一、说明
文章中的描述只是尝鲜的记录，还没有深度学习，知其所以然的阶段，所以都是描述性文字，目的是想看看V100能跑多少comfyui模型，后续也许会有更深点的学习，当然在应用阶段
Qwen-Image是阿里巴巴通义千问团队发布的首个图像生成基础模型。它是一个在 Apache 2.0 许可证下开源的 20B 参数 MMDiT（多模态扩散 Transformer）模型。该模型在复杂文本渲染和精准图像编辑方面取得了重大进展，实现了包括英文和中文在内的多种语言的高保真输出。模型亮点：
- 卓越的多语言文本渲染：支持英文、中文、韩文、日文等多语言高精度文本生成，保持字体细节和布局一致性
- 多样化的艺术风格：从写实场景到印象派画作，从动漫美学到极简设计，流畅适应各种创意提示词
- 中文支持很好，就可以让我们用它了
二、看看我们将实验哪几个工作流
qwen与z-image是我们重点学习对象，z-image后面我们还会深入学习，今天看看qwen
三、开始qwen image之旅
1、Qwen Image 2.1 图像编辑
首先看看需要的模型，得下载，时间啊时间
中间这个就是Qwen Image 2.1图像编辑节点
关于Qwen Image 2.1图像编辑节点，所有参数均围绕“替换角色服装”的编辑任务配置，下面为你逐项拆解说明。
📋 输入与提示词配置
- 参考图通道：提供了
image_1到image_10共10个图像输入位，完全匹配Qwen-Image-2.1最多支持10张参考图的特性，可同时导入角色原图、服装参考图等素材，保证编辑后人物身份特征不丢失。- resolution：当前值为0，代表由模型自动适配输入参考图的原生分辨率，无需手动强制指定输出尺寸。
- positive_prompt：当前填写的编辑指令为
Replace costumes for the character，明确告知模型本次任务是替换图中角色的服装。- refine_prompt：该选项已开启，可对生成结果进行细节优化，进一步提升服装替换后的画面精细度。
- negative_prompt：当前为空，可后续补充不需要出现的画面元素，避免生成瑕疵。
⚙️ 生成核心参数
- cfg：当前值为1.0，符合Qwen-Image-2.1默认不开高CFG的特性，该设置下模型生成自由度更高，画面风格更自然。
- steps：当前设置为25步，属于兼顾生成速度与画面质量的中等采样步数，适合快速完成服装替换类编辑任务。
- custom_size：已开启自定义尺寸，输出分辨率设置为
width 1024、height 1024，是1:1的标准正方形高清输出尺寸。- sampler：选择euler采样器，是AI绘图中速度快、稳定性强的经典采样算法。
- scheduler：当前配置为simple调度器，适配轻量快速的生成场景。
- seed：固定随机种子为
1095460012924539，锁定该值后，在其他参数不变的情况下可以复现完全一致的生成结果。🧩 模型加载配置
- user_name：加载的是
qwen_image_2_1_int8_convrot.safetensors，是INT8量化后的图像生成主干模型，可大幅降低显存占用。- clip_name：加载的是
qwen3v_8b_int8_convrot.safetensors，是INT8量化的Qwen3-VL-8B文本图像统一编码器，负责解析编辑指令和参考图像内容。- vae_name：加载的是
qwen_image_2_1_vae_bf16.safetensors，是BF16精度的RGBA 64通道VAE自编码器，支持原生透明通道输出，能输出高质量的图像细节。- cache_device：设置为auto，由程序自动选择最合适的硬件设备缓存模型权重。
- dtype：设置为default，自动匹配当前硬件支持的最优数据精度。
- PE_model：加载的是
qwen3.5_9b_qwen_image_2_1_pe_i2:int8_conv...，是INT8量化的位置编码扩展模型，进一步提升大分辨率下的画面生成稳定性。
运行后，出现[ERROR] !!! Exception during processing !!! deltanet_conv_step launch reject错误
关闭refine_prompt后正常出图
这说明之前的报错根源完全定位到了refine_prompt模块的算子冲突问题，是非常典型的功能模块兼容故障。
🔍 故障根因分析
- 开启refine_prompt时，Qwen Image 2.1会额外调用Qwen3.5文本编码器的二次语义优化链路，触发了有问题的deltanet_conv_step自定义卷积算子，直接导致内核启动被拒绝。
- 关闭该功能后，模型跳过了二次语义优化的计算分支，完全绕开了有bug的自定义算子，自然不会再触发之前的RuntimeError报错，生成链路可以正常走完完成出图。
故障没解决
2、qwen image edit 2509
需要的模型
基于阿里开源Qwen-Image-Edit模型打造的专用图像编辑节点，依托20B参数的图像编辑模型实现自然语言驱动的精准改图能力，是本地端实现“言出法随”式修图的核心组件。
📋 输入接口说明
- image：必填主输入图，是你需要进行编辑操作的原始素材。
- image2 (optional)：可选第二张参考图，支持多图联动编辑场景。
- image3 (optional)：可选第三张参考图，适配更复杂的多图融合编辑需求。
- lora_name：用于指定加载的自定义LoRA模型，实现特定风格或效果的定向编辑。
🔍 核心参数配置
- positive_prompt：正向编辑指令，图中示例指令为“Replace the cat with a dalmatian, keeping the environment and scene consistent”，即要求将图中的猫替换为斑点狗，同时完整保留原有环境和场景的一致性。
- negative_prompt：反向排除指令，可填入不希望在编辑结果中出现的内容，规避生成瑕疵。
- seed：随机种子值，固定该数值可以让每次生成的编辑结果保持一致，方便效果复现和参数调试。
- unet_name：加载的扩散模型，图中配置为
qwen_image_edit_2509_fp8_e4m3fn.safetensors，是该节点的核心编辑基底模型。 - clip_name：加载的视觉语言文本编码器，图中配置为
qwen_2.5_vl_7b_fp8_scaled.safetensors，负责理解你输入的自然语言编辑指令。 - vae_name：加载的视觉解码器，图中配置为
qwen_image_vae.safetensors，负责把控编辑后图像的外观细节、色彩和画质表现。 - enable_turbo_mode：涡轮加速开关，图中已开启该选项，可大幅缩短图像生成耗时。
- lightning_lora：闪电加速LoRA，图中配置为
Qwen-Image-Edit-2509-Lightning-4steps-V1.0...，能将原本需要几十步的生成过程压缩到仅4步，在几乎不损失画质的前提下实现极速出图。
✨ 节点核心能力
该节点依托Qwen-Image-Edit的双路控制机制，同时实现了两大编辑能力：
- 高级语义编辑：精准理解自然语言指令，完成物体替换、元素增删、视角调整等高层级修改。
- 低级外观编辑：完整保留原图的色彩、风格、字体质感等细节，避免编辑后出现画面违和感。
它还支持中英双语的精准文字编辑，在保留原有文字大小、字体、风格的前提下直接修改图片内的文字内容，是目前开源图像编辑领域表现顶尖的本地部署方案。
运行，
