Qwen-Image-2.1 本地部署：按显存选权重与路线（ComfyUI、GGUF、Diffusers、Mac）

Qwen-Image-2.1 在 2026 年 9 月 20 日开源，一个模型同时做文生图、改图和透明背景图。它能不能在你的机器上跑，取决于三个文件加起来占多少显存：7B 参数的生成主干（DiT）、Qwen3-VL 8B 文本编码器和 RGBA VAE。官方 README 和 ComfyUI 教程都没有给出最低显存数字，所以下面的分档来自官方文件大小和第三方实测，每个数字都注明了来源和条件。GitHub README · ComfyUI 官方教程

先给结论，再展开每条路线：

磁盘数字来自 Hugging Face 与 ModelScope 接口返回的文件大小（十进制 GB），磁盘占用不等于显存占用。表中"实测"一列的每个数字在后文都有来源与条件；没有任何一行是官方要求。

这个模型由三部分组成，显存大头不在生成主干

Qwen-Image-2.1 的视觉生成部分是 7B 参数、32 层单流 DiT；文本编码器是 Qwen3-VL 8B；VAE 是 64 通道的 RGBA 自编码器，16 倍空间压缩。它原生支持带透明通道的生成与编辑、从普通 RGB 照片里抠出主体、最多 10 张参考图、用圈选或涂抹指定局部编辑区域，也可以把原图和单独的蒙版作为两个输入。Qwen 官方博客

理解这个结构对选权重很重要：文本编码器（8B）比生成主干（7B）还大，官方 BF16 文件里编码器四个分片合计约 17.5 GB，主干两个分片约 14.2 GB。所以省显存的第一步通常是把编码器换成 INT8 或 W4A8 版本，而不是只盯着主干量化。vLLM-Omni 在数据中心卡上的测量也印证了这一点：把文本编码器量化到 FP8 节省约 6 GB，只量化 DiT 只省约 2 GB。vLLM-Omni recipe

另一个影响显存的机制是"混合粒度注意力 + 前缀 KV 缓存"：参考图和指令在第一步编码一次，后续步骤复用（causal_condition: true 是默认值）。参考图越多、越大，第一步的编码与缓存占用就越高，8 GB 显卡上"文生图能跑、改图崩溃"的报告很可能与此有关。

国内下载：ModelScope 上有官方权重和 ComfyUI 权重

2026 年 9 月 22 日通过 ModelScope 接口核对，Qwen/Qwen-Image-2.1（Diffusers 完整仓库）和 Comfy-Org/Qwen-Image-2.1（ComfyUI 单文件权重）两个仓库都在 ModelScope 上，文件名和大小与 Hugging Face 一致。国内访问 Hugging Face 不稳定时，直接从 ModelScope 下载即可，不需要镜像站。ModelScope 模型页

ComfyUI 路线只需要三个文件，不要整仓库下载（Comfy-Org 仓库全部文件加起来超过 70 GB）：

bash
pip install -U modelscope
# 默认 INT8 组合：主干 7.26 GB + 编码器 9.35 GB + VAE 0.68 GB
# 语法按 modelscope 1.40.1 的 `modelscope download --help`：仓库 ID 与文件路径为位置参数
modelscope download Comfy-Org/Qwen-Image-2.1 \
  diffusion_models/qwen_image_2.1_int8_convrot.safetensors \
  text_encoders/qwen3vl_8b_int8_convrot.safetensors \
  vae/qwen_image_2.1_vae_bf16.safetensors \
  --local-dir ./ComfyUI/models

下载后的目录结构正好对应 ComfyUI 的 models/diffusion_models、models/text_encoders、models/vae。显存紧张的话把编码器换成 text_encoders/qwen3vl_8b_w4a8.safetensors（6.31 GB）。Diffusers 路线则下载整个 Qwen/Qwen-Image-2.1（约 33 GB），再把本地路径传给 from_pretrained。

Comfy-Org 仓库里的官方文件与大小（Hugging Face 接口，2026 年 9 月 22 日）：

两个 PE 文件从文件名看是提示词改写模型，ComfyUI 官方教程没有说明它们的接法；第一次跑通之前不用下。

ComfyUI 原生路线：三个文件、三个模板、25 步 cfg 1

这是大多数人的首选：官方 Day-0 支持，模板库里直接有工作流，不需要自定义节点。前提是 ComfyUI 必须更新到最新版，本地安装建议用 nightly（开发版），因为模板依赖的核心节点在稳定版里可能还没发布。ComfyUI 官方教程

步骤：

1. 更新 ComfyUI，把上一节的三个文件放进对应目录。
2. 打开模板库，搜索 Qwen Image 2.1，三个模板分别是 Qwen Image 2.1 Text to Image(文生图)、Qwen Image 2.1 Image Edit(改图)、Remove Background: Qwen Image 2.1（去背景）。
3. 模板默认选中 qwen3vl_8b_int8_convrot + qwen_image_2.1_int8_convrot + qwen_image_2.1_vae_bf16。如果你下载的是 W4A8 编码器，在加载节点里手动换成它；BF16 版本教程明确说"需要更多显存"。
4. 采样设置三个模板一致：steps 25、cfg 1、sampler euler、scheduler simple，默认目标约 4.0 MP（2048×2048）。8 GB 或 12 GB 显卡第一次跑先把分辨率降到 1024×1024，确认能出图再往上加。
5. 点击运行。第一次运行会把编码器和主干都加载进显存，比后续生成慢得多；测速度要看第二张图开始的时间。

改图模板里，参考图按插槽顺序拼进文本编码器，提示词用编号引用，例如第一张图写作 <image1>。文本编码节点叫 Text Encode Qwen Image 2.1，在 model/conditioning/qwen image 分类下。

去背景模板本质上是改图工作流加一句固定提示词：Remove the background, and output a PNG image。因为 VAE 本身是四通道，输出直接带透明通道，不需要额外的抠图节点；保存时用 PNG，JPG 会丢掉透明信息。

GGUF 低显存路线：8 GB 显卡的三种说法要并列看

GGUF 是社区把生成主干重新打包的量化格式，只替换主干，文本编码器和 VAE 仍然用上一节的 safetensors 文件。截至 2026 年 9 月 22 日有两个仓库（都标注 quantized:Qwen/Qwen-Image-2.1，属于社区包，不是 Qwen 或 Comfy 官方）：

组合 Q4_K_M（4.60 GB）+ W4A8 编码器（6.31 GB）+ VAE（0.68 GB）约 11.6 GB 磁盘，是目前最小的 NVIDIA 路线。AlperKTS 模型卡

加载方式：

1. 安装 ComfyUI-GGUF 自定义节点：进入 ComfyUI/custom_nodes，git clone https://github.com/city96/ComfyUI-GGUF，再 在 ComfyUI 的 Python 环境里 pip install --upgrade gguf。
2. 把 GGUF 文件放进 ComfyUI/models/unet（city96 README 指定的目录），编码器与 VAE 按上一节放置。
3. 打开官方文生图模板，把加载主干的节点换成 Unet Loader (GGUF)（节点 ID UnetLoaderGGUF，在 bootleg 分类下），其余不变。

如果报错 "Unknown model architecture!"，说明你的 ComfyUI-GGUF 版本还不认识 Qwen-Image-2.1 的结构，先把节点更新到最新；一篇 9 月 21 日的记录称旧版会报这个错，并建议改用 leejet 分支。city96 的 README 在核对时还没有列出 Qwen-Image-2.1，兼容性取决于节点版本，不是模型文件坏了。ComfyUI-GGUF · 兼容性记录

关于 8 GB 显卡，三个来源的说法不一致，条件也不同，不能只信其中一个：

• 上传者建议（AlperKTS 模型卡）：12 GB 以上用 Q8_0，8–12 GB 用 Q6_K，8 GB 用 Q5_K_M。这是建议，不是测量。
• Diffusers 4-bit 实测（Zenn 用户 kun432，Google Colab，9 月 21 日）：对主干和编码器同时做 bitsandbytes nf4 量化，峰值约 7 GB。这是 Diffusers 路线的数字，不是 GGUF；也没有输入参考图。Zenn 记录
• 崩溃报告（negi-lab，作者自测）：Q4_K_M 在 8 GB 上"理论上可行"，但输入图片做改图时崩溃了。negi-lab 指南

把这三条放在一起，8 GB 显卡的合理预期是：1024×1024 的文生图大概率能跑（配 W4A8 编码器，主干 Q4/Q5），改图尤其是多张参考图或大图输入很可能超出显存。看到"8G 显存就能跑"的视频时，留意它演示的是文生图还是改图、分辨率多少、编码器用的哪个版本。Q4 级别有画质损失，上传者自己也这么说，具体先在哪类画面上露馅要自己试。

Diffusers 路线：40 步默认、offload 与 4-bit 的实测档位

Python 开发者或想接进自己脚本的人走 Diffusers。官方安装要求：torch>=2.4.0、transformers>=5.17、从 GitHub 安装最新 diffusers（支持来自 PR #14804，发布版可能还没包含），再加 accelerate 和 pillow。Hugging Face 模型卡

python
import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1",          # 也可以填 ModelScope 下载后的本地目录
    torch_dtype=torch.bfloat16,
)
pipe.enable_model_cpu_offload()     # 显存不够时用这一行代替 .to("cuda")

image = pipe(
    prompt="一块霓虹灯招牌，写着“今晚营业”，雨夜街角，写实摄影",
    num_inference_steps=40,
    generator=torch.Generator("cuda").manual_seed(42),
).images[0]
image.save("out.png")

改图只需要多传一个 image= 参数，可以是一张 PIL 图片，也可以是最多 10 张的列表。默认 40 步、默认分辨率 2048×2048；官方给的预设有 1:1 2048×2048、4:3 2400×1792、3:2 2528×1696、16:9 2752×1536 及对应竖版。注意 ComfyUI 模板默认 25 步，两条管线的默认值不同，不是谁写错了。

显存档位来自 Zenn 用户 kun432 在 Colab 上的一次测试（9 月 21 日，单人单次，数字是该次会话的峰值）：

同一测试的其他观察：A100 不做任何优化时跑 2048×2048、40 步约 1 分钟出头；L4（24 GB）即使开了 offload，不开 VAE 分块也会 OOM；而 vae.enable_tiling() 在 2048×2048 下出现了竖向条纹。所以 2048 大图在中端卡上要么降分辨率，要么接受分块的瑕疵。

提示词改写模型 Qwen/Qwen-Image-2.1-PE-T2I 和 -PE-I2I（后者约 18.8 GB）可以用 vLLM 或仓库里的 prompt_rewrite/ 本地跑；kun432 的记录说它明显改善了结果，包括非英语提示词。这是可选步骤，磁盘和显存都要另算。

Mac 路线：mflux 已合并支持，内存按 30–46 GB 准备

Apple Silicon 不走 CUDA，官方 README 也没提 MPS。目前可用的是 mflux（MLX 实现）：PR #736 于 9 月 21 日合并，新增 mflux-generate-qwen-2.1 命令，支持文生图与图生图，-q 8 / -q 4 量化主干（文本编码器保持 bf16）。mflux PR #736

PR 作者在 M5 Max 上的数字：1024×1024、40 步、bf16 约 1.5 秒/步，整图约 78 秒，峰值统一内存约 46 GB；改用 -q 8 后约 30.7 GB。评审者在 M3 Ultra 上约 2.95 秒/步、整图约 2 分钟。这些是统一内存占用，不是显存；按这些数字，32 GB 机型至少要用 -q 4，而且目前没有可核验的成功记录，16 GB 机型更没有。negi-lab 的看法是 32 GB 机型可用内存只剩约 20 GB，建议 64 GB。

该 PR 明确推迟了改图指令版本、LoRA 和前缀 KV 缓存；后续 PR #741 的标题称加入了参考图编辑、RGBA 与前缀缓存，本文未核对其内容，装之前看一下 mflux 的当前发布说明。社区还有一个 MLX q4 打包（toxicdog/Qwen-Image-2.1-MLX）：主干 4.00 GB + 编码器 6.02 GB + VAE 0.68 GB，约 10.7 GB。Draw Things 对 2.1 的支持没有核实到，它公开的说明只覆盖 Qwen Image 1.0。

速度预期：把冷启动和整图分开报

社区讨论里有人指出，本地生图速度要拆成冷启动（首次加载模型）、首步和整图三段，很多视频只报最好看的那一个。目前能查到的整图时间（都是第三方，条件已注明）：

• RTX 5070 Ti 16 GB，1024×1024、20 步：约 25 秒（AIReiter 转述 X 用户报告，量化未注明）。
• RTX 4090，BF16：1024×1024 约 21 秒，1536×1536 约 56 秒，步数未注明；显存系统合计约 30.2 GB（同一来源转述）。AIReiter 汇总
• RTX 5090，SGLang-Diffusion，1024 px、40 步：14.12 秒（编码器流式卸载）对 19.95 秒（DiT 流式卸载），厂商 cookbook 单卡测量。SGLang cookbook
• A100 80 GB（Colab，无优化），2048×2048、40 步：约 1 分钟出头（kun432）。
• M5 Max，1024×1024、40 步：约 78 秒（mflux PR 作者）。

如果你要的是服务化、批量任务而不是单机出图，SGLang-Diffusion 给了 24 GB 和 32 GB 卡的参数：RTX 4090 用 --performance-mode manual --dit-layerwise-offload true --text-encoder-cpu-offload true，RTX 5090 用 --performance-mode manual --component-residency text_encoder=layerwise-offload；透明图通过 "background": "transparent" 参数，改图走 /v1/images/edits 上传 PNG。vLLM-Omni 只支持 NVIDIA，并且它公布的测量是在 GB200/GB300 上做的，不是消费级卡的参考。

透明图与改图：提示词和输出格式的两个细节

透明图（RGBA）在 ComfyUI、Diffusers、SGLang 上都能出（mflux 在 PR #736 时还没有），关键是提示词和格式。Diffusers 的官方模板是固定句式：

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

保存必须用 PNG。ComfyUI 直接用去背景模板或在改图模板里写同样的意思；SGLang 用 "background": "transparent"。CSDN 上的中文部署指南也提到同样的要点：提示词里要出现 RGBA、alpha channel、transparent background 这些词，并存成 PNG。CSDN 部署指南

局部改图有三种指定区域的方式：在原图上圈出区域、涂抹区域，或者原图 + 单独的蒙版作为两个输入。参考图最多 10 张，但每多一张都会增加编码与缓存占用，8–12 GB 显卡建议从一张参考图、1024 分辨率开始。如果你在比较不同的改图工具，本站另有一篇图生图与改图工具路线概览。

许可证：研究许可、非商用，输出权只有社交媒体声明

这是本地部署前最容易被忽略、也最影响后果的一点。Qwen-Image-2.1 的权重采用 Qwen RESEARCH LICENSE AGREEMENT，授权范围是"仅限非商业目的"（研究或评估）；条文写明"未取得单独的商业许可，不得将材料用于任何商业目的"，联系邮箱是 model-business@notice.qwencloud.com。再分发或修改后的版本必须附带协议、标注修改、保留声明，并标示 "Built with Qwen" 或 "Improved using Qwen"，且不能用 "Qwen" 作为衍生模型的主名称。LICENSE 原文

几个直接影响读者的推论：

• 上一代 Qwen-Image-2512 是 Apache-2.0，2.1 不是。看到"Qwen 开源可商用"的旧印象要更新。
• 社区 GGUF、MLX 打包属于衍生物，同样在这份许可证之下（它们的模型卡标注 license:other），不会因为换了格式就变成可商用。
• 许可证正文没有关于生成图片归属的条款。Qwen 开发者账号在 9 月 21 日的 X 帖子里表示生成结果不属于被许可的"材料"，用户保留对生成图片的权利——这是社交媒体声明，本文只看到搜索摘要，未读到原帖；Hugging Face 讨论区有人回应"一条帖子不能覆盖 LICENSE 文件"。谨慎的做法是：个人研究和评估随便用，把模型跑成商业服务或用产出物做商业用途之前，先取得单独商业许可或书面确认。Hugging Face 讨论 #6
• 个人爱好者使用算不算"研究或评估"，社区有争议，本文不能替你下法律结论。

搜索结果里常见的"整合包"和"越狱版/无审查版"：整合包通常是把 ComfyUI、节点和上面这些官方或社区权重打在一起，方便但你要自己确认里面的文件来源和版本；"无审查版"是第三方改过的权重，本文不推荐，它同样受研究许可证约束，而且来源不透明。

跑不动或要商用时的下一步

硬件够不到或需要商用授权时，有三种代替方式，各自条件不同：

• 先试效果再决定下载：Hugging Face 上有官方 Space Qwen/Qwen-Image-2.1，可以直接在线出图，国内访问可能需要耐心；ModelScope 的 DiffSynth-Studio 提供在线生成与 LoRA 训练入口。HF Space
• 换一张显卡：从上面的分档看，16 GB 是"不折腾就能跑 INT8 组合"的起点，24 GB 才能舒服地跑 BF16 和多参考图改图。如果你在为本地 AI 选 16 GB 卡，可以参考本站的16 GB 显卡本地运行选购分析。
• 改用可商用的托管图像模型：截至 2026 年 9 月 22 日，laozhang.ai 的模型目录里没有 Qwen 图像模型，不要指望在那里调用 Qwen-Image-2.1；它列出的图像模型包括 gemini-3.1-flash-image（0.055 美元/次）、flux-2-pro（0.03 美元/次）、seedream-5-0-260128（0.035 美元/次）和按 token 计费的 gpt-image-2.5-flare / gpt-image-2.5-sunburst（每百万输入 token 5 美元、每百万输出 token 30 美元），以上均为美元标价，随时可能变，以模型目录当日显示为准。Qwen-Image-3.0 有官方托管 API，但本文没有核实到其价格，不引用。ComfyUI 用户如果想在同一工作流里混用远程模型，可以看ComfyUI 使用 GPT Image 2.5 官方节点。

常见问题

8 GB 显存到底能不能跑 Qwen-Image-2.1？

文生图大概率能，改图不保证。可核验的依据是：Diffusers 4-bit（nf4）实测峰值约 7 GB（Colab，无参考图）；GGUF 上传者建议 8 GB 用 Q5_K_M；一位作者用 Q4_K_M 在 8 GB 上做改图时崩溃。配置上用 W4A8 文本编码器 + Q4/Q5 主干，从 1024×1024 文生图开始，改图从一张小参考图试起。

ComfyUI 最少要下载哪几个文件？

三个：qwen_image_2.1_int8_convrot.safetensors（7.26 GB，放 models/diffusion_models）、qwen3vl_8b_int8_convrot.safetensors（9.35 GB，放 models/text_encoders）、qwen_image_2.1_vae_bf16.safetensors（0.68 GB，放 models/vae），合计约 17.3 GB。显存紧张时把编码器换成 6.31 GB 的 qwen3vl_8b_w4a8。国内从 ModelScope 的 Comfy-Org/Qwen-Image-2.1 仓库下载即可。

ComfyUI 和 Diffusers 该选哪个？

想直接出图、做改图和透明图、不写代码，选 ComfyUI，官方模板默认 25 步 cfg 1；要接进 Python 脚本、批处理或研究，选 Diffusers，默认 40 步，enable_model_cpu_offload() 后约 17 GB，再配 bitsandbytes 4-bit 可到约 7 GB；要做 API 服务，看 SGLang-Diffusion 或 vLLM-Omni（仅 NVIDIA）。

生成的图片能商用吗？

模型权重是研究许可证，非商用；商业使用需要向 Qwen 团队申请单独许可。生成图片的归属在许可证里没写，Qwen 团队在 X 上表示用户保留对生成图片的权利，但那不是许可证条款。商业项目在没有书面确认前不要把本地跑出的图当作已授权。

透明背景图怎么出？

提示词要写明这是带透明通道的 RGBA 图、背景透明（Diffusers 有固定句式），保存为 PNG。ComfyUI 直接用 "Remove Background: Qwen Image 2.1" 模板，VAE 是四通道，不需要额外抠图节点。

Mac 需要多少内存？

mflux 作者在 M5 Max 上的数据：1024×1024、40 步，bf16 峰值约 46 GB，-q 8 约 30.7 GB。32 GB 机型只能尝试 -q 4，64 GB 更稳妥；改图和参考图功能在核对时刚合并或尚未合并，先看 mflux 的最新发布说明。