Qwen-Image-2.1-werkstroom: de node-keten, de knoppen en wat er sinds dag nul is veranderd

Wat je van deze pagina krijgt, is een Qwen-Image-2.1-graaf die je vanaf nul kunt herbouwen en reproduceren — de nodeketen met de namen die de loaders daadwerkelijk gebruiken, de vier of vijf knoppen die bepalen of de output is wat je vroeg, en de twee instellingen die mensen wijzigen zonder te weten dat ze het ruisschema hebben gewijzigd. Het model zelf is de uniforme release voor tekst-naar-afbeelding en beeldbewerking van de leverancier, open source gemaakt op 20 september 2026 onder een onderzoekslicentie: 7B parameters in de visuele generatiecomponent, 32 single-stream-DiT-lagen, een 64-kanaals RGBA-VAE met 16x ruimtelijke compressie, en tot tien referentieafbeeldingen op het bewerkingspad. Die datum staat er om je te vertellen welke checkpoint je aansluit, niet om iets aan te kondigen. De graaf is het onderwerp, en de graaf heeft een revisiegeschiedenis die het lezen waard is voordat je iemand anders' schermafbeelding ervan vertrouwt — het sjabloon dat vandaag wordt uitgeleverd is niet het sjabloon dat op dag nul werd uitgeleverd, en vier van de verschillen zijn precies de dingen die een lezer verkeerd begrijpt.

Welke grafiek deze pagina beschrijft

Alles hieronder is afkomstig uit de ComfyUI-repository met workflowtemplates Comfy-Org/workflow_templates, in de revisie die op 13 oktober 2026 actueel was, draaiend op ComfyUI stable v0.39.0 (gepubliceerd op 5 oktober 2026). Node-namen zijn de weergavenamen die de loaders in de graph gebruiken; waar een node tussen revisies is toegevoegd of hernoemd, wordt de datum vermeld. De route naar deze bestanden is ComfyUI's eigen tutorialpagina voor Qwen-Image-2.1 — er staan drie templates in, en deze pagina volgt de text-to-image-variant en geeft die vervolgens een eigen draai.

De drie sjablonen zijn Qwen-Image-2.1 Text to Image, Qwen-Image-2.1 Image Edit en Remove Background: Qwen-Image-2.1. Het laatste is geen aparte graph: volgens de documentatie van ComfyUI hergebruikt dit de image-edit subgraph met de prompt "Remove the background, and output a PNG image". Er zijn dus twee graphs om te leren, en een daarvan is een promptsjabloon bovenop de andere.

De node-keten, in volgorde

Het tekst-naar-afbeelding-sjabloon is een subgraph — één inklapbare node op het canvas met achttien blootgestelde inputs — die een keten van dertien nodes omsluit. Daarbinnen is de volgorde:

• UNETLoader — laadt qwen_image_2.1_int8_convrot.safetensors met het gewichtsdtype op standaard gelaten. Dit is het diffusiemodel, en het bestand dat je hier kiest, is het eerste dat bepaalt of jouw run overeenkomt met die van iemand anders.

• Qwen Image 2.1 Cache — staat tussen de loader en de sampler. Hij is niet optioneel in het huidige sjabloon, maar hij kan worden omzeild, en het is de node die het vaakst ontbreekt in een graaf die je in de eerste week hebt gedownload.

• KSampler — neemt het model over van de cachenode, de positieve en negatieve conditionering van de tekstencoder, en een lege latent. De widgets in het meegeleverde sjabloon luiden: seed 0, control fixed, steps 25, cfg 1, sampler euler, scheduler simple, denoise 1.

• EmptyLatentImage — breedte en hoogte worden aangevoerd vanuit de Resolution Selector-node die buiten de subgraaf ligt, en de derde invoer, batchgrootte, staat op 1.

• VAEDecode → SaveImageAdvanced — de decoder geeft de pixels door aan de opslaan-node, waarvan het bestandsnaamprefix Qwen_image_2.1 is en waarvan het formaat wordt geleverd als PNG, 8-bit, sRGB. PNG is hier geen cosmetische keuze: de VAE heeft vier kanalen, dus 8-bit PNG is wat het alfakanaal in leven houdt op weg naar de schijf.

• CLIPLoader — laadt qwen3vl_8b_int8_convrot.safetensors met het type ingesteld op qwen_image. Qwen3-VL 8B is de tekstencoder en is ook de visietoren die je referentieafbeeldingen leest.

• Text Encode Qwen Image 2.1 (node-id TextEncodeQwenImage21) — conditioneert de prompt. Hij neemt de clip, een prompt, een negatieve prompt, een optionele VAE, een resolutie als geheel getal, en een automatisch groeiende reeks afbeeldingsslots met de namen image_1 tot en met image_16. Hij geeft drie dingen terug: positieve conditionering, negatieve conditionering en een latent. Die latent is het onderdeel dat mensen over het hoofd zien — het is een lege latent met de afmetingen van de eerste referentieafbeelding, en in de tekst-naar-afbeelding-graaf wordt hij niet gebruikt, omdat de lege latent daar juist van de Resolution Selector komt.

• VAELoader — qwen_image_2.1_vae_bf16.safetensors, die zowel de decoder als het referentieafbeeldingspad van de tekstencoder voedt.

De optionele vertakking is het laatste onderdeel. Een tweede CLIPLoader laadt qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors met het type ingesteld op stable_diffusion — niet qwen_image, en dat verschil is bewust, want dit is een checkpoint voor tekstgeneratie, niet de vision-encoder. Het voedt een Generate Text-node, waarvan de uitvoer via Preview Any naar de positieve prompt van de sampler gaat, omgeschakeld door een ComfySwitchNode die is aangesloten op de refine_prompt-invoer. Een Primitive String (Multiline)-node bevat de systeemprompt die de herschrijving volgt, en je kunt die lezen en bewerken.

Tel de keten en het zijn zes knooppunten van echt werk: het diffusiemodel laden, de tekstencoder laden, de VAE laden, de prompt encoderen, samplen uit een lege latent, decoderen en opslaan. Al het andere in het sjabloon is geheugen of gemak.

Wat is er veranderd tussen de dag-nul-grafiek en deze?

Dit is het deel dat belangrijk is om te weten voordat je een workflow uit een screenshot van een tutorial kopieert, want de Qwen-Image-2.1-sjablonen zijn vijf keer bewerkt nadat ze voor het eerst verschenen, en die bewerkingen zijn niet cosmetisch.

• 20 september 2026 — het eerste sjabloon. Commit 96309bd530, "Voeg Qwen Image 2.1-sjabloon toe". Zeven nodes in de subgraaf voor tekst-naar-afbeelding: de loaders, de encoder, de lege latent, de sampler, de decoder. De CLIP-loader was ingesteld op de bfloat16-tekstencoder, qwen3vl_8b_bf16.safetensors — het bestand van 16,33 GB.

• 20 september 2026, later op dezelfde dag. Commit 371a7b7171 schakelde die loader om naar qwen3vl_8b_int8_convrot.safetensors, het bestand van 8,71 GB, met de melding "Switch Qwen Image 2.1 CLIP to int8 convrot". De eigen notitie van de template bestempelt het als "loaded by the templates, lower memory". Een workflow die is gebouwd op het bestand van die ochtend en een die is gebouwd op dat van die avond zijn niet dezelfde workflow.

• 25 september 2026. De Qwen Image 2.1 Cache-node verscheen voor het eerst in de grafiek, samen met de hele tak voor promptverbetering — de tweede CLIP-loader, Generate Text, Preview Any, de schakelaar, de systeemprompt-node. Voor deze datum was er geen cachenode om in te stellen en geen herschrijfstap om uit te schakelen. Het sjabloon voor beeldbewerking kreeg op dezelfde dag de bijbehorende inputs. De tekst-naar-afbeelding-notitie kreeg in deze revisie ook zowel de 4-megapixelregel als de prompt-wrapper voor transparante afbeeldingen.

• 28 september 2026. Bestandsgroottes zijn toegevoegd aan de downloadnotities — een documentatiewijziging, geen grafiekwijziging, maar het is de plek waar de getallen die een lezer tegen zijn downloadmanager controleert vandaan komen.

• 30 september 2026. Commit 9fae1041be, "Qwen Image 2.1: Update PE settings" — de laatste keer dat een van beide 2.1-sjablonen werd aangeraakt. Dit is degene die het meeste ertoe doet en het minst zichtbaar is. Drie waarden op de Generate Text-node zijn gewijzigd: het tokenbudget max_length van 16256 naar 4096, de herhalingspenalty van 1.05 naar 1.0, en thinking van uit naar aan, waarbij de eigen notitie van de node nu zegt dat het checkpoint "is getraind met een reasoning-blok en kwaliteit verliest zonder dat". De sjabloonnotities beschrijven de eerdere waarden als de officiële en zeggen dat de limiet bestaat zodat "een enkele herschrijving niet vele minuten kan duren".

Watnietis veranderd, is het nuttige deel hiervan. Het sampling-blok is byte-identiek tussen de template van dag nul en die van vandaag: steps 25, cfg 1, euler, simple, denoise 1, seed control vast, een lege latent op de uitvoer van de Resolution Selector, batchgrootte 1. De grafiek is nooit gerepareerd door de sampler te verplaatsen. Hij is gerepareerd door te wijzigen welk tekst-encoderbestand wordt geladen, de cache-node toe te voegen en de eigen instellingen van de prompt-enhancer te corrigeren.

Er ligt nog een laag onder de grafiek. De kern van ComfyUI bleef veranderen nadat de sjablonen eenmaal stabiel waren: v0.38.0 op 29 september verbeterde de logica voor de locatie van de KV-cache van Qwen 2.1, en v0.39.0 op 5 oktober bracht "Crash oplossen bij het selecteren van int8- of int4-cache in qwen image 2.1" uit. Als jouw grafiek van vandaag is en je build ouder is dan dat, is de cache-dropdown geen langzame optie, maar een crash.

De wijzerplaten die een lezer het meest waarschijnlijk verkeerd afleest.

Begin bij wat de documentatie ronduit stelt, want dat haalt het meeste giswerk weg. Alle drie de Qwen-Image-2.1-workflows samplen met steps 25, cfg 1, de euler-sampler en de simple scheduler. Dat is ComfyUI's eigen samenvatting, en het komt exact overeen met de meegeleverde widgets.

De complicatie is dat 25 en 40 beide correcte antwoorden zijn op verschillende vragen. De eigen modelkaart van de leverancier draait de diffusers-pipeline met num_inference_steps=40, en de standaardwaarde van de diffusers-pipeline is ook 40; de documentatie van ComfyUI zegt dat de gepubliceerde pipeline "ongeveer 40 tot 50 stappen gebruikt met de euler-sampler, en de template begint lager op 25". Geen van beide getallen is een fout. Het zijn een grafiekstandaard en een referentierun.

• Stappen — richting en afweging. Lager is sneller en pakt, volgens ComfyUI's documentatie, anders uit afhankelijk van de taak: eenvoudige gelokaliseerde bewerkingen houden stand bij 4 tot 8 stappen, "terwijl bewerkingen die het hele frame herschrijven hun samenhang verliezen en de volledige 25 nodig hebben". Hardnekkig fijn detail zoals handen en vingers "komt tot rust bij ongeveer 30 stappen", en van 25 naar 40 gaan vermindert ruis in gedetailleerde gebieden. De richting is monotoon en de afweging is lineair: het advies in de documentatie is om stappen alleen aan te passen wanneer iets specifieks niet wordt opgelost, niet om ze voor de zekerheid te verhogen.

• Guidance — cfg 1 betekent guidance uit, en dat is het gepubliceerde pad. Bij cfg 1 slaat ComfyUI de negatieve conditioning-pass over, dus een negatieve prompt heeft geen effect. De template behoudt cfg 1, "het pad waarvoor Qwen-Image-2.1 is gepubliceerd"; de diffusers-pipeline zegt hetzelfde in eigen woorden en stelt true_cfg_scale standaard in op 1.0 omdat "Qwen-Image 2.1 bedoeld is om zonder guidance te worden gesampeld". Verhoog het alleen wanneer je echt wilt dat de negatieve prompt effect heeft, en weet wat de prijs is: cfg 2 volgt dichte prompts nauwkeuriger, inclusief kleine tekst en cijfers, "ten koste van te scherpe randen"; hogere waarden verschuiven de belichting naar te helder of te donker; cfg 5 tast de kwaliteit ernstig aan; cfg 0.5 breekt de afbeelding. ComfyUI's instructie is om één waarde tegelijk te wijzigen en te vergelijken met een vaste seed.

• Resolutie is een megapixel-doel, geen rechthoek. De node Resolutie Selector stelt een beeldverhouding en een megapixelbudget in, waarbij 1,0 MP ongeveer 1024x1024 is. Qwen-Image-2.1 genereert native op 2K, dus het doel voor een vierkant van 2048x2048 is ongeveer 4,0 MP. Veelvouden van 32 zijn wat het model wil — de tooltip op de resolution-invoer van de tekstencoder zegt dat referenties worden geschaald naar ongeveer resolution x resolution pixels in veelvouden van 32, met behoud van de beeldverhouding, en de eigen dimensie-helper van de pipeline rondt ook af naar 32. De modelkaart van de leverancier publiceert de 2K-presets: 1:1 op 2048x2048, 4:3 op 2400x1792, 3:4 op 1792x2400, 3:2 op 2528x1696, 2:3 op 1696x2528, 16:9 op 2752x1536, 9:16 op 1536x2752.

• 2K overschrijden kost promptnaleving, niet scherpte.Doelen die ruim boven de getrainde 2K-grootte van het model liggen, zoals 4K, verliezen promptnaleving. Dat is een gedocumenteerd gedrag, geen gevolgtrekking uit de architectuur.

• De echt contra-intuïtieve: resolutie verschuift ook het ruisschema. Qwen-Image-2.1 samplet met een flow-matching Euler-scheduler waarvan de timestep-shift dynamisch is, en de pipeline berekent de shift op basis van de lengte van de latente reeks — dat wil zeggen, op basis van hoeveel tokens je gekozen resolutie oplevert. De schedulerconfig van het checkpoint stelt base_shift 0,5 en max_shift 0,9 over een bereik van beeldreeksen van 256 tot 8192, en de pipeline voert de reekslengte van jouw run bij elke aanroep in die formule in. Het wijzigen van het canvas verandert dus het schema van de sampler, niet alleen het frame. In het ComfyUI-sjabloon is er geen shift-instelling om in te stellen — de inputs van de KSampler zijn model, positive, negative, latent image, seed, steps, cfg, sampler name en scheduler, en dat is de hele lijst. Als je resultaten bij 4 MP er anders uitzien dan je resultaten bij 1 MP, op een manier die je niet alleen door detail kunt verklaren, dan komt dat hierdoor.

• In de bewerkingsgraph gedraagt resolutie zich anders en is deze de duurste standaardinstelling.Met custom_size uit — de sjabloonstandaard — wordt de bewerking gegenereerd op de grootte van de eerste referentieafbeelding. resolution 0 houdt elke referentie op zijn eigen pixelgrootte, afgerond op een veelvoud van 32, dus een foto van 3000x4000 levert een canvas van 3008x4000 op. Een waarde boven 0 schaalt in plaats daarvan de beeldverhouding van die afbeelding naar een resolution x resolution pixelbudget — een totaal aantal pixels, niet een breedte. ComfyUI's eigen kostenvoorbeeld, gemeten op een RTX 5090: de referentie van 3000x4000 bij resolution 0 is ongeveer 6 seconden per iteratie; dezelfde bewerking bij resolution 1024 is ongeveer 0,3 seconden per iteratie, bij ongeveer 896x1184. Zet custom_size aan en neem het canvas van de Resolution Selector, en houd het dicht bij de geschaalde grootte van de eerste afbeelding, "anders kan de bewerking verschuiven".

Determinisme: wat een seed vastlegt, en wat niet

Een vaste seed is noodzakelijk en niet voldoende, en de meegeleverde sjablonen zijn het er onderling niet over eens. De KSampler voor tekst-naar-afbeelding wordt geleverd met de instelling vast; beide bewerkingssjablonen — de afbeeldingsbewerking en de achtergrondverwijdering — worden geleverd met de instelling randomiseren. Dezelfde sampler, dezelfde standaardwaarden, tegenovergesteld gedrag bij opnieuw in de wachtrij plaatsen.

Stel dat de seed vaststaat. Dit is wat de afbeelding nog steeds verandert:

• De KV-cache. Dit is de grote, en hij staat gedocumenteerd in plaats van dat het folklore is. Qwen-Image-2.1 cachet de keys en values van de tekst en de referentieafbeelding na de eerste stap; de pipeline-bron legt uit dat dit geldig is omdat de conditioning-tokens stap-onafhankelijk zijn onder de causale conditioning van het model. Dan volgt het punt dat ertoe doet voor iedereen die een afbeelding probeert te reproduceren: het in- en uitschakelen van de cache "reproduceert niet dezelfde afbeelding bit voor bit in verlaagde precisie", omdat de decode-stap met een andere sequentielayout attention uitvoert dan de prefill-stap, de twee op een andere manier worden getileerd en op een andere afronding uitkomen — en een verschil van één ULP bij het eerste blok wordt versterkt door 32 blokken en elke sampler-stap, dus "de twee instellingen geven even geldige maar zichtbaar verschillende samples". De instructie van de bron zelf is: maak een sample reproduceerbaar door deze flag vast te zetten. In ComfyUI bevindt de flag zich op de Qwen Image 2.1 Cache node, als device (auto, gpu, cpu, off) en dtype (default, int8, int4).

• De eigen releasegeschiedenis van de cache-node. Die bestond niet vóór 25 september 2026, dus een day-zero-workflow heeft die instelling niet en gedraagt zich niet zoals die van vandaag. En uit — de enige instelling die de cache uitsluit — "berekent de prefix bij elke stap opnieuw, wat langzamer is, maar is de enige manier om de cache uit te sluiten".

• Welke modelbestanden. De template laadt een int8-diffusiemodel en een int8-tekstencoder. Vervang een van beide door het bf16-bestand en je hebt de rekenkunde veranderd. De downloadnotities vermelden beide, met hun groottes, precies omdat de keuze reëel is.

• De promptversterker, als die aanstaat. Met refine_prompt aan neemt het beeldmodel een steekproef uit de herschreven prompt, niet uit degene die je hebt getypt — en de herschrijving wordt gegenereerd door een aparte Generate Text-node met zijn eigen samplingparameters: temperatuur 1.0, top_k 20, top_p 0.95, zijn eigen seedveld, en een max_length tokenbudget. Je KSampler-seed dekt dat allemaal niet. De Preview Any-node in de subgraaf toont de prompt die daadwerkelijk het beeldmodel heeft bereikt, en dat is de enige manier om te weten wat je net hebt gereproduceerd.

• De ComfyUI-build. De templates bevatten hun eigen waarschuwing: ontbrekende nodes bij het laden van een workflow betekenen meestal dat de build ouder is dan de nodes, en Desktop en Cloud volgen stabiele releases en kunnen achterlopen op een nightly.

Dus het reproduceren van andermans Qwen-Image-2.1-afbeelding is geen seed-omwisseling. Het is de template-revisie, de twee modelbestanden, de resolutie-instelling, steps, cfg, sampler, scheduler, het cache-apparaat en dtype, de aan/uit-status van de enhancer en zijn eigen seed — en, voor de edit-graph, de grootte van de eerste referentieafbeelding. ComfyUI publiceert geen garantie voor seed-reproduceerbaarheid voor deze workflows, en de diffusers-broncode zegt ronduit dat een cache-schakelaar de sample verandert; beschouw een exacte match als iets dat je bewust samenstelt in plaats van iets dat een seed je aanreikt.

Meer dan één afbeelding, en waar het geheugen naartoe gaat

In de meegeleverde configuratie produceert de graph één afbeelding per run, en de knop om dat te veranderen is weinig glamoureus: de EmptyLatentImage-node, waarvan de derde invoer, batchgrootte, staat ingesteld op 1. Het verhogen ervan zorgt ervoor dat de sampler meerdere afbeeldingen uit één wachtrij voortbrengt.

Wat dat kost, is waar dit eerlijk wordt. De templates vertellen je precies waar de cache zich bevindt — auto gebruikt extra VRAM en daarna systeem-RAM; cpu prefetcht achter de berekening aan en de documentatie beschrijft het als weinig snelheid kostend; off herberekent de prefix bij elke stap en is langzamer. Ze kwantificeren de precisiekant: int8 halveert de cache bij ongeveer bf16-nauwkeurigheid, en int4 maakt er een kwart van maar verdubbelt ongeveer de fout per stap. Wat ze niet publiceren is een batchgrootte-naar-VRAM-tabel, en de documentatie van ComfyUI doet dat ook niet. Als je een batchgrootte voor een kaart bepaalt, is het eerlijke antwoord dat geen enkel first-party-cijfer dat dekt; de knoppen met gepubliceerde effecten zijn het cache-apparaat en dtype, en het resolutiedoel, dat zowel het aantal latents als de gecachte prefix verhoogt.

Aan de andere kant van het hek, in de diffusers-pipeline, liggen twee batch-valkuilen, en beide zijn het kennen waard omdat de ComfyUI-graaf ze verbergt. Daar, num_images_per_prompt vermenigvuldigt de batch, en als je een lijst met generators doorgeeft, moet de lengte ervan exact overeenkomen met de effectieve batchgrootte, anders geeft de pipeline een fout. En een lijst met conditie-afbeeldingen is "één set afbeeldingen die door elke prompt in de batch wordt gedeeld, niet één item per prompt" — je kunt niet aan elke prompt in een batch een eigen referentieafbeelding geven; de instructie van de bron is om de pipeline in plaats daarvan één keer per prompt aan te roepen. De bewerkingssubgraaf heeft dezelfde vorm van beperking op een andere plek: zijn BatchImagesNode voegt maximaal tien referentieafbeeldingen samen tot een batch voor de tekstencoder, wat het batchen van inputs is, niet van outputs. Tien referenties leveren je geen tien afbeeldingen op.

Image-to-image van dezelfde grafiek

Je hebt hiervoor geen andere graph nodig. Het sjabloon voor beeldbewerking is de tekst-naar-afbeelding-keten waarbij de lege latent is vervangen door de latente uitvoer van de tekstencoder, twee LoadImage-nodes die image_1 en image_2 in de referentieslots van de subgraaf voeden, en een ImageCompare-node aan het einde zodat je de invoer naast de uitvoer kunt zien. Zet één afbeelding in image_1, laat image_2 leeg, schrijf een instructie, en dat is image-to-image: je afbeelding is context die het model leest, niet een startlatent die het gedeeltelijk denoist. Er is op dit pad geen strength- of denoise-schuifregelaar om in te stellen, want het doel begint bij ruis en je referentie komt in plaats daarvan binnen via de encoder en de VAE.

Hier is de grens, elk in één zin, want deze twee liggen maar één zoekopdracht uit elkaar en mensen grijpen naar de verkeerde.

• Afbeelding-naar-afbeelding is wanneer je een variatie wilt: je geeft het model een afbeelding en een beschrijving, en het schildert een nieuwe afbeelding die op de jouwe lijkt, op een canvas dat je kiest.

• Bewerken is wanneer je een wijziging wilt: je geeft het model een afbeelding en een instructie die benoemt wat anders moet zijn, plus optioneel een masker of geschilderde markeringen, en het model behoudt de rest van het beeld.

De verklikker zit in de zin die je op het punt staat te typen. "Laat het er zo uitzien, maar dan 's nachts" is i2i; "verander het jasje in rood, laat al het andere ongewijzigd" is een bewerking, en in deze graaf is het bewerkingspad waar maskers, de tien referentieslots en het gedrag van gelokaliseerde bewerkingen zich bevinden. Die aangrenzende vraag is het onderwerp van een andere pagina, en deze stopt bij de lijn zodat je kunt zien aan welke kant je zit.

De turbo-checkpoint, in één alinea.

Eén kruisverwijzing, omdat de turbo-spelling binnen deze queryfamilie valt en een lezer die zal tegenkomen. Qwen-Image-2.1-Turbo is een apart 8-staps checkpoint van dezelfde 7B-architectuur voor visuele generatie, uitgebracht op 9 oktober 2026 en geladen door dezelfde QwenImage21Pipeline. De eigen modelkaart zegt dat het checkpoint "het aanbevolen sampling-schema bevat, zodat het direct te gebruiken is zonder de scheduler handmatig te configureren", dat generatie standaard CFG 1 gebruikt, en dat het instellen van alleen num_inference_steps het opgeslagen schema niet overschrijft — een expliciet sigmas-argument bij de aanroep doet dat wel. Niets daarvan verandert de node-keten op deze pagina: dezelfde loaders, dezelfde encoder, dezelfde sampler-node. Wat verandert, is waar het schema vandaan komt, en dat is het enige dat de moeite waard is om in je graph te controleren voordat je een turbo-run vergelijkt met een run van het basismodel en concludeert dat het model slechter is geworden.

Wat nu te doen, in de grafiek

Laad de template uit de templatebibliotheek van ComfyUI in plaats van uit een screenshot, en lees vier nodes voordat je iets in de wachtrij plaatst. Op Resolution Selector, stel de beeldverhouding in die je echt wilt en stel, als je de native 2K van het model wilt, het doel in op 4,0 MP. Op de KSampler, bevestig dat control op fixed staat als je een run wilt reproduceren, en laat steps op 25 en cfg op 1 staan totdat iets specifieks faalt. Op de Qwen Image 2.1 Cache, bepaal device en dtype nu en schrijf ze op, want je kunt ze later niet meer wijzigen en dan twee afbeeldingen vergelijken alsof alleen de prompt is veranderd. En op de Generate Text node, laat refine_prompt uit totdat je een baseline hebt die je bevalt — zet hem dan aan, lees de herschrijving in Preview Any, en houd de seed aan waarop je zat, zodat de vergelijking ergens op slaat.