# Qwen-Image-2.1 本地部署：按显存选权重与路线

> Qwen-Image-2.1 未公布最低显存：16 GB 显卡可跑 INT8 组合，8 GB 靠 GGUF 量化只稳出文生图，Mac 按 30 GB 以上内存准备。

- URL: https://blog.laozhang.ai/zh/posts/qwen-image-2-1-local
- Published: 2026-09-22
- Updated: 2026-09-22
- Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about)
- Topic: AI 图像生成
- Tags: Qwen-Image-2.1, 本地部署, ComfyUI, GGUF, 显存

---
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](https://github.com/QwenLM/Qwen-Image-2.1) · [ComfyUI 官方教程](https://docs.comfy.org/tutorials/image/qwen/qwen-image-2-1)

如果你要找的是 Qwen Image 3.0：它在 2026 年 7 月发布，没有可下载的权重，只能由阿里云托管运行，在 ComfyUI 里要用付费的合作伙伴节点，见《[Qwen Image 3 ComfyUI 教程：没有开源权重，按尺寸算清积分价格](https://blog.laozhang.ai/zh/posts/qwen-image-3-comfyui)》。

先给结论，再展开每条路线：

| 你的硬件 | 建议路线 | 下载什么 | 磁盘占用（约） | 第三方实测的显存/内存 |
|---|---|---|---|---|
| 24 GB 及以上（RTX 3090/4090/5090） | ComfyUI 原生，官方 INT8 组合；BF16 要靠卸载到内存 | `qwen_image_2.1_int8_convrot` + `qwen3vl_8b_int8_convrot` + VAE | 17.3 GB | INT8 组合折算约 16.1 GiB，RTX 4090 可常驻（ai.rs 计算）；BF16 在 4090 上显存加系统内存合计约 30.2 GB，超出 24 GB（社区报告，见下文） |
| 16 GB（RTX 4060 Ti 16G、5070 Ti、4080） | ComfyUI 原生 INT8，或 W4A8 编码器 + INT8 主干 | 同上，或把编码器换成 `qwen3vl_8b_w4a8` | 17.3 GB 或 14.3 GB | RTX 5070 Ti 16 GB，1024×1024、20 步，峰值约 13.9 GB（量化未注明，AIReiter 转述） |
| 12 GB（RTX 3060 12G、4070） | GGUF Q8_0 或 Q6_K 主干 + W4A8 编码器 | GGUF 文件 + `qwen3vl_8b_w4a8` + VAE | 12.8–14.6 GB | 上传者建议 12 GB 以上用 Q8_0（建议，不是实测） |
| 8 GB（RTX 3060 8G、4060） | GGUF Q5_K_M/Q4_K_M + W4A8 编码器，先从 1024×1024 文生图试起 | GGUF 文件 + `qwen3vl_8b_w4a8` + VAE | 11.6–11.9 GB | 三种说法冲突：4-bit 峰值约 7 GB（Diffusers nf4，Colab）；上传者建议 Q5_K_M；日本作者用 Q4_K_M 输入图片时崩溃 |
| Mac（Apple Silicon） | mflux（MLX） | 官方权重按 `-q 8` / `-q 4` 量化，或社区 MLX q4 包 | q4 包约 10.7 GB | M5 Max，1024×1024、40 步：bf16 峰值约 46 GB，`-q 8` 约 30.7 GB（PR 作者数据） |

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](https://qwen.ai/blog?id=qwen-image-2.1)

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](https://recipes.vllm.ai/Qwen/Qwen-Image-2.1)

![Qwen-Image-2.1 三个组成文件的磁盘大小对比：文本编码器 BF16/INT8/W4A8、生成主干 BF16/INT8/GGUF、VAE](https://blog.laozhang.ai/posts/zh/qwen-image-2-1-local/img/weight-files-by-size.webp)

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

截至 2026 年 9 月 22 日，`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](https://modelscope.cn/models/Qwen/Qwen-Image-2.1)

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）：

| 文件 | 大小 | 用途 |
|---|---|---|
| `diffusion_models/qwen_image_2.1_bf16.safetensors` | 14.23 GB | 生成主干，BF16 |
| `diffusion_models/qwen_image_2.1_int8_convrot.safetensors` | 7.26 GB | 生成主干，INT8（模板默认） |
| `text_encoders/qwen3vl_8b_bf16.safetensors` | 17.53 GB | 文本编码器，BF16 |
| `text_encoders/qwen3vl_8b_int8_convrot.safetensors` | 9.35 GB | 文本编码器，INT8（模板默认） |
| `text_encoders/qwen3vl_8b_w4a8.safetensors` | 6.31 GB | 文本编码器，W4A8，最省显存的官方版本 |
| `text_encoders/qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors` | 9.47 GB | 提示词改写模型（文生图），可选 |
| `text_encoders/qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot.safetensors` | 9.47 GB | 提示词改写模型（改图），可选 |
| `vae/qwen_image_2.1_vae_bf16.safetensors` | 0.68 GB | VAE，必需 |

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：官方从发布首日就支持，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](https://docs.comfy.org/tutorials/image/qwen/qwen-image-2-1)

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。

![ComfyUI 官方模板示意：三个模型文件的加载节点、Text Encode Qwen Image 2.1 与 KSampler 默认设置](https://blog.laozhang.ai/posts/zh/qwen-image-2-1-local/img/comfyui-workflow-files.webp)

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）：

| 仓库 | 量化 | 大小 |
|---|---|---|
| AlperKTS/Qwen-Image-2.1-GGUF（9 月 20 日） | Q5_K_M / Q6_K / Q8_0 | 4.89 / 5.84 / 7.62 GB |
| JohnsonHsu/Qwen-Image-2.1-GGUF（9 月 22 日） | Q4_0 / Q4_K_M / Q5_K_M / Q6_K / Q8_0 | 4.05 / 4.60 / 5.22 / 5.88 / 7.59 GB |

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](https://huggingface.co/AlperKTS/Qwen-Image-2.1-GGUF)

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（9 月 22 日）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](https://github.com/city96/ComfyUI-GGUF) · [兼容性记录](https://localmodelwatch.tsuchitsuchi.com/en/2026/09/21/uncensored-qwen-image-2-1-gguf-released/)

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](https://zenn.dev/kun432/scraps/8479a0b4ae0c8f)
- **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](https://ai.negi-lab.com/posts/qwen-image-2-1-local-llm-gpu-guide/)

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](https://huggingface.co/Qwen/Qwen-Image-2.1)

```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）：

| 设置 | 峰值显存 | 备注 |
|---|---|---|
| BF16，不做任何优化（A100 80GB） | 约 31 GB | 与 vLLM-Omni 测的 34 GB 同一量级 |
| `enable_model_cpu_offload()` | 约 17 GB | 16 GB 显卡仍然不够，需要再量化 |
| bitsandbytes nf4 4-bit（主干 + 编码器） | 约 7 GB | 8 GB 卡的希望所在，速度和画质有代价 |

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](https://github.com/mflux-community/mflux/pull/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 从标题看加入了参考图编辑、RGBA 与前缀缓存，是否已进入发布版，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 公开的说明目前只覆盖 Qwen Image 1.0，是否支持 2.1 没有说明。

## 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。目前公开的整图时间（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](https://aireiter.com/blog/qwen-image-2-1-review-tested-local-vram-license)
- 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](https://docs.sglang.io/cookbook/diffusion/Qwen-Image/Qwen-Image-2.1)
- 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](https://blog.csdn.net/aidoudoulong/article/details/166243178)

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，可以看[按改图任务选 AI 工具的概览](https://blog.laozhang.ai/zh/posts/image-to-image-ai-generator)。

## 许可证：研究许可、非商用，生成图归属只有社交媒体表态

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](https://huggingface.co/Qwen/Qwen-Image-2.1/blob/main/LICENSE)

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——这是社交媒体上的表态，不是许可证条款；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](https://huggingface.co/Qwen/Qwen-Image-2.1/discussions/6)
- 个人爱好者使用算不算"研究或评估"，社区有争议，许可证条文也没有界定，拿不准的话要以专业法律意见为准。

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，同样受研究许可证约束，来源也不透明，不建议使用。

## 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，有三种替代做法，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](https://huggingface.co/spaces/Qwen/Qwen-Image-2.1)
- **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[本地 LLM 编程买哪张 16 GB 显卡](https://blog.laozhang.ai/zh/posts/best-16gb-gpu-local-llm-coding)，它面向语言模型，但"显存够不够"的判断思路相同。
- **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](https://docs.laozhang.ai/en/models)当日显示为准。Qwen-Image-3.0 有官方托管 API（闭源），价格以官方定价页当日显示为准。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](https://blog.laozhang.ai/zh/posts/gpt-image-2-5-comfyui)。

*说明：[laozhang.ai 是我们自己的服务](https://blog.laozhang.ai/zh/about#laozhang)，其价格是平台报价，不是独立比较的结论。*

## 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；改图和参考图功能到 9 月 22 日为止刚合并或尚未合并，先看 mflux 的最新发布说明。

## 参考来源

本文引用的外部页面，按正文出现顺序排列。最后更新于 2026-09-22。

- [GitHub README](https://github.com/QwenLM/Qwen-Image-2.1) (github.com)
- [ComfyUI 官方教程](https://docs.comfy.org/tutorials/image/qwen/qwen-image-2-1) (docs.comfy.org)
- [Qwen 官方博客](https://qwen.ai/blog?id=qwen-image-2.1) (qwen.ai)
- [vLLM-Omni recipe](https://recipes.vllm.ai/Qwen/Qwen-Image-2.1) (recipes.vllm.ai)
- [ModelScope 模型页](https://modelscope.cn/models/Qwen/Qwen-Image-2.1) (modelscope.cn)
- [AlperKTS 模型卡](https://huggingface.co/AlperKTS/Qwen-Image-2.1-GGUF) (huggingface.co)
- [ComfyUI-GGUF](https://github.com/city96/ComfyUI-GGUF) (github.com)
- [兼容性记录](https://localmodelwatch.tsuchitsuchi.com/en/2026/09/21/uncensored-qwen-image-2-1-gguf-released/) (localmodelwatch.tsuchitsuchi.com)
- [Zenn 记录](https://zenn.dev/kun432/scraps/8479a0b4ae0c8f) (zenn.dev)
- [negi-lab 指南](https://ai.negi-lab.com/posts/qwen-image-2-1-local-llm-gpu-guide/) (ai.negi-lab.com)
- [Hugging Face 模型卡](https://huggingface.co/Qwen/Qwen-Image-2.1) (huggingface.co)
- [mflux PR #736](https://github.com/mflux-community/mflux/pull/736) (github.com)
- [AIReiter 汇总](https://aireiter.com/blog/qwen-image-2-1-review-tested-local-vram-license) (aireiter.com)
- [SGLang cookbook](https://docs.sglang.io/cookbook/diffusion/Qwen-Image/Qwen-Image-2.1) (docs.sglang.io)
- [CSDN 部署指南](https://blog.csdn.net/aidoudoulong/article/details/166243178) (blog.csdn.net)
- [LICENSE 原文](https://huggingface.co/Qwen/Qwen-Image-2.1/blob/main/LICENSE) (huggingface.co)
- [Hugging Face 讨论 #6](https://huggingface.co/Qwen/Qwen-Image-2.1/discussions/6) (huggingface.co)
- [HF Space](https://huggingface.co/spaces/Qwen/Qwen-Image-2.1) (huggingface.co)