Qwen-Image-2.1 ComfyUI 原生工作流示例

Qwen-Image-2.1 是阿里 Qwen 团队 Qwen-Image 系列中最新发布的开放权重版本。单一模型同时涵盖文生图生成和基于指令的图像编辑，原生支持 2K 输出、专业排版，并具备用于透明背景的 alpha 通道。 主要特性：

生成与编辑合一：同一套权重既可用于文生图提示词，也可用于编辑指令，因此工作流无需切换模型
原生 2K 输出：直接生成最高 2048x2048 的图像，而无需对较小结果进行图像放大
专业排版：密集的小号文字和复杂版式依然清晰，适用于信息图、幻灯片、UI 原型图、海报和包装设计
Alpha 通道支持：VAE 携带四个通道，因此可以直接生成和编辑透明背景图像，而无需事后再进行抠图
多图像编辑：参考图像按槽位顺序拼接到文本编码器中。Text Encode Qwen Image 2.1 节点最多接受 16 个槽位（image_1 到 image_16）；本页两个编辑模板接入了前 10 个（image_1 到 image_10）。image_1 是被编辑的图像，其余提供内容，因此提示词通过索引引用它们，例如 image_1 写作 <image1>
局部编辑：描述要更改的对象或区域，图像的其余部分保持不变

相关链接：

Qwen-Image-2.1 工作流

本地用户
云端用户

请确保你的 ComfyUI 已经更新。

本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。如果加载工作流时有节点缺失，可能原因有：

你用的不是最新版（每夜版）。
启动时有些节点导入失败。

Qwen Image 2.1 文本到图像

根据您选择的宽高比和百万像素目标，从文本提示生成图像。 Qwen-Image-2.1 文本到图像工作流预览

下载工作流

下载 JSON 或在模板库中搜索 “Qwen-Image-2.1”

在 Comfy Cloud 上运行

零设置在线运行 ComfyUI

示例输出

Qwen Image 2.1 图像编辑

使用指令编辑图像。当编辑需要源图像中不存在的内容时，添加参考图像，例如将第二张照片中的服装穿到第一张照片中的人物身上。 Qwen-Image-2.1 图像编辑工作流预览

下载工作流

下载 JSON 或在模板库中搜索 “Qwen-Image-2.1”

在 Comfy Cloud 上运行

零设置在线运行 ComfyUI

输入材料 将这些文件上传到匹配的 LoadImage 节点：

portrait_model_denim.png

LoadImage 节点 470 · portrait_model_denim.png

clothing_light_blue_denim_shirt.png

LoadImage 节点 475 · clothing_light_blue_denim_shirt.png

示例输出

移除背景：Qwen Image 2.1

使用编辑指令移除照片的背景。该工作流复用图像编辑子图，提示词为 Remove the background, and output a PNG image，并将结果与原始图像进行对比。 Qwen-Image-2.1 移除背景工作流预览

下载工作流

下载 JSON 或在模板库中搜索 “Qwen-Image-2.1”

在 Comfy Cloud 上运行

零设置在线运行 ComfyUI

输入材料 将此文件上传到匹配的 LoadImage 节点：

angry_broccoli.png

LoadImage 节点 470 · angry_broccoli.png

模型下载

三个工作流共用相同的扩散模型、VAE 和基础文本编码器。文生图和图像编辑模板各自额外加载一个提示词增强文本编码器：文生图为 qwen3.5_9b_qwen_image_2.1_pe_t2i，图像编辑为 qwen3.5_9b_qwen_image_2.1_pe_i2i。 text_encoders

qwen3vl_8b_int8_convrot.safetensors（模板默认加载，内存占用更低）
qwen3vl_8b_bf16.safetensors（完整精度，需要更多内存）
qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors（文生图模板的提示词增强）
qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot.safetensors（图像编辑模板的提示词增强）

diffusion_models

qwen_image_2.1_int8_convrot.safetensors（模板默认加载，内存占用更低）
qwen_image_2.1_bf16.safetensors（完整精度，需要更多内存）

vae

qwen_image_2.1_vae_bf16.safetensors

模型保存位置

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 text_encoders/
│   │      ├── qwen3vl_8b_int8_convrot.safetensors
│   │      ├── qwen3vl_8b_bf16.safetensors
│   │      ├── qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors
│   │      └── qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot.safetensors
│   ├── 📂 diffusion_models/
│   │      ├── qwen_image_2.1_int8_convrot.safetensors
│   │      └── qwen_image_2.1_bf16.safetensors
│   └── 📂 vae/
│          └── qwen_image_2.1_vae_bf16.safetensors

工作流设置

Sampler 设置

三个工作流均使用 steps 25、cfg 1、euler sampler 和 simple scheduler 进行采样。当 cfg 为 1 时，ComfyUI 会跳过负向条件的计算，因此在这些工作流中负向提示词不起作用。模板保持 cfg 1，这是 Qwen-Image-2.1 发布时所对应的路径；只有当你希望负向提示词生效时才调高它。cfg 2 能更紧密地遵循复杂提示词（包括小字号文本和数字），代价是边缘过度锐化。再往上调会让画面偏亮或偏暗，cfg 5 会严重降低质量，cfg 0.5 会破坏图像。请一次只改一个取值，并在固定种子下进行比较。 steps 是第二个可调项。Qwen-Image-2.1 发布的推理流程使用 euler sampler 和约 40 到 50 步，而模板从更低的 25 开始。简单的局部编辑在 4 到 8 步就能成立，因此像把某件衣服换成另一种颜色这类请求比默认设置快好几倍；而重写整幅画面的编辑会失去一致性，需要完整的 25 步。手部、手指这类难处理的细节大约在 30 步时收敛，而从 25 步提到 40 步可以减少细节区域的杂乱噪点。只有在某个具体细节始终无法收敛时才调整 steps。

分辨率

文本到图像：分辨率选择器节点设置宽高比和百万像素目标，其中 1.0 MP 约为 1024x1024。Qwen-Image-2.1 原生生成 2K 图像，因此对于 2048x2048 的方形输出，将目标设置为约 4.0 MP。 图像编辑：画布由 Image Edit 子图节点上的 resolution 控件决定（范围 0 到 4096，步长 32）。节点自身默认为 1024，模板给的是 0。当 custom_size 关闭时（模板默认设置），编辑在首张参考图 image_1 的尺寸下生成：

resolution 为 0 时每张参考图保持自身像素尺寸，并四舍五入到 32 的倍数，因此 3000x4000 的照片会得到 3008x4000 的画布
resolution 大于 0 时，将 image_1 的宽高比缩放至 resolution x resolution 的像素预算，这是总像素数而非宽或高，并四舍五入到 32 的倍数，因此同一张照片在 resolution 为 1024 时约为 896x1184

开启 custom_size 则改用分辨率选择器提供的画布，并尽量接近调整后的 image_1 尺寸，否则编辑可能偏移。决定开销的是画布尺寸：3000x4000 的参考图在 resolution 为 0 时按 3008x4000（约 12 MP）采样，同一次编辑在 resolution 1024 时按约 896x1184（约 1 MP）采样。在 RTX 5090 上分别是约 6 s/it 和约 0.3 s/it。降低 resolution 是通过生成更小的结果提速，并不会增加细节。如果编辑感觉很慢，先检查 resolution 和参考图像的像素尺寸，再考虑改动其它参数。多张较大的参考图像会进一步拖慢编辑，下方的 KV 缓存设置会影响这部分开销。另外，远超模型 2K 训练尺寸的目标（例如 4K）会降低提示词遵循度。

图像编辑提示

参考图像按插槽顺序拼接到文本编码器中，提示词通过索引指向每张图像：

Keep the character and pose in <image1> unchanged, put this light blue denim shirt from <image2> on the character, preserve the original facial features, hair, body shape and pose

要让编辑只作用于某个区域，可以先把该区域标在图像上。在提供 image_1 的 LoadImage 节点（节点 470：右键点击节点，选择用遮罩编辑器打开）上用 Paint Pen 涂抹该区域后保存。Paint Pen 画在图像的 RGB 图层上，不会写入遮罩，因此保存会把带标记的图像写回节点，标记也成为这次编辑读取的参考图的一部分。在提示词中指名标记的颜色，就能把指令指向该区域，例如“把红色区域里的夹克换掉”。标记要限制在需要修改的区域内；如果标记的颜色出现在结果里，就在提示词中一并写明你想要的颜色。

KV 缓存

编辑工作流包含 Qwen Image 2.1 Cache 节点，用于在采样步骤之间保留缓存的文本与参考前缀。模板默认设置适用于大多数情况。该节点为实验性功能，提供两个控件：

控件	取值	作用
`device`	`auto`（默认）、`gpu`、`cpu`、`off`	`auto` 先使用空闲的 VRAM，再使用 RAM。`cpu`（RAM）会在计算背后预取，速度损失很小。`off` 每步重新计算前缀，速度更慢，但在排查问题时可排除缓存因素
`dtype`	`default`（默认）、`int8`、`int4`	存储精度。`default` 无损。`int8` 把缓存减半，精度约等于 bf16；`int4` 将缓存降到四分之一，但每步误差大约翻倍

提示词增强

文生图和图像编辑模板包含一个可选的提示词增强步骤。它使用独立的文本编码器在采样前改写提示词，把简短的请求扩展为更详细的描述。两个模板都在 Qwen Image 2.1 子图节点上提供以下控件：

refine_prompt：两个模板默认都关闭。开启后图像模型使用改写后的提示词采样，而不是你输入的原始提示词
PE_model：执行改写的文本编码器，文生图为 qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors，图像编辑为 qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot.safetensors
thinking_mode：两个模板默认都关闭。与 refine_prompt 一起开启后，改写模型会在输出前先进行推理

子图内的 Preview Any 节点会显示真正送入图像模型的提示词，方便你在决定是否保留改写结果前先查看。改写模型遵循的指令位于 Text (System Prompt) 节点中，可以自行编辑。由于只有开启 refine_prompt 时才会执行增强分支，两个模板中的增强文本编码器都是可选的；需要时开启 refine_prompt 即可。背景移除模板不包含此步骤。

开始使用

Agent Tools / MCP

基础概念

界面指南

教程

Comfy Cloud 节点

合作伙伴节点

Qwen-Image-2.1 ComfyUI 原生工作流示例