张图约 20 秒，多图编辑约 1 分钟。原帖没写分辨率和步数，速度只能当参考。
有个细节：INT8 这套文件加起来 17.29 GB，峰值却只有约 15 GB。OpenClaw 的推断是，ComfyUI 先跑文本编码器，再加载图像模型，两者不会同时完整地留在显存里。这是 OpenClaw 的推断，原帖作者没有这么说。
另一位用户用 RTX 5070 Ti 16GB 跑 1024×1024、20 步，约 25 秒一张，峰值 13.9 GB。他没说用的什么精度，但显存和速度与 4060 Ti 那条报告在同一个量级。
也有跑得很慢的例子。Reddit 上一位 4060 Ti 16GB 用户，用 INT8 ConvRot 图像模型加 W4A8 编码器，1MP、30 步，一张要 2 到 3 分钟，每步 6 到 7 秒。换成 cu130 版 PyTorch 之后，每步降到 1.5 秒，一张约 50 秒。同一张卡，软件版本不同，速度差了两三倍。
除了 ComfyUI INT8，还有几条路：
- Q8_0 GGUF 图像模型加 Q4_K_M 编码器加 VAE，文件合计约 13.35 GB。
- 编码器换成 W4A8 版本，编码器本身只有 6.31 GB。
- diffusers 的 NF4 方案，在 5090 上测得 1024 峰值约 15.2 GB，一张约 19 秒。
stable-diffusion.cpp 跑 Q8 时，运行时报告的总占用是 15645 MB：编码器 7669 MB，扩散模型 7331 MB，VAE 644 MB。编码器仍然是最大的一块。16G 卡跑这套配置，留给激活值的空间已经很少。
GGUF 比 INT8 慢。 Unsloth 团队成员的原话是，GGUF “naturally much slower and only meant for unified memory/CPU devices”，也就是天生慢得多，主要给统一内存或 CPU 设备用。OpenClaw 据此建议，NVIDIA 卡优先用 Comfy-Org 的 INT8 文件。
CPU offload 的代价，说法不一。 Unsloth 称 6GB 显存跑 FP8 加 offload，速度慢不到 2 倍。社区另一条实测是 RTX 3050 6GB，Q4_0 GGUF 加 offload，1184×1184、25 步，一张 4 分 50 秒。两者的精度、后端和分辨率都不同，没法直接比，但能看出 offload 的速度损失因场景差别很大。
还有一个容易误导人的数字。Unsloth 官方文档的内存表写着 INT8/FP8 建议 24GB 显存，24GB 卡上还只建议开 512×512。这和社区大量 16G 卡跑 INT8 的报告对不上。原因是 Unsloth 在表下注明了，这些是估算，不是实测下限。选卡时应以实测为准，不要只看厂商估算表。
3、16G 上跑顺的七条
第一，检查 PyTorch 版本。 前面那位 4060 Ti 用户从 2 分钟降到 50 秒，靠的就是换 cu130 版 PyTorch。ComfyUI 社区开发者 Kijai 也指出，要用 cu130 版才能用上 ComfyUI 的优化。
第二，ComfyUI 升到 v0.37.0 以上。 原生支持的 PR #16400 在 9 月 19 日合并，9 月 21 日随 v0.37.0 发布，官方有现成的文生图和编辑模板。
第三，CFG 设成 1。 CFG 大于 1 时，每一步要算两遍，正负提示词各一遍。设成 1 相当于关掉负提示词，速度翻倍，社区多数人是这么跑的。
第四，先跑 1024。 5090 上的实测，1024×1024 约 19.3 秒，2048×2048 要 115.7 秒。像素是 4 倍，时间是 6 倍。16G 卡先在 1024 把流程跑通，再考虑往上加。
第五，步数先用 20 到 25。 官方 diffusers 示例用 40 步，社区测试多用 20 到 25 步，速度快不少。
第六，先别加载提示词增强模型。 官方另外发布了两个提示词改写模型，是在 Qwen3.5-VL 9B 基础上微调的，能把短提示词扩写成长提示词，INT8 版本也有 9.47 GB。它不是必需品，16G 卡本来就紧，可以先不装。
第七，注意 GGUF 节点兼容性。 用 city96 的 ComfyUI-GGUF 节点加载 unsloth 或 leejet 的 GGUF，会报“Unknown model architecture”，因为这些文件按 stable-diffusion.cpp 的格式转换，缺少对应的架构元数据。可以换用保留了这项元数据的版本（比如 realrebelai 的 GGUF），或者直接用 stable-diffusion.cpp。另外，GGUF 做图片编辑还需要一个 1.16 GB 的 mmproj 文件。
4、量化的损失，和模型本身的毛病
画质问题要分两层看。
第一层是量化带来的损失。 Unsloth 公布了自家量化文件的 LPIPS（越低越接近原图）：INT8 是 0.064，FP8 是 0.112，所以他们默认推荐 INT8。这是 Unsloth 自家文件的数据，不能直接套到 Comfy-Org 的 INT8 ConvRot 上。
编码器也一样。Unsloth 拿 UD-Q4_K_XL 编码器和普通 Q4_K_M 编码器对比，固定种子、图像模型和 VAE 不变，两者的 LPIPS 差距是 0.029，SSIM 0.959，文件 5.15 GB 对 5.03 GB，耗时 36.5 秒对 39.0 秒。UD 是 Unsloth 的动态量化，会把对精度敏感的层保留在更高精度。
GGUF 作者 realrebelai 称，通用的 Q4_K_M 转换在细部结构和人体解剖上有明显损失，所以他们做了混合精度版本。这是作者自己的 A/B 测试，对照组是 INT8 而不是 BF16，只能当参考。
第二层是模型本身的问题，和量化无关。 早期用户反馈主要有：画面偏黄、对比度偏高、有噪点，做修复类编辑时细节会被改掉，有时出现合成感很重的纹理。
文字渲染的评价不一。Hacker News 上有做网页设计工具的用户说，它的文字渲染比开放权重市场上其他模型好得多；也有人测到小字仍会拼错。
想知道量化对自己的场景影响多大，最直接的办法是：同一张卡、同样的参数，分别用 INT8 和更高精度各出一张图对比。看不出差别，INT8 就够用。
5、分档对照表
下表综合了 OpenClaw 的整理和各方实测。
| 显存 | 推荐配置 | 实测或估算 | 需要注意 |
|---|---|---|---|
| 6-8GB | Q4_0 / Q4_K_M GGUF + Q4 编码器 + CPU offload | 3050 6GB 实测约 4 分 50 秒/张（1184px、25 步） | 很慢，适合验证流程 |
| 12GB | Q4_K_M GGUF + Q4 编码器，文件约 10 GB | 估算可跑 1024，缺公开速度数据 | 余量很小 |
| 16GB | INT8 ConvRot 图像模型 + INT8 编码器 | 4060 Ti 峰值约 15 GB，约 20 秒/张 | 1024 可行，2K 很紧 |
| 24GB | 8-bit 全部常驻显存 | 5090 上实测 1024 峰值 21.3 GB | 两张参考图编辑会到 25.6 GB，超过 24GB |
| 32GB 以上 | BF16 图像模型 + INT8 编码器 | 全 BF16 文件共 32.44 GB | 32GB 跑全 BF16 仍要 offload，48GB 才宽裕 |
16G 这一档，默认说的是 1024×1024。2K 可以试，但很容易撞上显存上限，速度也会明显变慢。如果主要需求就是 2K 出图，24GB 卡会更从容。
12G 这一档目前主要是按文件大小推算的，还没有公开的 3060 12G 速度报告。
6、许可证：能下载，不等于能随便用
最后是许可证，这一关比显存更硬。
Qwen-Image-2.1 用的是 Qwen Research License。许可证原文写明仅限非商业用途（“FOR NON-COMMERCIAL PURPOSES ONLY”），而非商业的定义是“for research or evaluation purposes only”，即只用于研究或评估。
按字面理解，个人娱乐也不在这个定义里。实际被追究的风险不大，但严格说并不在许可范围内。
商业用途需要单独申请授权，许可证里给了申请邮箱：model-business@notice.qwencloud.com。Hacker News 上有人转述，团队可能考虑设营收门槛、给小创作者免费商用授权，目前没有官方确认，只能当传闻。
衍生模型还有两条要求：基于它训练或微调的模型如果对外分发，文档里要标注“Built with Qwen”或“Improved using Qwen”；衍生品不能用“Qwen”做主名称。
对老用户来说，落差在于上一代 Qwen-Image 1.0 用的是宽松的 Apache 2.0。Hugging Face 讨论区已经有不少人要求放宽许可证，目前看不出官方有改的迹象。
总结一下：16G 显卡用 INT8 ConvRot 跑 1024 分辨率，技术上没问题，20 秒左右一张。个人研究和测试可以放心装；要用在商业项目里，先把授权谈下来，再考虑怎么调参数。
