Titelkaart met de tekst Qwen-Image-Edit — de edit-lijn, checkpoint voor checkpoint, met een rij van drie gedateerde checkpointkaarten voor Qwen-Image-Edit van 17 augustus 2025, Qwen-Image-Edit-2509 van 22 september 2025 en Qwen-Image-Edit-2511 van 17 december 2025, boven een afzonderlijke kaart met streeplijnrand voor Qwen-Image-2.1 en 2.1-Turbo, aangeduid als een geünificeerd model op een andere regel.
Guides & Insights

Qwen-Image-Edit: De bewerkingslijn, checkpoint voor checkpoint

Auteur

Magnus Corvin

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Dit is de referentiepagina voor de Qwen-Image-Edit-lijn — de instructievolgende beeldbewerker, niet de tekst-naar-beeldgenerator waarnaast hij is gebouwd. De lijn heeft precies drie gepubliceerde checkpoints: Qwen-Image-Edit, uitgebracht op 17 augustus 2025 en gebouwd op het 20B Qwen-Image; Qwen-Image-Edit-2509, de maandelijkse iteratie gepubliceerd op 22 september 2025; en Qwen-Image-Edit-2511, gepubliceerd op 17 december 2025 als een verbeterde versie van 2509. Alles op deze pagina is gericht op de meest recente van die drie, en er staat telkens bij over welk checkpoint elke uitspraak gaat. Er is nog één ding dat vooraf genoemd moet worden, omdat het het antwoord is op de vraag die de meeste mensen eigenlijk stellen: Qwen-Image-2.1 is een geünificeerd tekst-naar-beeld- en beeldbewerkingsmodel met een visuele generatiecomponent van 7B, en Qwen-Image-2.1-Turbo is hetzelfde model als een versneld checkpoint met 8 stappen. Geen van beide is een vermelding in de bewerkingslijn, en dat onderscheid is precies de reden dat deze pagina bestaat.

Qwen-Image versus Qwen-Image-Edit

Als je zocht naar het verschil tussen Qwen-Image en Qwen-Image-Edit, dan vroeg je je af welk van de twee dingen je voor je hebt. Het antwoord is helder en het is de moeite waard om het ronduit te zeggen, want de twee zijn niet uitwisselbaar en de bestandsnamen laten je niet zien welke welke is.

• Qwen-Image — een tekst-naar-afbeelding-model. Je geeft het woorden, en het geeft je een afbeelding. Het is het model waarop Qwen-Image-Edit is gebouwd. De eigen kaart van het oorspronkelijke edit-checkpoint beschrijft het als "de beeldbewerkingsversie van Qwen-Image", gebouwd op het 20B Qwen-Image-model, en zo erft het de tekstweergave van Qwen-Image.

• Qwen-Image-Edit — een image-to-image-model. Je geeft het een afbeelding plus tekst, en het geeft je een aangepaste versie van die afbeelding terug. De kaart van het eerste checkpoint rubriceert het onder pipeline_tag: image-to-image. Je kunt het niet om een afbeelding uit het niets vragen; de bronafbeelding is niet optioneel.

• Het mechanisme dat bewerken anders maakt — waar de generator één pad naar binnen heeft (tekst), heeft de editor er drie. De kaart van het originele checkpoint beschrijft dat de invoerafbeelding tegelijkertijd naar Qwen2.5-VL wordt gevoerd voor visuele semantische controle en naar de VAE-encoder voor visuele verschijningscontrole. Dat tweede pad is wat een tekst-naar-afbeelding-model structureel niet heeft: tegen de editor wordt niet in woorden verteld over je afbeelding, hij kijkt naar de latents van je afbeelding.

• Waar de twee lijnen weer samenkomen — Qwen-Image-2.1 wordt op zijn eigen kaart beschreven als "een geünificeerd model voor tekst-naar-afbeelding-generatie en beeldbewerking." Dat is een andere architectuur van antwoord op dezelfde vraag: in plaats van een bewerkingscheckpoint dat op een generator is vastgeschroefd, doet één model beide. Het bewerkingsvoorbeeld ervan geeft een image= argument mee aan een pipeline die je ook voor tekst-naar-afbeelding gebruikt. Als je probeert uit te zoeken bij welke familie je hoort, is de snelste aanwijzing de naam van het checkpoint: een naam uit de Qwen-Image-Edit… serie is de bewerkingslijn, en een naam uit de Qwen-Image-2.1… serie is het geünificeerde model.

Niets hier is een aanbeveling om tussen beide te kiezen. Het zijn verschillende antwoorden op verschillende problemen, en de rest van deze pagina gaat over het eerste.

Instructieopvolging: wat het verandert, en wat het ongemoeid laat

Dit is de vraag die mensen volgens de zoekdata daadwerkelijk intypen, en die verdient een direct antwoord in plaats van een lijst met functies. Het eerlijke antwoord heeft twee helften, en slechts één daarvan is comfortabel.

Start met de helft die in het ontwerp van het model is ingebakken, want die verklaart de meeste meldingen dat 'het meer is veranderd dan ik had gevraagd'. De originele Qwen-Image-Edit-kaart trekt een grens tussen twee modi, en slechts één daarvan belooft dat er iets behouden blijft.

• Uiterlijk bewerken — visueel werk op laag niveau, zoals het toevoegen, verwijderen of wijzigen van specifieke elementen. De eigen bewoording van de kaart is dat dit vereist dat "alle andere gebieden van de afbeelding volledig ongewijzigd blijven." Dit is de modus die overeenkomt met wat de meeste mensen met bewerken bedoelen.

• Semantische bewerking — werk op hoog niveau, zoals IP-creatie, objectrotatie en stijloverdracht. Hier zegt de kaart het tegenovergestelde: het "maakt algehele pixelwijzigingen mogelijk terwijl de semantische consistentie behouden blijft." Het eigen uitgewerkte voorbeeld van de leverancier hiervan is een capybara-mascotte die in vele stijlen opnieuw is getekend, waarbij de kaart opmerkt dat "de meeste pixels in de bewerkte afbeelding verschillen van die in de invoerafbeelding" terwijl de consistentie van het personage behouden blijft.

Die tweede modus is geen bug, en de kaart presenteert die ook niet als zodanig. Maar het is de reden waarom een verzoek zoals 'laat dit eruitzien als een Ghibli-film' terecht kan terugkomen als een afbeelding die bijna geen pixels deelt met je bron. Als je alleen de lucht wilde veranderen, vroeg je niet om semantische bewerking. Lees deze als door de leverancier gerapporteerde beschrijvingen van beoogd gedrag, niet als metingen — de kaart stelt ze voor als ontwerp, en geen enkele partij heeft een percentage gepubliceerd waarmee elke modus zijn belofte waarmaakt.

Nu het minder comfortabele deel. Het eigen project van de lijn erkende vroeg al problemen met instructieopvolging, in zijn eigen notities. De notities van de Qwen-Image-repository voor het oorspronkelijke checkpoint, gedateerd 19 augustus 2025, signaleren "prestatie-misalignmenten" in die eerste release en wijzen specifiek op identiteitsbehoud en instructieopvolging, en verwijzen gebruikers naar een bijgewerkte Diffusers-build. Dat is een door de leverancier gerapporteerde erkenning over het eigen model van die leverancier, wat ongeveer zo direct is als bewijs over instructienaleving maar kan zijn — en het gaat over het checkpoint van augustus 2025, niet over 2511.

Het eigen uitgewerkte voorbeeld van de leverancier van een moeilijk geval is leerzamer dan welke claim dan ook. In de walkthrough voor geketende bewerkingen op de originele kaart bevat een kalligrafiekunstwerk gegenereerd door Qwen-Image tekenfouten, en wordt de bewerker gevraagd 稽 binnen een getekend rood kader en 亭 in een blauw kader te corrigeren. De kaart meldt dat 稽 — een obscuur teken — niet in één stap correct wordt gecorrigeerd: de component rechtsonder zou 旨 moeten zijn en komt terug als 日. Pas nadat nog een rood kader strak rond het 日-gebied is getekend, produceert het model de juiste component. Daaruit volgen twee dingen, en de leverancier noemt ze beide: bounding boxes op de bronafbeelding zijn een echt controlemiddel, en één begrensde correctiestap is niet altijd genoeg. Dat is een door de leverancier gerapporteerde fout en een door de leverancier gerapporteerd herstel bij een door de leverancier gekozen voorbeeld, precies de vorm die dergelijk bewijs zou moeten hebben.

Categoriseert het kaartendocument als werkend, elk als een leveranciersclaim in plaats van een gemeten resultaat:

• Bewerkingen op elementniveau met behoud — een uithangbord aan een scène toevoegen (op de originele kaart staat dat het model ook een bijpassende reflectie genereerde), fijne haartjes en kleine voorwerpen verwijderen, één letter in een afbeelding herkleuren.

• Tweetalige tekstbewerking — het toevoegen, verwijderen en wijzigen van Chinese en Engelse tekst in een afbeelding met behoud van het oorspronkelijke lettertype, formaat en stijl. De 2509 card breidt dit uit naar het bewerken van lettertype, kleur en materiaal, en de originele kaart toont het bewerken van Chinese posters tot op kleine en ingewikkelde tekst.

• Identiteits- en karakterconsistentie — de kaart van 2509 meldt een verbeterd behoud van gezichtsidentiteit, ter ondersteuning van pose-transformaties en portretstijlen; de kaart van 2511 meldt verdere vooruitgang bij groepsfoto's met meerdere personen en bij het samenvoegen van twee afzonderlijke persoonsafbeeldingen tot één coherente groepsfoto.

• Synthese van nieuwe aanzichten en objectrotatie — de originele kaart toont een objectrotatie van 90 graden en zelfs volledig 180 graden, wat dit expliciet plaatst in semantische bewerking, waar pixelverandering over het hele frame wordt verwacht.

• Productwerk — de kaart van 2509 meldt het genereren van productposters op basis van productafbeeldingen met een effen achtergrond, plus het genereren van logo's. De kaart van 2511 voegt batchgewijs industrieel productontwerp en materiaalvervanging voor industriële onderdelen toe.

• ControlNet-achtige conditionering — de kaart van 2509 meldt native ondersteuning voor diepte-, rand- en keypoint-maps en schetsen, waaronder het gebruik van een keypoint-map om de pose van een persoon te veranderen.

• Gids-inzicht — De kaart van 2509 meldt dat het bewerken van meerdere afbeeldingen werkt via beeldconcatenatie voor "persoon + persoon", "persoon + product" en "persoon + scène", en stelt dat optimale prestaties momenteel worden behaald met 1 tot 3 invoerafbeeldingen. Die bovengrens is een richtlijn van de leverancier, geen harde limiet, en wordt vermeld voor 2509.

• Nieuwere mogelijkheden in 2511 — de kaart vermeldt het verminderen van beelddrift, het direct integreren van geselecteerde populaire community-LoRA's in het basismodel, verbeterde generatie van industrieel ontwerp en versterkt geometrisch redeneren, met een voorbeeld van het genereren van hulpconstructielijnen voor ontwerpannotatie.

De checkpoints, de namen en het turbopad

Dit is waar een groot deel van het zoekverkeer misgaat, dus het loont om precies te zijn. De eigen vermelding van de modelorganisatie op Hugging Face bevat drie, en alleen drie, repositories in de edit-lijn. Dat is een negatieve bevinding die is vastgesteld door directe probing: de drie echte repositories resolveren, en een reeks plausibel lijkende namen in dezelfde familie — waaronder Qwen/Qwen-Image-Edit-2.1, -3.0, -3, -2512, -2601, -Plus, -Max, en zowel Qwen/Qwen-Image-2.1-Edit als Qwen/Qwen-Image-Max-2512 — resolveren niet onder identieke omstandigheden. Waar die namen ook naar verwijzen, het zijn geen gepubliceerde checkpoints van de eigen organisatie van het model, en deze pagina zal niet gokken wat ze zijn.

De drie die bestaan:

• Qwen-Image-Edit — het origineel, 17 augustus 2025, Apache-2.0, geregistreerd als image-to-image. Geladen met QwenImageEditPipeline. De eigen quickstart gebruikt true_cfg_scale=4.0, negative_prompt=" " en num_inference_steps=50.

• Qwen-Image-Edit-2509 — 22 september 2025, Apache-2.0, op zijn kaart omschreven als "de maandelijkse iteratie van Qwen-Image-Edit." Geladen met QwenImageEditPlusPipeline; de quickstart gebruikt true_cfg_scale=4.0, num_inference_steps=40 en guidance_scale=1.0. Dit is de checkpoint die multi-image-invoer, het sterkere consistentiewerk en native ControlNet-ondersteuning toevoegde.

• Qwen-Image-Edit-2511 — 17 december 2025, Apache-2.0, op de kaart omschreven als "een verbeterde versie ten opzichte van Qwen-Image-Edit-2509, met meerdere verbeteringen—waaronder opvallend betere consistentie." Het laadt ook met QwenImageEditPlusPipeline, bij dezelfde samplinginstellingen als 2509. Als je geen andere beperking hebt, is dit het nieuwste checkpoint in de editlijn.

Screenshot of the Hugging Face model card for Qwen/Qwen-Image-Edit-2511, captured 13 October 2026, showing the repository name and tagline, the image-to-image pipeline tag, Diffusers and Safetensors badges, the Apache-2.0 licence, 20B params, BF16 tensor type, the QwenImageEditPlusPipeline quick-start reference, and the Introduction text stating that Qwen-Image-Edit-2511 is an enhanced version over Qwen-Image-Edit-2509

Welke versie de lezer waarschijnlijk heeft, hangt ervan af waar die het is tegengekomen. Iedereen die een gehoste beeldbewerkingsfunctie gebruikt, zit hoogstwaarschijnlijk op 2511 of 2509. Iedereen die een jaar geleden een checkpoint heeft opgehaald en er niet meer naar heeft omgekeken, zit hoogstwaarschijnlijk op het origineel, en de verschillen die voor hen van belang zijn, zijn de consistentie en het werk met meerdere afbeeldingen dat in 2509 is toegevoegd, in plaats van een verandering in hoe het bewerken werkt.

Nu de turbo-vraag, precies geformuleerd omdat de naam een verkeerde aanname uitlokt. Qwen-Image-2.1-Turbo is geen turbo-edit-checkpoint. De kaart beschrijft het als "een versneld checkpoint van Qwen-Image-2.1 voor tekst-naar-afbeelding-generatie en beeldbewerking met 8 denoisingstappen", met dezelfde 7B-architectuur voor visuele generatie en laadt rechtstreeks met QwenImage21Pipeline. Dus het versnelde pad voor bewerken is het versnelde pad voor het uniforme model, en het erft het bewerkingsgedrag van dat model in plaats van dat van de edit-lijn.

Wat turbo verandert, concreet:

• Aantal stappen — 8 denoisingstappen, tegenover 40 in de snelstart van het unified model en 40 of 50 in die van de bewerkingslijn.

• Sturing — generatie gebruikt standaard CFG=1, en prefix-KV-caching hergebruikt de context van de tekst en de referentieafbeelding over de denoisingstappen heen. Een groot deel van de snelheidswinst komt voort uit dat hergebruik, en het bewerkingsvoorbeeld van de kaart geeft use_kv_cache=True expliciet door.

• Het schema wordt opgeslagen met de checkpoint — de kaart vermeldt dat het aanbevolen sampling-schema van 8 stappen met de checkpoint wordt opgeslagen en automatisch wordt geladen, en dat het instellen van num_inference_steps op zichzelf dit niet overschrijft. Als je het aantal stappen instelt en geen verandering ziet, komt dat daardoor. Een expliciete sigmas-parameter bij de aanroep overschrijft het opgeslagen schema wel, en de kaart voegt toe dat andere schema's niet zijn geëvalueerd voor deze checkpoint.

• Getrouwheid — de kaart maakt geen getrouwheidsclaim voor het turbo-checkpoint ten opzichte van het unified model, en er is geen onafhankelijke meting beschikbaar om te citeren die de bewerkingsgetrouwheid van turbo isoleert. Iedereen die je vertelt dat de bewerking in 8 stappen wel of niet even getrouw is als de bewerking in 40 stappen, gaat verder dan wat is gepubliceerd. Wat de kaart wel documenteert, is de wijziging in sampling en dat de architectuur dezelfde 7B visuele component blijft, wat de reden is dat het de moeite waard is om te testen in plaats van aan te nemen.

Qua relatieve kwaliteit zijn de onafhankelijke cijfers afkomstig van Artificial Analysis' image-editingboard, een meting door een derde partij en niet een claim van een leverancier, en ze zijn het waard om zorgvuldig te lezen, want twee ervan zijn niet wat de namen suggereren.

• Qwen Image Edit Plus 2511 — 1021 Elo, ±8, 4.478 samples, november 2025, open gewichten. Dit is de best scorende inzending in de discrete bewerkingslijn.

• Qwen Image Edit Plus 2509 — 981 Elo, ±7, 7.390 samples, september 2025, open gewichten.

• Qwen Image Edit — 918 Elo, ±7, 7.415 samples, augustus 2025, open gewichten. Dat is ongeveer 103 Elo onder 2511 op dezelfde ranglijst, wat de grootte is van de kloof die het consistentiewerk heeft opgeleverd.

• Qwen Image Edit Max 2601 — 1000 Elo, ±8, 5.036 samples, gedateerd januari 2026 op de ranglijst, gesloten gewichten. De ranglijst bevat deze vermelding; er komt geen overeenkomstige repository voor in de eigen lijst van de modelorganisatie, dus wat deze checkpoint is, kan niet worden vastgesteld op basis van primair materiaal. Het wordt hier vermeld als een regel op een onafhankelijke ranglijst en niets meer.

• Qwen-Image-2.1 — 1074 Elo, ±9, 5.536 samples, open gewichten, ongeveer 53 Elo boven de beste edit-checkpoint. Let op: het bord labelt de datum van deze vermelding als september 2026 en voegt toe: "Geen API beschikbaar." Een uniform model dat de toegewijde edit-lijn overtroeft, is het meest nuttige feit op deze pagina voor iedereen die beslist wat te draaien, en het is een onafhankelijke meting, geen claim van een leverancier.

Dezelfde pagina vermeldt ook API-kosten per 1.000 afbeeldingen voor een aantal van deze vermeldingen, en deze pagina bevat ze bewust niet: ze veranderen, ze worden door het board gemeld in plaats van door de leverancier gepubliceerd, en een lezer die op het cijfer van vandaag zou afgaan, wil het bij de bron lezen.

Scoreboard card for Qwen-Image-2.1-Turbo with six rows: denoising steps 8; guidance CFG = 1 by default; sampling schedule saved with the checkpoint; context reuse prefix KV cache; editing example 2048 x 2048; and visual component 7B parameters, with a footer reading that all figures are per the checkpoint's own model card and unaudited

Wat u moet aanleveren

De invoervereisten van de editor zijn waar de meeste mislukte runs worden beslist, en de specificatie is in de ene richting vergevingsgezinder dan mensen verwachten en in de andere minder vergevingsgezind.

• De bronafbeelding is verplicht en vormt de volledige invoer — er is geen tekstuele modus. De kaart van het originele checkpoint converteert het voorbeeld naar RGB voordat het wordt doorgegeven; de turbo-kaart van het uniforme model laadt het voorbeeld en converteert naar RGBA, wat van belang is omdat Qwen-Image-2.1 transparante afbeeldingen native genereert en bewerkt.

• Maskerloze bewerking is het gedocumenteerde pad in het uniforme model — de Qwen-Image-2.1-kaart stelt dat lokale bewerkingen kunnen worden opgegeven via cirkels, geschilderde annotaties of afzonderlijke maskers, en dat het model tot 10 referentieafbeeldingen ondersteunt. De maskerloze route via cirkels en geschilderde annotaties is degene die de kaart vooropstelt; het is de reden dat je een regio kunt markeren in een gewone beeldbewerker in plaats van een maskerbestand te maken.

• Gemaskeerd bewerken bestaat als een afzonderlijke pipeline — een discrete inpaint-pipeline stelt mask_image, masked_image_latents en padding_mask_crop beschikbaar, naast een strength-parameter die standaard is ingesteld op 0.6. Als je tijd hebt besteed aan het zoeken naar een strength-schuifregelaar op de edit-checkpoints en er geen hebt gevonden, is dit waarom: de eigen pipelines van de edit-lijn accepteren er geen, en het bewerkingsvoorbeeld van het unified-model geeft een prompt en een afbeelding door zonder enig strength-argument.

• De bronresolutie is beperkt, en de beperking is rekenkundig — zowel de originele als de plus-pijplijn valideren dat de hoogte deelbaar is door tweemaal de VAE-schaalfactor. Op de pijplijn van het uniforme model is de VAE-schaalfactor 16 en de controle waarschuwt om deelbaarheid door 32 na te streven, met een standaard output_resolution van 1024. Een willekeurige fotogrootte er direct doorheen sturen is een van de gebruikelijke manieren om een harde fout te krijgen in plaats van een slechte bewerking.

• Er bestaan native presets met hoge resolutie, en het zijn specifieke getallen — het unified model en zijn turbo-checkpoint publiceren dezelfde zeven presets: 1:1 op 2048×2048, 4:3 op 2400×1792, 3:4 op 1792×2400, 3:2 op 2528×1696, 2:3 op 1696×2528, 16:9 op 2752×1536 en 9:16 op 1536×2752. Het tekst-naar-afbeelding-voorbeeld van de turbo-kaart gebruikt de portretpreset van 1696×2528 en het bewerkingsvoorbeeld gebruikt 2048×2048.

• Meerdere afbeeldingen als invoer hebben een gedocumenteerd optimaal bereik — tot 3 afbeeldingen voor 2509, en tot 10 referenties voor het unified model. Het overschrijden van het bereik dat de leverancier documenteert is niet verboden, maar er is niets gepubliceerd dat beschrijft wat er gebeurt als je dat doet.

• Nog een leveringsvereiste die je gemakkelijk over het hoofd ziet — het bewerkingspad van het geünificeerde model gebruikt een num_inference_steps van 40 in de quickstart en de standaardwaarden van zijn pipeline omvatten use_kv_cache=True en true_cfg_scale=1.0. Het lezen van die standaardwaarden voordat je iets afstelt, bespaart je een ronde verwarring over waarom de uitvoer veranderde toen je dacht dat je maar één ding had gewijzigd.

Een afbeelding bewerken die je al hebt bewerkt

Dit is het minst uitgekristalliseerde gebied op de pagina, en het is de moeite waard om te scheiden wat gedocumenteerd is van wat niet. Er worden twee mechanismen beschreven, en een daarvan is het eigen antwoord van de leverancier op een storing.

• Geketende correctie is gedocumenteerd en verwacht — de kalligrafie-doorloop op de originele kaart is een lus met meerdere beurten, niet één enkele doorgang. Het model faalt in één stap bij 稽, de lezer tekent een strakkere box rond de falende component, en de volgende beurt lost het op. De kaart presenteert dit als de bedoelde manier van werken in plaats van als een workaround, en het eindresultaat wordt bereikt na meerdere opeenvolgende beurten op dezelfde afbeelding. Als je een al bewerkte afbeelding bewerkt, doe je wat de leverancier documenteert.

• Beelddrift is het genoemde risico in het nieuwste checkpoint — de kaart van 2511 opent de lijst met belangrijkste verbeteringen met "mitigate image drift", de eigen term van de leverancier voor het opstapelen van ongewenste veranderingen over beurten heen. De bewering is dat 2511 dit vermindert; de kaart kwantificeert niet met hoeveel, en er bestaat geen onafhankelijke meting van drift over een bekend aantal bewerkingsrondes om naar te verwijzen.

• Wat niet vaststaat — hoeveel kwaliteit een derde of vijfde beurt kost, of drift lineair opstapelt of afvlakt, en of het 8-stappenschema van het turbo-checkpoint anders afdrijft dan het 40-stappenpad. De leverancier publiceert in geen van beide lijnen een kwaliteitscurve per beurt voor welk checkpoint dan ook, en de onafhankelijke boards meten single-pass-bewerking in plaats van ketens. De praktische interpretatie is dat de gedocumenteerde workflow van de leverancier een korte, begrensde keten is met een getekend gebied per beurt, en niets dat is gepubliceerd ondersteunt het behandelen van een lange keten van niet-vastgezette bewerkingen als veilig.

• Contexthergebruik werkt samen met chaining — de prefix-KV-caching van de turbo-checkpoint hergebruikt tekst- en referentieafbeeldingscontext over denoiseringsstappen, en het bewerkingsvoorbeeld van de kaart zet dit aan. Dat is een optimalisatie binnen één aanroep, niet een geheugen tussen beurten; niets in de kaart suggereert dat het model iets tussen afzonderlijke aanroepen onthoudt. Elke beurt begint met de afbeelding die je aanlevert.

Wat is niet geregeld

Kort gehouden, want een referentiepagina die zijn grenzen verbergt is slechter dan een die ze aanwijst.

• Wat "Qwen Image Edit 3" en "Qwen Image Edit 2512" zijn. Geen van beide namen komt overeen met een repository in de eigen lijst van de modelorganisatie, dus deze pagina kan niet zeggen welke generatie ze aanduiden, of ze überhaupt een generatie aanduiden. Als er een latere edit-generatie wordt gepubliceerd, verschijnt die in die lijst en is deze pagina onjuist totdat ze wordt herschreven.

• Wat Qwen Image Edit Max 2601 is. Een onafhankelijke instantie onderhoudt de rij; er bestaat geen overeenkomstige leveranciersrepository. Het hiaat wordt gemeld in plaats van opgevuld.

• Of turbo ten koste gaat van de nauwkeurigheid bij het bewerken. Geen claim van de leverancier, geen onafhankelijke meting.

• Hoeveel drift 2511 daadwerkelijk wegneemt. De leverancier beweert een vermindering en kwantificeert die niet.

• Cijfers voor elk van de gedocumenteerde mogelijkheden. Elke bewering "werkt voor X" op deze pagina is de eigen kaart van het checkpoint die het beoogde gedrag op gekozen voorbeelden beschrijft. Niets ervan is een gemeten succespercentage, en niets ervan mag als zodanig worden gelezen.

Screenshot of the Artificial Analysis image editing leaderboard, captured 13 October 2026, showing the Qwen rows with Elo scores and confidence intervals: Qwen-Image-2.1 at 1074, Qwen Image Edit Plus 2511 at 1021, Qwen Image Edit Max 2601 at 1000, Qwen Image Edit Plus 2509 at 981, and Qwen Image Edit at 918, each with sample count and date labels

Je volgende actie is om een van de drie checkpoints die bestaan te kiezen, de eigen kaart van dat checkpoint te lezen voordat je iets aan de quickstart ervan verandert, en er een bronafbeelding aan te geven waarvan de afmetingen voldoen aan de deelbaarheidscontrole van de pipeline. Als de reden dat je hier bent gekomen is dat je wilt beginnen vanaf een eigen afbeelding en daar zo veel mogelijk van wilt behouden in plaats van die te veranderen, dan is dat een gerelateerd probleem met zijn eigen walkthrough — de image-to-image-pagina behandelt het beginnen vanaf je eigen afbeelding en wat de afwezigheid van een strength-instelling daarvoor betekent. Als je daarentegen het nieuwere uniforme model wilt omdat een onafhankelijk board het boven de hele edit-lijn plaatst, is het versnelde checkpoint de goedkope manier om het uit te proberen voordat je je vastlegt.