Qwen-Image-2.1 i2i: beginnen met je eigen afbeelding, en waarom er geen sterkteregelaar is

Als je hebt gezocht naar Qwen-Image-2.1 i2i, weet je al wat image-to-image (i2i) betekent: je geeft een model een afbeelding in plaats van een lege latent, en je krijgt een afbeelding terug die erop lijkt. Wat deze pagina duidelijk maakt, is wanneer dat de juiste keuze is op Qwen-Image-2.1 — en het deel dat mensen die van andere beeldmodellen komen verrast. Bij dit model bestaat de strength-schuifregelaar die je zoekt niet. De eigen pipeline van Qwen-Image-2.1 accepteert helemaal geen strength- of denoise-argument: je referentieafbeelding gaat er als context in, de doelafbeelding start bij pure ruis, en wat bepaalt hoe ver de uitvoer van je invoer afwijkt, is wat je schrijft. Als je eigenlijk alleen maar één benoemd ding wilt laten veranderen en de rest met rust wilt laten, dan is dat een andere taak die door een andere lijn in de familie wordt afgehandeld — de Qwen-Image-Edit-checkpoints — en de vergelijking op deze pagina is het deel dat je eerst moet lezen, want een lezer die "i2i" zoekt, is vaak één zoekopdracht verwijderd van het verkeerde gereedschap.

Wat de invoerafbeelding daadwerkelijk doet

Op Qwen-Image-2.1 komt een conditie-afbeelding via twee deuren het model binnen, en geen van beide is "een ruizige startlatent die je terugdraait". De repository en de voor dit model gepubliceerde diffusers-pipelineklasse beschrijven beide:

• Tekstencoder — de tekstencoder is Qwen3-VL 8B, een visie-taalmodel, en de repository van de leverancier vermeldt dat hij de tekstinstructie en de conditieafbeeldingen codeert in één enkele uniforme representatie. Jouw afbeelding maakt letterlijk deel uit van wat het model als zijn prompt leest.

• VAE — dezelfde afbeelding wordt gecodeerd in latente tokens en vóór de ruis geplaatst, vóór de eigen tokens van de doelafbeelding, zodat de transformer één gezamenlijke sequentie ziet met eerst jouw referentie en daarna hetgeen wordt gegenereerd.

• Doelstart — de doellatenten worden gesampled uit een Gaussische verdeling en gedenoised over het volledige schema, vanaf sigma 1,0 omlaag. Er is geen ingangspunt voor gedeeltelijk denoisen in die pijplijn.

Het derde opsommingsteken is het hele verschil met de i2i die de meeste mensen hebben gebruikt. In het klassieke schema codeer je je invoerafbeelding, voeg je er ruis aan toe in verhouding tot een sterktewaarde, en verwijder je vanaf dat punt de ruis — dus de invoer is echt aanwezig in de beginlatent en het sterktegetal bepaalt hoeveel ervan overleeft. Op het eigen pad van Qwen-Image-2.1 is je afbeelding nooit het startpunt. Het is context. De output is geen opgeschoonde versie van je bestand; het is een nieuwe afbeelding, geschilderd met je bestand in de kamer.

Nog één detail is de moeite waard om te weten, want dit is waar de afkorting die de lezer heeft getypt daadwerkelijk zit. De diffusers-pijplijn geeft een expliciete foutmelding als je vooraf gecodeerde latents probeert door te geven als image, met de opmerking dat "de tekstencoder de afbeelding zelf moet zien". De conditie-afbeelding moet pixels zijn, geen tensor.

De sterkteregeling, en waar die heen ging.

Diffusers levert wel een img2img-pipeline voor deze familie, en het strength-argument gedraagt zich precies zoals het vakgebied je heeft geleerd te verwachten. Lees in de docstring van de klasse zelf: de afbeelding "wordt gebruikt als uitgangspunt en er wordt meer ruis toegevoegd naarmate de strength", en "een waarde van 1 negeert in wezen image". De standaardwaarden zijn strength=0.6 en num_inference_steps=50. De twee uiteinden zijn dus de twee uiteinden die je al kent:

• Sterkte bijna 0 — er wordt bijna geen ruis toegevoegd, de ruisonderdrukkingslus is kort, en de uitvoer is nauwelijks te onderscheiden van je invoer. Dit is de instelling voor kleurcorrectie, een lichte textuurpass, een bijna-kopie.

• Sterkte op 1 — de toegevoegde ruis is maximaal, de denoise doorloopt het volledige schema, en de invoerafbeelding wordt feitelijk weggegooid. Het is tekst-naar-afbeelding met een dure no-op eraan vast.

Hier zit het addertje onder het gras, en het is de reden dat deze pagina bestaat. Het voorbeeld dat bij die pipeline is gepubliceerd, laadt het checkpoint van 2025, niet dit model. Qwen-Image-2.1 heeft zijn eigen pipelineklasse, QwenImage21Pipeline, en deze accepteert geen strength-argument, geen denoise-argument en geen ingangspunt voor gedeeltelijke ruis. Wat je je ook herinnert dat je op een ander model hebt ingesteld, nergens op het 2.1-pad is er een plek om dat in te stellen. De hendel is verschoven van een getal naar de prompt.

Dat is geen gat dat de leverancier heeft opengelaten. Het levert een model mee waarvan de enige taak is om die prompt te schrijven: Qwen-Image-2.1-PE-I2I, een fine-tuned Qwen3.5-VL 9B-checkpoint dat een vage instructie plus een of meer invoerafbeeldingen aanneemt en een JSON-object retourneert met een rewritten_prompt en een van twee elkaar uitsluitende velden — wh_ratio, wanneer het verzoek een nieuwe compositie creëert, of ratio_follow, wanneer het de beeldverhouding van een genummerde invoerafbeelding moet overnemen. Die JSON is het dichtste dat Qwen-Image-2.1 bij een strength-instelling heeft. Het is het model dat je vertelt of je verzoek het kader van de invoer behoudt of een nieuw kader opbouwt. Let op waar de string "i2i" in de eigen naamgeving van de leverancier voorkomt: op dit prompt-herscrhijvende checkpoint, niet op een apart image-to-image-checkpoint. De 2.1-generatie publiceert er geen.

i2i of bewerken: de toe te passen regel

Grijp naar i2i als je een variatie wilt. Grijp naar bewerken als je een wijziging wilt. Al het andere volgt uit die ene regel.

• Variatie — je vindt de afbeelding mooi en wilt er meer zoals deze. Een andere versie, ander licht, hetzelfde personage in een nieuwe scène, hetzelfde product in een nieuwe omgeving. Je kunt geen enkel element noemen dat pixel-identiek moet blijven, want je bent niet aan het behouden — je bent aan het herschilderen. Dat is een i2i-taak.

• Wijzigen — je kunt het ding benoemen. "Houd het personage en de pose ongewijzigd, trek ze dit shirt aan." De instructie is een beperking en de rest van het frame is een belofte die je terugkrijgt. Dat is een bewerkingstaak.

Op Qwen-Image-2.1 bevinden beide gedragingen zich in één checkpoint. Het eigen releasemateriaal van de leverancier noemt het "een uniform model voor tekst-naar-afbeelding-generatie en beeldbewerking", en het lokale bewerkingspad dat het documenteert is op maskers gebaseerd: omcirkel of schilder het gebied, of geef de originele afbeelding en een apart masker als twee invoeren door. Wat de 2.1-generatie niet meelevert, is een apart bewerkingscheckpoint.

De speciale edit-checkpoints vormen een andere lijn en andere generaties. De eigen modellenlijst van de leveranciersorganisatie op Hugging Face, gelezen op 13 oktober 2026, bevat negen beeldmodellen onder die auteur, en de edit-vermeldingen daarin zijn Qwen-Image-Edit (aangemaakt op 17 augustus 2025), Qwen-Image-Edit-2509 (22 september 2025) en Qwen-Image-Edit-2511 (17 december 2025). Geen daarvan is een 2.1-model. Behandel elke pagina die "Qwen-Image-Edit 2.1" zegt dus met zorg: er bestaat geen repository onder die naam in de lijst van de leverancier, en de spellingen die mensen typen — "qwen image edit 3", "qwen image edit 2512" — komen ook niet overeen met een gepubliceerde repository van de leverancier. Wat een bewering over de edit-lijn je ook vertelt, controleer over welke generatie die gaat voordat je ernaar handelt, want de lijn omvat drie generaties met datum en de 2.1-release is er daar niet een van.

Praktisch gezien komt de regel hierop neer. Als je de instructie kunt opschrijven als een zin met een doel erin — "maak de lucht zonsondergang", "verwijder het horloge" — zit je op bewerkingsgebied, en op 2.1 bereik je dat met een masker of geschilderde annotatie in plaats van door van tool te wisselen. Als je zin geen doel heeft en eigenlijk een beschrijving is van de afbeelding die je hierna wilt, zit je op i2i-gebied. De lezer die "i2i" typte en zichzelf er vervolgens op betrapte een gebiedende wijs te schrijven, is de lezer die het bewerkingspad nodig heeft, en dat is precies waarom dit gedeelte zo hoog op de pagina staat.

Wat je invoerafbeelding beperkt

Vijf dingen die je oplost zodra je een referentie kiest, allemaal gedocumenteerd in de eigen code van de pipeline of in de gepubliceerde documentatie van ComfyUI voor dit model. Lees verder op 13 oktober 2026.

• Resolutiebudget — de output_resolution van de 2.1-pipeline staat standaard op 1024, en elke condition-afbeelding wordt geschaald naar een budget van output_resolution in het kwadraat, met behoud van de eigen beeldverhouding en afgerond op veelvouden van 32. Een foto van 3000×4000 wordt daardoor teruggebracht tot ongeveer 896×1184 — ongeveer één megapixel — voordat het model er ook maar één pixel van ziet. De documentatie van ComfyUI maakt de kosten concreet: hetzelfde werk op een canvas van 3008×4000 tegenover ongeveer 896×1184 kost ongeveer 6 seconden per iteratie tegenover ongeveer 0,3, gemeten op een RTX 5090. Een lager canvas maakt een i2i-run sneller door een kleinere afbeelding te produceren, niet door meer detail toe te voegen.

• Beeldverhouding — als je hoogte en breedte weglaat, wordt het uitvoercanvas afgeleid van de beeldverhouding van de laatste conditieafbeelding die je doorgeeft. Elke referentie behoudt afzonderlijk zijn eigen vorm, dus een portret en een landschap kunnen in dezelfde aanroep meereizen zonder dat de een wordt bijgesneden naar het kader van de ander.

• Veelvouden van 32 — de pipeline waarschuwt en past de grootte stilzwijgend aan wanneer hoogte of breedte niet deelbaar is door de VAE-schaalfactor maal twee, wat bij dit model 32 is. Als u handmatig een canvas kiest, rond het dan af.

• Oorspronkelijke grootte — Qwen-Image-2.1 is getraind op 2K, en de formaten die de repository aanbeveelt vallen allemaal binnen die band: 2048×2048 voor 1:1, 2752×1536 voor 16:9, 1536×2752 voor 9:16, en 2400×1792 voor 4:3. In de documentatie van ComfyUI staat dat het standaarddoel één megapixel is, dat je ongeveer 4,0 MP instelt voor een oorspronkelijk vierkant van 2048×2048, en — de nuttige waarschuwing — dat een doel dat ver boven het getrainde formaat ligt, bijvoorbeeld 4K, promptnaleving verliest in plaats van detail te winnen.

• Alpha — als je referentie transparantie bevat, krijgt de vision encoder een kopie die over wit is samengesteld; alleen de VAE-kopie behoudt alle vier kanalen. Alles waarvan je verwacht dat het model het over je transparantie begrijpt, wordt door de tekstkant gelezen als witte achtergrond.

Wat overleeft, en wat opnieuw wordt uitgevonden

Wees hier nauwkeurig, want het release-materiaal en het mechanisme zeggen verschillende dingen en beide zijn waar.

• Gedocumenteerd om te overleven — de leverancier beweert op twee fronten aan getrouwheid te werken: portretidentiteit, zodat iemand herkenbaar blijft bij bewerkingen en generaties, en productconsistentie, waarbij tekst, texturen en vorm behouden blijven. Dat zijn beweringen van de leverancier, geïllustreerd met naast elkaar geplaatste voorbeelden in plaats van gekoppeld aan een meting, en voor geen van beide werd een onafhankelijke score gepubliceerd in het materiaal dat voor deze pagina op 13 oktober 2026 is gelezen.

• Gegarandeerd op pixelniveau — niets. Je referentie is contexttokens en een vision-prefix; het doel is ruis. Elk deel van de input dat je prompt niet adresseert of impliceert, mag veranderen, en geen enkele instelling in de pipeline houdt het op zijn plaats. Als een detail niet mag verschuiven, noem het dan in de prompt, want niets anders zal dat doen.

• Markeringen lekken in de invoer — in ComfyUI's gedocumenteerde bewerkingsworkflow komen verfpenstreken op de RGB-laag van de afbeelding terecht in plaats van in een masker, dus bij opslaan wordt de gemarkeerde afbeelding terug in de node geschreven en maken de markeringen deel uit van de referentie die het model leest. Houd een markering binnen het gebied dat u wilt wijzigen, en vermeld ook de kleur die u wilt in de prompt, want anders kan de kleur van de markering in de uitvoer opduiken.

• Een niet-overeenkomend canvas verschuift het resultaat — De documentatie van ComfyUI adviseert om een aangepast canvas dicht bij de geschaalde grootte van de eerste referentieafbeelding te houden, "anders kan de bewerking verschuiven". Een input waarvan de vorm afwijkt van het canvas dat je hebt opgegeven, wordt niet in een letterbox geplaatst; hij wordt verplaatst.

• Determinisme vergt twee instellingen, niet één — het aan- of uitzetten van use_kv_cache in de 2.1-pipeline verandert de sample bij een vaste seed, omdat de cache de decode-stap met een andere sequentielayout laat attenden dan de prefill-stap, waardoor de twee “even geldige maar zichtbaar verschillende samples” geven. Het advies van de pipeline zelf is om de flag vast te zetten. In ComfyUI is de equivalente instelling de opslagprecisie van de cachenode, waar — ComfyUI's eigen cijfers, niet geauditeerd — int8 de cache halveert met ongeveer bf16-nauwkeurigheid en int4 hem tot een kwart terugbrengt terwijl de fout per stap ruwweg verdubbelt.

Waar i2i het verkeerde hulpmiddel is

Vijf gevallen, elk met vermelding van het alternatief.

• Je kunt precies benoemen wat er moet veranderen. Gebruik het instructiepad op Qwen-Image-2.1 — schilder of omcirkel de regio, of geef een apart masker mee als tweede invoer — of een speciaal checkpoint uit de Qwen-Image-Edit-lijn. i2i zal het frame rond je doel opnieuw schilderen, samen met het doel zelf.

• Je moet de originele pixels behouden. i2i produceert een nieuwe afbeelding; het behoudt er geen enkele. Het maskerpad is het pad dat is gemaakt om de rest van het frame met rust te laten.

• Je hebt 4K nodig. Boven de getrainde grootte van 2K verliest het model de promptnaleving, volgens de ComfyUI-documentatie. i2i op 4K is een tragere run die je beschrijving minder goed volgt, niet een scherpere.

• Je moet fijne details uit de invoer gereproduceerd krijgen. De conditieafbeelding wordt eerst teruggeschaald naar een budget van ongeveer één megapixel, dus een referentie van 12 megapixels bereikt het model nooit op volledige resolutie. Details die kleiner zijn dan dat budget zijn al verdwenen voordat het denoisingproces begint.

• Je hebt een bit-identieke herhaalde run nodig. Zet de KV-cachevlag en de seed correct, en wijzig één instelling per keer — anders vergelijk je twee verschillende samplers en noem je dat ruis.

Eén kruisverwijzing, want die zal ter sprake komen: de Turbo-checkpoint die op 9 oktober 2026 is uitgebracht, gebruikt dezelfde 7B-architectuur voor visuele generatie en hetzelfde pad voor beeldconditionering, en voert het schema uit in 8 denoisingsstappen in plaats van ongeveer 40. Er verandert niets aan hoe je invoerafbeelding wordt gebruikt tussen de twee. Als je het i2i-pad snel wilt, is dat de checkpoint die je moet laden; als je aan het debuggen bent waarom je referentie wordt genegeerd, is het aantal stappen niet de variabele.

Wat nu te doen

Begin bij de eigen Quick Start van de leverancier op de modelkaart in plaats van bij een tutorial, en lees de argumentenlijst van het bewerkingsvoorbeeld: het geeft image=input_image door, stelt num_inference_steps in, en heeft nergens een strength-argument. Die afwezigheid is het hele punt van deze pagina, en het in de code van de leverancier zien is sneller dan een samenvatting te geloven.

Stel van daaruit output_resolution in op de grootte die je daadwerkelijk nodig hebt voordat je iets beoordeelt over gelijkenis, houd je canvas waar mogelijk op de native 2K-presets, en schrijf de prompt alsof de referentie een foto is die naast de prompt ligt in plaats van een latents-tensor die gedeeltelijk wordt gedenoised — want op dit model is dat wat het is. En als je na drie pogingen de neiging hebt om te zeggen "verander alleen dit, laat al het andere met rust", stop dan. Die zin is je signaal dat i2i de verkeerde route is, en de edit-lijn is waar het thuishoort.