Alur Kerja Qwen-Image-2.1: Rantai Node, Tombol Pengatur, dan Apa yang Berubah Sejak Hari Nol

Yang Anda dapatkan dari halaman ini adalah Qwen-Image-2.1graf yang dapat Anda bangun ulang dari nol dan reproduksi — rantai node dengan nama yang benar-benar dipakai loader, empat atau lima pengatur yang menentukan apakah output-nya sesuai yang Anda minta, dan dua pengaturan yang diubah orang tanpa sadar telah mengubah jadwal noise. Model itu sendiri adalah rilis terpadu text-to-image dan penyuntingan gambar dari vendor, yang dirilis sebagai open source pada 20 September 2026 di bawah lisensi riset: 7B parameter di komponen generasi visual, 32 lapisan DiT aliran tunggal, VAE RGBA 64 kanal dengan kompresi spasial 16x, dan hingga sepuluh gambar referensi pada jalur penyuntingan. Tanggal itu ada di sini untuk memberi tahu Anda checkpoint mana yang sedang Anda sambungkan, bukan untuk mengumumkan apa pun. Graf adalah subjeknya, dan graf tersebut memiliki riwayat revisi yang layak dibaca sebelum Anda mempercayai tangkapan layar orang lain tentangnya — templat yang dikirim hari ini bukanlah templat yang dikirim pada hari nol, dan empat dari perbedaannya adalah tepat hal-hal yang salah dipahami pembaca.

Grafik mana yang dijelaskan oleh halaman ini?

Semua yang di bawah ini dibaca dari repositori templat workflow ComfyUI Comfy-Org/workflow_templates, pada revisi yang berlaku per 13 Oktober 2026, yang berjalan pada ComfyUI stable v0.39.0 (diterbitkan 5 Oktober 2026). Nama node adalah nama tampilan yang digunakan oleh loader di dalam graph; jika sebuah node ditambahkan atau diganti namanya antar revisi, tanggalnya dicantumkan. Rute menuju file-file ini adalah halaman tutorial milik ComfyUI sendiri untuk Qwen-Image-2.1 — ada tiga templat di dalamnya, dan halaman ini mengikuti templat text-to-image, lalu membelokkannya.

Ketiga templat tersebut adalah Qwen-Image-2.1 Text to Image, Qwen-Image-2.1 Image Edit, dan Remove Background: Qwen-Image-2.1. Yang terakhir bukan graf yang berbeda: dokumentasi ComfyUI menyatakan bahwa templat ini menggunakan kembali subgraf image-edit dengan prompt "Remove the background, and output a PNG image". Jadi ada dua graf untuk dipelajari, dan salah satunya adalah templat prompt di atas yang lainnya.

Rantai node, secara berurutan

Templat teks-ke-gambar adalah subgraf — satu node yang dapat diciutkan di kanvas dengan delapan belas input yang diekspos — membungkus rantai tiga belas node. Di dalamnya, urutannya adalah:

• UNETLoader — memuat qwen_image_2.1_int8_convrot.safetensors dengan dtype bobot dibiarkan pada default. Ini adalah model difusi, dan file yang Anda pilih di sini adalah hal pertama yang menentukan apakah hasil Anda cocok dengan milik orang lain.

• Qwen Image 2.1 Cache — terletak di antara loader dan sampler. Ini tidak opsional dalam template saat ini, tetapi dapat dilewati, dan ini adalah node yang paling mungkin hilang dari graf yang Anda unduh pada minggu pertama.

• KSampler — mengambil model dari node cache, pengondisian positif dan negatif dari encoder teks, dan latent kosong. Widget-nya di templat bawaan berbunyi: seed 0, kontrol fixed, langkah 25, cfg 1, sampler euler, penjadwal simple, denoise 1.

• EmptyLatentImage — lebar dan tinggi dihubungkan dari node Resolution Selector yang berada di luar subgraf, dan input ketiganya, ukuran batch, bernilai 1.

• VAEDecode → SaveImageAdvanced — decoder menyerahkan piksel ke node penyimpanan, yang prefiks nama filenya adalah Qwen_image_2.1 dan yang formatnya dikirim sebagai PNG, 8-bit, sRGB. PNG bukan sekadar kosmetik di sini: VAE membawa empat kanal, jadi PNG 8-bit itulah yang menjaga kanal alfa tetap hidup dalam perjalanan ke disk.

• CLIPLoader — memuat qwen3vl_8b_int8_convrot.safetensors dengan tipe yang diatur ke qwen_image. Qwen3-VL 8B adalah encoder teks, dan juga merupakan menara visi yang membaca gambar referensi Anda.

• Text Encode Qwen Image 2.1 (id node TextEncodeQwenImage21) — mengondisikan prompt. Ini menerima clip, sebuah prompt, sebuah prompt negatif, VAE opsional, sebuah bilangan bulat resolusi, dan sekumpulan slot gambar yang tumbuh otomatis dengan nama image_1 hingga image_16. Ini mengembalikan tiga hal: pengondisian positif, pengondisian negatif, dan sebuah latent. Latent itulah bagian yang sering terlewat — ini adalah latent kosong yang berukuran sesuai gambar referensi pertama, dan pada graf text-to-image latent itu tidak digunakan karena latent kosong berasal dari Resolution Selector sebagai gantinya.

• VAELoader — qwen_image_2.1_vae_bf16.safetensors, yang memasok masukan ke dekoder sekaligus ke jalur gambar referensi pada encoder teks.

Cabang opsional adalah bagian terakhir. Sebuah CLIPLoader kedua memuat qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors dengan tipe yang disetel ke stable_diffusion — bukan qwen_image, dan perbedaan itu disengaja, karena ini adalah checkpoint pembuatan teks, bukan encoder visi. Ini mengumpankan ke node Generate Text, yang outputnya melewati Preview Any ke prompt positif sampler, dialihkan oleh ComfySwitchNode yang terhubung ke refine_prompt input. Sebuah Primitive String (Multiline) node menyimpan system prompt yang diikuti oleh penulisan ulang, dan Anda dapat membacanya serta mengeditnya.

Hitung saja rantainya, ada enam node kerja nyata: muat model diffusion, muat encoder teks, muat VAE, enkode prompt, lakukan sampling dari latent kosong, dekode lalu simpan. Sisanya di template hanyalah soal memori atau kenyamanan.

Apa yang berubah antara grafik hari nol dan yang ini

Inilah bagian yang perlu diketahui sebelum Anda menyalin alur kerja dari tangkapan layar tutorial, karena templat Qwen-Image-2.1 telah diedit lima kali setelah pertama kali dirilis, dan editannya bukan sekadar kosmetik.

• 20 September 2026 — templat pertama. Commit 96309bd530, "Add Qwen Image 2.1 template". Tujuh node dalam subgraph text-to-image: loader, encoder, latent kosong, sampler, decoder. Loader CLIP diatur ke text encoder bfloat16, qwen3vl_8b_bf16.safetensors — file berukuran 16,33 GB.

• 20 September 2026, kemudian pada hari yang sama. Commit 371a7b7171 mengalihkan loader itu ke qwen3vl_8b_int8_convrot.safetensors, file 8,71 GB, dengan pesan "Ganti Qwen Image 2.1 CLIP ke int8 convrot". Catatan template itu sendiri memberinya label "dimuat oleh template, memori lebih rendah". Alur kerja yang dibuat dari file pagi hari dan yang dibuat dari file malam hari bukanlah alur kerja yang sama.

• 25 September 2026. Qwen Image 2.1 Cache node muncul dalam graf untuk pertama kalinya, bersama dengan seluruh cabang peningkatan prompt — loader CLIP kedua, Generate Text, Preview Any, sakelar, node system prompt. Sebelum tanggal ini tidak ada node cache untuk diatur dan tidak ada langkah penulisan ulang untuk dimatikan. Templat edit gambar mendapatkan input yang sesuai pada hari yang sama. Catatan text-to-image juga mendapatkan, dalam revisi ini, baik baris 4 megapiksel maupun pembungkus prompt gambar transparan.

• 28 September 2026.Ukuran file ditambahkan ke catatan unduhan — perubahan dokumentasi, bukan perubahan grafik, tetapi di situlah asal angka yang dicocokkan pembaca dengan pengelola unduhan mereka.

• 30 September 2026. Komit 9fae1041be, "Qwen Image 2.1: Perbarui pengaturan PE" — terakhir kali salah satu templat 2.1 disentuh. Inilah yang paling penting dan paling tidak terlihat. Tiga nilai pada node Generate Text berubah: anggaran token max_length dari 16256 turun menjadi 4096, penalti pengulangan dari 1.05 ke 1.0, dan thinking dari nonaktif ke aktif, dengan catatan node itu sendiri sekarang menyatakan bahwa checkpoint "dilatih dengan blok penalaran dan kehilangan kualitas tanpanya". Catatan templat menggambarkan nilai-nilai sebelumnya sebagai nilai resmi dan mengatakan batas tersebut ada agar "satu penulisan ulang tidak dapat berjalan selama beberapa menit".

Apa yang tidak berubah adalah bagian yang berguna dari ini. Blok sampling identik byte antara templat hari nol dan templat hari ini: langkah 25, cfg 1, euler, simple, denoise 1, kontrol seed ditetapkan, latent kosong di keluaran Resolution Selector, ukuran batch 1. Graf tidak pernah diperbaiki dengan memindahkan sampler. Graf diperbaiki dengan mengubah file text-encoder mana yang dimuat, menambahkan node cache, dan mengoreksi pengaturan prompt-enhancer itu sendiri.

Satu lapisan lagi berada di bawah graf. Inti ComfyUI terus berubah setelah templat menetap: v0.38.0 pada 29 September meningkatkan logika lokasi cache KV Qwen 2.1, dan v0.39.0 pada 5 Oktober merilis "Perbaiki crash saat memilih cache int8 atau int4 di qwen image 2.1". Jika graf Anda adalah versi terkini dan build Anda lebih lama dari itu, dropdown cache bukan opsi yang lambat, melainkan crash.

Dial yang paling mungkin salah dipahami pembaca

Mulailah dari apa yang dinyatakan dokumentasi secara gamblang, karena itu menghilangkan sebagian besar dugaan. Ketiga alur kerja Qwen-Image-2.1 melakukan sampling dengan steps 25, cfg 1, sampler euler, dan scheduler simple. Itu adalah ringkasan ComfyUI sendiri, dan itu cocok persis dengan widget yang disertakan.

Komplikasinya adalah 25 dan 40 sama-sama jawaban yang benar untuk pertanyaan yang berbeda. Kartu model milik vendor itu sendiri menjalankan pipeline diffusers pada num_inference_steps=40, dan nilai default pipeline diffusers juga 40; dokumentasi ComfyUI menyatakan pipeline yang dipublikasikan "menggunakan sekitar 40 hingga 50 langkah dengan sampler euler, dan templatnya dimulai lebih rendah pada 25". Tidak ada dari kedua angka itu yang merupakan kesalahan. Keduanya adalah nilai default graf dan sebuah eksekusi referensi.

• Langkah — arah dan kompromi. Nilai yang lebih rendah lebih cepat dan, menurut dokumentasi ComfyUI, ketahanannya berbeda-beda tergantung pekerjaannya: penyuntingan lokal yang sederhana tetap bertahan pada 4 hingga 8 langkah, "sedangkan penyuntingan yang menulis ulang seluruh bingkai kehilangan koherensi dan memerlukan 25 langkah penuh". Detail halus yang membandel seperti tangan dan jari "mencapai kondisi stabil sekitar 30 langkah", dan beralih dari 25 ke 40 mengurangi noise di area yang detail. Arahnya monoton dan komprominya linear: saran dokumentasinya adalah sesuaikan langkah hanya ketika ada sesuatu yang spesifik gagal terselesaikan, bukan menaikkannya demi keamanan.

• Panduan — cfg 1 berarti panduan nonaktif, dan itulah jalur yang dipublikasikan. Pada cfg 1, ComfyUI melewati tahap pengondisian negatif, sehingga prompt negatif tidak berpengaruh. Templat ini mempertahankan cfg 1, "yang merupakan jalur publikasi Qwen-Image-2.1"; pipeline diffusers menyatakan hal yang sama dengan caranya sendiri, menetapkan nilai default true_cfg_scale ke 1.0 karena "Qwen-Image 2.1 dimaksudkan untuk disampel tanpa panduan". Naikkan nilainya hanya saat Anda benar-benar ingin prompt negatif berdampak, dan ketahui konsekuensinya: cfg 2 mengikuti prompt padat lebih dekat, termasuk teks dan angka kecil, "dengan konsekuensi tepi yang terlalu tajam"; nilai yang lebih tinggi menggeser eksposur ke arah terlalu terang atau terlalu gelap; cfg 5 menurunkan kualitas dengan parah; cfg 0.5 merusak gambar. Instruksi ComfyUI adalah mengubah satu nilai dalam satu waktu dan membandingkan pada seed yang tetap.

• Resolusi adalah target megapiksel, bukan persegi panjang. Node Resolution Selector menetapkan rasio aspek dan anggaran megapiksel, di mana 1,0 MP kira-kira 1024x1024. Qwen-Image-2.1 menghasilkan secara native pada 2K, jadi target untuk persegi 2048x2048 adalah sekitar 4,0 MP. Kelipatan 32 adalah yang diinginkan model — tooltip pada input resolution milik text encoder menyebutkan bahwa referensi diubah ukurannya menjadi sekitar resolution x resolution piksel pada kelipatan 32, dengan rasio aspek tetap dipertahankan, dan helper dimensi milik pipeline sendiri juga membulatkan ke 32. Kartu model dari vendor memublikasikan preset 2K: 1:1 pada 2048x2048, 4:3 pada 2400x1792, 3:4 pada 1792x2400, 3:2 pada 2528x1696, 2:3 pada 1696x2528, 16:9 pada 2752x1536, 9:16 pada 1536x2752.

• Melebihi 2K mengorbankan kepatuhan, bukan ketajaman. Target yang jauh di atas ukuran 2K yang telah dilatih model, misalnya 4K, kehilangan kepatuhan terhadap prompt. Itu adalah perilaku yang terdokumentasi, bukan inferensi dari arsitekturnya.

• Yang benar-benar kontraintuitif: resolusi juga menggeser jadwal noise. Qwen-Image-2.1 melakukan sampling dengan penjadwal Euler flow-matching yang pergeseran timestep-nya dinamis, dan pipeline menghitung pergeseran itu dari panjang urutan laten — yaitu, dari berapa banyak token yang dihasilkan resolusi pilihan Anda. Konfigurasi penjadwal checkpoint menetapkan base_shift 0.5 dan max_shift 0.9 di seluruh rentang urutan gambar dari 256 hingga 8192, dan pipeline memasukkan panjang urutan run Anda ke dalam formula itu pada setiap panggilan. Mengubah kanvas oleh karena itu mengubah jadwal sampler, bukan hanya bingkai. Dalam templat ComfyUI tidak ada kontrol shift untuk diatur — input KSampler adalah model, positive, negative, latent image, seed, steps, cfg, sampler name, dan scheduler, dan itulah seluruh daftarnya. Jika hasil Anda pada 4 MP terlihat tidak seperti hasil Anda pada 1 MP dengan cara yang tidak dapat Anda jelaskan hanya oleh detail, inilah alasannya.

• Pada graf edit, resolution berperilaku berbeda dan merupakan default tunggal yang paling mahal. Dengan custom_size nonaktif — default template — edit dihasilkan pada ukuran gambar referensi pertama. resolution 0 mempertahankan setiap referensi pada ukuran pikselnya sendiri yang dibulatkan ke kelipatan 32, sehingga foto 3000x4000 menghasilkan kanvas 3008x4000. Nilai di atas 0 justru menskalakan rasio aspek gambar tersebut ke anggaran piksel resolution x resolution — jumlah piksel total, bukan lebar. Contoh biaya dari ComfyUI sendiri, yang diukur pada RTX 5090: referensi 3000x4000 pada resolution 0 memakan sekitar 6 detik per iterasi; edit yang sama pada resolution 1024 memakan sekitar 0,3 detik per iterasi, pada kira-kira 896x1184. Aktifkan custom_size dan ambil kanvas dari Resolution Selector, lalu jaga agar tetap dekat dengan ukuran gambar pertama yang telah diubah ukurannya, "jika tidak, edit dapat bergeser".

Determinisme: apa yang ditetapkan oleh sebuah seed, dan apa yang tidak

Seed tetap itu perlu, tetapi tidak cukup, dan templat yang disertakan saling tidak sepakat soal itu. KSampler text-to-image dikirim dengan kontrol fixed; kedua templat edit — edit gambar dan penghapusan latar belakang — dikirim dengan kontrol randomize. Sampler yang sama, default yang sama, perilaku yang berlawanan saat antrean dijalankan ulang.

Asumsikan seed-nya sudah tetap. Berikut ini yang masih memengaruhi gambar:

• Cache KV. Ini yang besar, dan ini didokumentasikan, bukan sekadar cerita rakyat. Qwen-Image-2.1 meng-cache kunci dan nilai teks serta gambar referensi setelah langkah pertama; sumber pipeline menjelaskan bahwa ini valid karena token pengondisian tidak bergantung pada langkah di bawah pengondisian kausal model. Lalu disebutkan hal yang penting bagi siapa pun yang mencoba mereproduksi sebuah gambar: mengaktifkan atau menonaktifkan cache "tidak mereproduksi gambar yang sama secara bit-for-bit dalam presisi tereduksi", karena langkah decode melakukan attention dengan tata letak urutan yang berbeda daripada langkah prefill, keduanya membagi tile secara berbeda dan mendarat pada pembulatan yang berbeda — dan perbedaan satu ULP pada blok pertama diperkuat oleh 32 blok dan setiap langkah sampler, sehingga "kedua pengaturan memberikan sampel yang sama-sama valid tetapi terlihat berbeda". Instruksi sumber itu sendiri adalah: perbaiki sampel dengan memperbaiki flag ini. Di ComfyUI, flag tersebut berada pada node Qwen Image 2.1 Cache, sebagai device (auto, gpu, cpu, off) dan dtype (default, int8, int4).

• Riwayat rilis node cache itu sendiri. Itu belum ada sebelum 25 September 2026, jadi alur kerja hari nol tidak memiliki pengaturan seperti itu dan tidak berperilaku seperti yang berlaku saat ini. Dan nonaktif — satu-satunya pengaturan yang menyingkirkan cache — "menghitung ulang prefiks di setiap langkah, yang lebih lambat tetapi merupakan satu-satunya cara untuk menyingkirkan cache".

• File model yang mana. Templat ini memuat model difusi int8 dan encoder teks int8. Ganti salah satunya dengan file bf16, dan Anda telah mengubah aritmetikanya. Catatan unduhan mencantumkan keduanya, beserta ukurannya, justru karena pilihan itu nyata.

• Peningkat prompt, jika aktif. Dengan refine_prompt aktif, model gambar mengambil sampel dari prompt yang telah ditulis ulang, bukan prompt yang Anda ketik — dan penulisan ulang tersebut dihasilkan oleh node Generate Text terpisah dengan parameter sampling-nya sendiri: temperature 1.0, top_k 20, top_p 0.95, kolom seed-nya sendiri, dan max_length sebagai anggaran token. Seed KSampler Anda tidak mencakup semua itu. Node Preview Any di dalam subgraph menunjukkan prompt yang benar-benar sampai ke model gambar, yang merupakan satu-satunya cara untuk mengetahui apa yang baru saja Anda reproduksi.

• Build ComfyUI. Templat-templat ini membawa peringatannya sendiri: node yang hilang saat memuat workflow biasanya berarti build tersebut lebih lama daripada node-nya, dan Desktop serta Cloud mengikuti rilis stabil sehingga bisa tertinggal dari versi nightly.

Jadi, mereproduksi gambar Qwen-Image-2.1 milik orang lain bukanlah sekadar menukar seed. Itu adalah revisi templat, dua file model, pengaturan resolusi, langkah, cfg, sampler, scheduler, perangkat cache dan dtype, status aktif/nonaktif enhancer beserta seed-nya sendiri — dan, untuk graf edit, ukuran gambar referensi pertama. ComfyUI tidak memberikan jaminan reproduktibilitas seed untuk alur kerja ini, dan sumber diffusers menyatakan dengan gamblang bahwa toggle cache mengubah sampel; anggap kecocokan persis sebagai sesuatu yang Anda susun secara sengaja, bukan sesuatu yang diberikan seed kepada Anda.

Lebih dari satu gambar, dan ke mana memori itu pergi

Graf ini menghasilkan satu gambar per proses dalam konfigurasi bawaan, dan pengatur untuk mengubahnya tidak menarik: EmptyLatentImageinput ketiga node tersebut, ukuran batch, terhubung pada 1. Menaikkannya itulah yang membuat sampler mengeluarkan beberapa gambar dari satu antrean.

Berapa biayanya — di sinilah ini menjadi jujur. Templat memberi tahu Anda persis di mana cache berada — auto memakai VRAM cadangan lalu RAM sistem; cpu melakukan prefetch di balik komputasi dan dokumentasinya menggambarkannya sebagai hanya sedikit mengorbankan kecepatan; off menghitung ulang prefiks setiap langkah dan lebih lambat. Mereka mengukur sisi presisinya: int8 memangkas separuh cache pada akurasi sekitar bf16, dan int4 memangkasnya menjadi seperempat tetapi kira-kira menggandakan galat per langkah. Yang tidak mereka terbitkan adalah tabel ukuran batch ke VRAM, dan dokumentasi ComfyUI juga tidak. Jika Anda menentukan ukuran batch untuk sebuah kartu, jawaban jujurnya adalah tidak ada angka pihak pertama yang mencakupnya; tuas yang efeknya sudah dipublikasikan adalah perangkat cache dan dtype, serta target resolusi, yang menaikkan jumlah latent sekaligus prefiks yang di-cache.

Dua jebakan batch berada di sisi lain pagar, di dalam pipeline diffusers, dan keduanya layak diketahui karena grafik ComfyUI menyembunyikannya. Di sana, num_images_per_prompt mengalikan batch, dan jika Anda memberikan daftar generator, panjangnya harus sama persis dengan ukuran batch efektif atau pipeline akan memunculkan error. Dan daftar gambar kondisi adalah "satu set gambar yang dibagikan oleh setiap prompt dalam batch, bukan satu entri per prompt" — Anda tidak dapat memberikan setiap prompt dalam batch gambar referensinya sendiri; instruksi sumbernya adalah memanggil pipeline sekali per prompt sebagai gantinya. Subgraf pengeditan memiliki bentuk batasan yang sama di tempat berbeda: BatchImagesNode membatch hingga sepuluh gambar referensi ke dalam text encoder, yang merupakan batching input, bukan output. Sepuluh referensi tidak memberi Anda sepuluh gambar.

Gambar ke gambar dari grafik yang sama

Anda tidak memerlukan graf yang berbeda untuk ini. Templat edit gambar adalah rantai text-to-image dengan latent kosong ditukar dengan output latent dari encoder teks, dua LoadImage node yang memasukkan image_1 dan image_2 ke slot referensi subgraf, dan node ImageCompare di akhir agar Anda dapat melihat input di samping output. Letakkan satu gambar di image_1, biarkan image_2 kosong, tulis instruksi, dan itulah image-to-image: gambar Anda adalah konteks yang dibaca model, bukan latent awal yang didenoisasi sebagian. Tidak ada slider strength atau denoise yang perlu diatur pada jalur ini, karena target dimulai dari noise dan referensi Anda masuk melalui encoder dan VAE.

Berikut batasnya, masing-masing dalam satu kalimat, karena keduanya hanya terpisah satu pencarian dan orang sering mengambil yang salah.

• Gambar ke gambar adalah saat Anda menginginkan variasi: Anda memberikan sebuah gambar dan deskripsi kepada model, lalu model melukis gambar baru yang menyerupai milik Anda, pada kanvas yang Anda pilih.

• Pengeditan adalah saat Anda menginginkan suatu perubahan: Anda memberikan kepada model sebuah gambar dan instruksi yang menyebutkan apa yang seharusnya berbeda, ditambah secara opsional sebuah mask atau tanda yang dilukis, dan model mempertahankan sisa bingkainya.

Petunjuknya ada pada kalimat yang akan Anda ketik. "Buat agar terlihat seperti ini tetapi pada malam hari" adalah i2i; "ubah jaket menjadi merah, biarkan sisanya" adalah edit, dan pada grafik ini jalur edit adalah tempat masker, sepuluh slot referensi, dan perilaku edit terlokalisasi berada. Pertanyaan di sebelah itu adalah topik halaman lain, dan yang ini berhenti di garis tersebut agar Anda dapat mengetahui yang mana yang sedang Anda ikuti.

Checkpoint turbo, dalam satu paragraf

Satu rujukan silang, karena ejaan turbo berada di dalam keluarga kueri ini dan pembaca akan menemukannya. Qwen-Image-2.1-Turbo adalah checkpoint 8 langkah terpisah dari arsitektur pembuatan visual 7B yang sama, dirilis pada 9 Oktober 2026 dan dimuat oleh QwenImage21Pipeline yang sama. Kartu modelnya sendiri menyatakan bahwa checkpoint tersebut "menyertakan jadwal pengambilan sampel yang direkomendasikan, sehingga siap digunakan tanpa mengonfigurasi penjadwal secara manual", bahwa pembuatan menggunakan CFG 1 secara default, dan bahwa menetapkan num_inference_steps saja tidak menimpa jadwal yang tersimpan — argumen sigmas eksplisit pada waktu pemanggilanlah yang menimpa. Tidak ada satu pun dari itu yang mengubah rangkaian node di halaman ini: loader yang sama, encoder yang sama, node sampler yang sama. Yang berubah adalah dari mana jadwal itu berasal, dan itulah satu hal yang layak diperiksa dalam graf Anda sebelum Anda membandingkan proses turbo dengan proses model dasar lalu menyimpulkan bahwa modelnya menjadi lebih buruk.

Apa yang harus dilakukan selanjutnya, dalam grafik

Muat templat dari pustaka templat ComfyUI, bukan dari tangkapan layar, lalu baca empat node sebelum Anda mengantrekan apa pun. Pada Pemilih Resolusi, atur rasio aspek yang benar-benar Anda inginkan dan, jika Anda menginginkan 2K asli milik model, target 4.0 MP. Pada KSampler, pastikan kontrol disetel ke fixed jika Anda berniat mereproduksi sebuah proses, dan biarkan steps di 25 dan cfg di 1 sampai ada sesuatu yang spesifik gagal. Pada Qwen Image 2.1 Cache, tentukan device dan dtype sekarang dan catat, karena Anda tidak dapat mengubahnya nanti dan membandingkan dua gambar seolah-olah hanya prompt yang berubah. Dan pada Hasilkan Teks node, biarkan refine_prompt nonaktif sampai Anda memiliki dasar acuan yang Anda sukai — lalu nyalakan, baca hasil tulis ulang di Pratinjau Apa Saja, dan pertahankan seed yang Anda gunakan agar perbandingannya bermakna.