Przepływ pracy Qwen-Image-2.1: Łańcuch węzłów, pokrętła i co się zmieniło od Dnia Zero

To, co daje ci ta strona, to Qwen-Image-2.1 graf, który możesz odtworzyć od zera i zreprodukować — łańcuch węzłów według nazw, których faktycznie używają loadery, cztery lub pięć pokręteł, które decydują o tym, czy wynik jest tym, o co prosiłeś, oraz dwa ustawienia, które ludzie zmieniają, nie wiedząc, że zmienili harmonogram szumu. Sam model to wydanie dostawcy łączące generowanie obrazu z tekstu i edycję obrazu, udostępnione jako otwarte źródło 20 września 2026 roku na licencji badawczej: 7B parametrów w komponencie generowania wizualnego, 32 jednonurtowe warstwy DiT, 64-kanałowy VAE RGBA przy 16-krotnej kompresji przestrzennej oraz do dziesięciu obrazów referencyjnych na ścieżce edycji. Ta data jest tu po to, by powiedzieć ci, który checkpoint podłączasz, a nie po to, by cokolwiek ogłaszać. Tematem jest graf, a graf ma historię wersji, którą warto przeczytać, zanim zaufasz czyjemuś zrzutowi ekranu — szablon dostarczany dzisiaj to nie ten sam szablon, który został dostarczony w dniu zerowym, a cztery z tych różnic to dokładnie te rzeczy, które czytelnik myli.

Który wykres opisuje ta strona

Wszystko poniżej pochodzi z repozytorium szablonów przepływów pracy ComfyUI Comfy-Org/workflow_templates, w wersji aktualnej na 13 października 2026, uruchomionej na ComfyUI stable v0.39.0 (wydanej 5 października 2026). Nazwy węzłów to nazwy wyświetlane, których loadery używają w grafie; w przypadkach, gdy węzeł został dodany lub przemianowany między wersjami, podano datę. Drogą do tych plików jest własna strona samouczka ComfyUI dla Qwen-Image-2.1 — znajdują się w niej trzy szablony, a ta strona podąża za szablonem text-to-image, a następnie go przekształca.

Te trzy szablony to Qwen-Image-2.1 Tekst na obraz, Qwen-Image-2.1 Edycja obrazu i Usuń tło: Qwen-Image-2.1. Ten ostatni nie jest innym grafem: dokumentacja ComfyUI mówi, że ponownie wykorzystuje podgraf edycji obrazu z promptem „Remove the background, and output a PNG image”. Zatem do nauki są dwa grafy, a jeden z nich jest szablonem promptu nałożonym na drugi.

Łańcuch węzłów, w kolejności

Szablon tekst-na-obraz to podgraf — jeden zwijany węzeł na kanwie z osiemnastoma udostępnionymi wejściami — opakowujący łańcuch trzynastu węzłów. Wewnątrz niego kolejność jest następująca:

• UNETLoader — ładuje qwen_image_2.1_int8_convrot.safetensors z pozostawionym typem danych wag na default. To jest model dyfuzyjny, a plik, który tutaj wybierzesz, jest pierwszą rzeczą, która decyduje o tym, czy Twoje uruchomienie będzie zgodne z czyimkolwiek innym.

• Qwen Image 2.1 Cache — znajduje się między loaderem a samplerem. W obecnym szablonie nie jest opcjonalny, ale można go pominąć, i jest to węzeł, którego najczęściej brakuje w grafie pobranym w pierwszym tygodniu.

• KSampler — pobiera model z węzła pamięci podręcznej, warunkowanie pozytywne i negatywne z enkodera tekstu oraz pusty latent. Jego widżety w dostarczonym szablonie mają wartości: ziarno 0, kontrola fixed, kroki 25, cfg 1, sampler euler, scheduler simple, denoise 1.

• EmptyLatentImage — szerokość i wysokość są podłączone z węzła Resolution Selector, który znajduje się poza podgrafem, a jego trzecie wejście, rozmiar partii, domyślnie przyjmuje wartość 1.

• VAEDecode → SaveImageAdvanced — dekoder przekazuje piksele do węzła zapisu, którego prefiks nazwy pliku to Qwen_image_2.1, a którego format to PNG, 8-bit, sRGB. PNG nie jest tu kwestią kosmetyczną: VAE przenosi cztery kanały, więc to 8-bitowy PNG utrzymuje kanał alfa na drodze na dysk.

• CLIPLoader — ładuje qwen3vl_8b_int8_convrot.safetensors z typem ustawionym na qwen_image. Qwen3-VL 8B to enkoder tekstu, a także wieża wizyjna, która odczytuje Twoje obrazy referencyjne.

• Kodowanie tekstu Qwen Image 2.1 (identyfikator węzła TextEncodeQwenImage21) — warunkuje prompt. Przyjmuje clip, prompt, prompt negatywny, opcjonalny VAE, wartość rozdzielczości jako liczbę całkowitą oraz automatycznie rosnący zestaw slotów obrazu o nazwach image_1 do image_16. Zwraca trzy rzeczy: warunkowanie pozytywne, warunkowanie negatywne i latent. Ten latent to część, którą ludzie przeoczają — to pusty latent o rozmiarze dopasowanym do pierwszego obrazu referencyjnego, a w grafie tekst-na-obraz jest nieużywany, ponieważ pusty latent pochodzi zamiast tego z selektora rozdzielczości.

• VAELoader — qwen_image_2.1_vae_bf16.safetensors, zasilający zarówno dekoder, jak i ścieżkę obrazu referencyjnego enkodera tekstu.

Opcjonalna gałąź to ostatni element. Drugi CLIPLoader wczytuje qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors z typem ustawionym na stable_diffusion — a nie qwen_image, i ta różnica jest zamierzona, ponieważ to checkpoint do generowania tekstu, a nie enkoder wizji. Zasila on węzeł Generate Text, którego wyjście przechodzi przez Preview Any do pozytywnego promptu samplera, przełączane przez ComfySwitchNode podłączony do wejścia refine_prompt. Węzeł Primitive String (Multiline) przechowuje prompt systemowy, którego trzyma się przepisywanie, a Ty możesz go odczytać i edytować.

Policz ogniwa łańcucha, a okaże się, że to sześć węzłów prawdziwej pracy: wczytaj model dyfuzyjny, wczytaj enkoder tekstu, wczytaj VAE, zakoduj prompt, próbkuj z pustego latentu, zdekoduj i zapisz. Wszystko inne w szablonie to kwestia pamięci lub wygody.

Co się zmieniło między wykresem z dnia zerowego a tym?

To jest część, którą warto znać, zanim skopiujesz workflow ze zrzutu ekranu z poradnika, ponieważ szablony Qwen-Image-2.1 były edytowane pięć razy po tym, jak się po raz pierwszy pojawiły, a te zmiany nie są kosmetyczne.

• 20 września 2026 — pierwszy szablon.Commit 96309bd530, „Dodaj szablon Qwen Image 2.1”. Siedem węzłów w podgrafie tekst-na-obraz: loadery, enkoder, pusty latent, sampler, dekoder. Loader CLIP został ustawiony na enkoder tekstowy bfloat16, qwen3vl_8b_bf16.safetensors — plik o rozmiarze 16,33 GB.

• 20 września 2026, później tego samego dnia. Commit 371a7b7171 przełączył ten loader na qwen3vl_8b_int8_convrot.safetensors, plik o rozmiarze 8,71 GB, z komunikatem „Switch Qwen Image 2.1 CLIP to int8 convrot". Własna adnotacja szablonu opisuje go jako „loaded by the templates, lower memory". Workflow zbudowany na podstawie pliku z rana i ten zbudowany na podstawie pliku z wieczora to nie ten sam workflow.

• 25 września 2026. Qwen Image 2.1 Cache — węzeł pojawił się w grafie po raz pierwszy, wraz z całą gałęzią ulepszania promptu — drugim loaderem CLIP, Generate Text, Preview Any, przełącznikiem, węzłem promptu systemowego. Przed tą datą nie było węzła pamięci podręcznej do ustawienia ani kroku przepisywania do wyłączenia. Szablon edycji obrazu zyskał pasujące dane wejściowe tego samego dnia. Notatka text-to-image zyskała również w tej wersji zarówno linię 4 megapikseli, jak i wrapper promptu dla przezroczystego obrazu.

• 28 września 2026. Do informacji o pobieraniu dodano rozmiary plików — to zmiana w dokumentacji, a nie w grafie, ale właśnie stąd pochodzą liczby, które czytelnik porównuje ze swoim menedżerem pobierania.

• 30 września 2026. Commit 9fae1041be, „Qwen Image 2.1: Update PE settings" — ostatni raz, kiedy którykolwiek z szablonów 2.1 został zmieniony. To ta zmiana, która ma największe znaczenie i jest najmniej widoczna. Zmieniły się trzy wartości w węźle Generate Text: budżet tokenów max_length z 16256 na 4096, kara za powtórzenia z 1.05 na 1.0, a thinking z wyłączonego na włączony, przy czym własna notatka węzła mówi teraz, że checkpoint „był trenowany z blokiem rozumowania i traci jakość bez niego". Notatki szablonu opisują wcześniejsze wartości jako oficjalne i mówią, że limit istnieje po to, by „pojedyncze przepisanie nie mogło trwać wielu minut".

Co nie się zmieniło, to użyteczna połowa tego. Blok próbkowania jest bajt w bajt identyczny między szablonem z dnia zerowego a dzisiejszym: kroki 25, cfg 1, euler, simple, denoise 1, kontrola ziarna ustawiona na stałe, pusty latent na wyjściu Resolution Selector, rozmiar partii 1. Graf nigdy nie został naprawiony przez przeniesienie samplera. Został naprawiony przez zmianę tego, który plik enkodera tekstu się wczytuje, dodanie węzła cache i poprawienie własnych ustawień enhancera promptu.

Pod grafem znajduje się jeszcze jedna warstwa. Rdzeń ComfyUI wciąż się zmieniał po ustabilizowaniu się szablonów: v0.38.0 z 29 września poprawiła logikę lokalizacji pamięci podręcznej KV dla Qwen 2.1, a v0.39.0 z 5 października przyniosła „Poprawkę awarii podczas wybierania pamięci podręcznej int8 lub int4 w qwen image 2.1”. Jeśli twój graf jest z dzisiaj, a twoja kompilacja jest od niego starsza, lista rozwijana pamięci podręcznej nie jest wolną opcją — to awaria.

Tarcze, które czytelnik najprawdopodobniej odczyta błędnie

Zacznij od tego, co dokumentacja mówi wprost, bo usuwa to większość domysłów. Wszystkie trzy przepływy pracy Qwen-Image-2.1 próbkują z krokami 25, cfg 1, próbnikiem euler i prostym harmonogramem. To podsumowanie samego ComfyUI i dokładnie odpowiada dostarczonym widgetom.

Komplikacja polega na tym, że 25 i 40 to obie poprawne odpowiedzi na różne pytania. Karta modelu samego dostawcy uruchamia potok diffusers z num_inference_steps=40, a domyślna wartość potoku diffusers to również 40; dokumentacja ComfyUI mówi, że opublikowany potok „używa około 40 do 50 kroków z samplerem euler, a szablon zaczyna niżej, na 25”. Żadna z tych liczb nie jest błędem. To domyślna wartość grafu i przebieg referencyjny.

• Kroki — kierunek i kompromis. Niższa wartość jest szybsza i, zgodnie z dokumentacją ComfyUI, sprawdza się różnie w zależności od zadania: proste lokalne edycje sprawdzają się przy 4 do 8 krokach, „podczas gdy edycje przepisujące całą klatkę tracą spójność i wymagają pełnych 25”. Uporczywe drobne szczegóły, takie jak dłonie i palce, „ustabilizują się po około 30 krokach”, a przejście z 25 na 40 zmniejsza migotanie w szczegółowych obszarach. Kierunek jest monotoniczny, a kompromis liniowy: porada z dokumentacji mówi, aby dostosowywać liczbę kroków tylko wtedy, gdy coś konkretnego nie daje się rozwiązać, a nie podnosić je na wszelki wypadek.

• Guidance — cfg 1 to wyłączony guidance, i to jest opublikowana ścieżka. Przy cfg 1 ComfyUI pomija przebieg negatywnego warunkowania, więc negatywny prompt nie ma żadnego efektu. Szablon zachowuje cfg 1, „czyli ścieżkę, dla której opublikowano Qwen-Image-2.1”; pipeline diffusers mówi to samo własnymi słowami, domyślnie ustawiając true_cfg_scale na 1.0, ponieważ „Qwen-Image 2.1 ma być próbkowany bez guidance”. Podnoś go tylko wtedy, gdy naprawdę chcesz, aby negatywny prompt zaczął działać, i wiedz, jaka jest cena: cfg 2 ściślej podąża za gęstymi promptami, w tym drobnym tekstem i liczbami, „kosztem nadmiernie wyostrzonych krawędzi”; wyższe wartości przesuwają ekspozycję w stronę nadmiernej jasności lub nadmiernej ciemności; cfg 5 mocno psuje jakość; cfg 0.5 rozbija obraz. Zalecenie ComfyUI jest takie, aby zmieniać jedną wartość naraz i porównywać przy stałym seedzie.

• Rozdzielczość to docelowa liczba megapikseli, a nie prostokąt. Węzeł Resolution Selector ustawia proporcje obrazu i budżet megapikseli, gdzie 1,0 MP to około 1024x1024. Qwen-Image-2.1 generuje natywnie w 2K, więc celem dla kwadratu 2048x2048 jest około 4,0 MP. Model oczekuje wielokrotności 32 — podpowiedź przy polu enkodera tekstu resolution mówi, że obrazy referencyjne są skalowane do około resolution x resolution pikseli w wielokrotnościach 32, z zachowaniem proporcji, a własny pomocnik wymiarów w potoku również zaokrągla do 32. Karta modelu dostawcy podaje presety 2K: 1:1 przy 2048x2048, 4:3 przy 2400x1792, 3:4 przy 1792x2400, 3:2 przy 2528x1696, 2:3 przy 1696x2528, 16:9 przy 2752x1536, 9:16 przy 1536x2752.

• Przekroczenie 2K kosztuje zgodność z poleceniem, a nie ostrość. Cele znacznie powyżej wytrenowanego rozmiaru 2K modelu, takie jak 4K, powodują utratę zgodności z poleceniem. To udokumentowane zachowanie, a nie wniosek wyciągnięty z architektury.

• Ten naprawdę kontrintuicyjny: rozdzielczość zmienia również harmonogram szumu. Qwen-Image-2.1 próbkuje za pomocą harmonogramu Eulera z dopasowaniem przepływu (flow matching), którego przesunięcie kroków jest dynamiczne, a pipeline oblicza to przesunięcie na podstawie długości sekwencji ukrytej — czyli liczby tokenów, jaką generuje wybrana rozdzielczość. Konfiguracja harmonogramu w checkpoincie ustawia base_shift 0,5 i max_shift 0,9 w zakresie sekwencji obrazu od 256 do 8192, a pipeline przy każdym wywołaniu podstawia długość sekwencji z danego uruchomienia do tego wzoru. Zmiana płótna zmienia więc harmonogram próbnika, a nie tylko kadr. W szablonie ComfyUI nie ma żadnej kontrolki przesunięcia do ustawienia — wejściami KSamplera są model, positive, negative, latent image, seed, steps, cfg, sampler name i scheduler, i to cała lista. Jeśli wyniki przy 4 MP wyglądają inaczej niż przy 1 MP w sposób, którego nie da się wyjaśnić samym poziomem szczegółowości, to właśnie dlatego.

• W grafie edycji rozdzielczość działa inaczej i jest najdroższym domyślnym ustawieniem. Gdy custom_size jest wyłączone — co jest domyślnym ustawieniem szablonu — edycja jest generowana w rozmiarze pierwszego obrazu referencyjnego. resolution równe 0 zachowuje każdy obraz referencyjny w jego własnym rozmiarze w pikselach zaokrąglonym do wielokrotności 32, więc zdjęcie 3000x4000 daje kanwę 3008x4000. Wartość większa od 0 zamiast tego skaluje proporcje tego obrazu do budżetu resolution x resolution pikseli — całkowitej liczby pikseli, a nie szerokości. Przykład kosztów samego ComfyUI, zmierzony na RTX 5090: referencja 3000x4000 przy resolution 0 to około 6 sekund na iterację; ta sama edycja przy resolution 1024 to około 0,3 sekundy na iterację, przy mniej więcej 896x1184. Włącz custom_size i pobierz kanwę z Resolution Selector, i trzymaj ją blisko rozmiaru przeskalowanego pierwszego obrazu, „w przeciwnym razie edycja może się przesunąć”.

Determinizm: co ustala ziarno, a czego nie

Stały seed jest konieczny, ale niewystarczający, a dostarczane szablony nie zgadzają się ze sobą w tej kwestii. KSampler tekst-na-obraz jest dostarczany z ustawieniem: stały; oba szablony edycji — edycja obrazu i usuwanie tła — są dostarczane z ustawieniem: losowo. Ten sam sampler, te same ustawienia domyślne, przeciwne zachowanie przy ponownym zakolejkowaniu.

Załóżmy, że ziarno losowości jest ustalone. Oto, co wciąż zmienia obraz:

• Pamięć podręczna KV. To jest ten najważniejszy punkt i jest on udokumentowany, a nie przekazywany jako folklor. Qwen-Image-2.1 buforuje klucze i wartości tekstu oraz obrazu referencyjnego po pierwszym kroku; kod źródłowy pipeline'u wyjaśnia, że jest to uzasadnione, ponieważ tokeny warunkujące są niezależne od kroku w ramach przyczynowego warunkowania modelu. Następnie mówi to, co ma znaczenie dla każdego, kto próbuje odtworzyć obraz: przełączanie pamięci podręcznej „nie odtwarza tego samego obrazu co do bitu w zredukowanej precyzji”, ponieważ krok dekodowania wykonuje uwagę z innym układem sekwencji niż krok prefill, oba kafelkują inaczej i trafiają na inne zaokrąglenie — a różnica jednego ULP w pierwszym bloku jest wzmacniana przez 32 bloki i każdy krok samplera, więc „te dwa ustawienia dają równie poprawne, ale widocznie różne próbki”. Wskazówka samego źródła brzmi: ustabilizuj próbkę, ustabilizowując tę flagę. W ComfyUI flaga znajduje się w węźle Qwen Image 2.1 Cache jako device (auto, gpu, cpu, off) oraz dtype (default, int8, int4).

• Historia wydań samego węzła pamięci podręcznej. Nie istniała przed 25 września 2026 r., więc przepływ pracy z dnia zerowego nie ma takiego ustawienia i nie zachowuje się jak dzisiejszy. A ustawienie wyłączone — jedyne ustawienie, które wyklucza pamięć podręczną — „oblicza ponownie prefiks na każdym kroku, co jest wolniejsze, ale to jedyny sposób, by wykluczyć pamięć podręczną”.

• Które pliki modelu. Szablon ładuje model dyfuzji int8 i enkoder tekstu int8. Zamień którykolwiek z nich na plik bf16 i już zmieniłeś arytmetykę. Notatki do pobrania wymieniają oba, wraz z ich rozmiarami, właśnie dlatego, że wybór jest realny.

• Ulepszacz promptu, jeśli jest włączony. Gdy refine_prompt jest włączone, model obrazu próbkuje z przepisanego promptu, a nie tego, który wpisałeś — a przepisanie jest generowane przez osobny węzeł Generate Text z własnymi parametrami próbkowania: temperature 1.0, top_k 20, top_p 0.95, własnym polem seed i budżetem tokenów max_length. Twoje ziarno KSampler nie obejmuje niczego z tego. Węzeł Preview Any wewnątrz podgrafu pokazuje prompt, który faktycznie dotarł do modelu obrazu, co jest jedynym sposobem, aby wiedzieć, co właśnie odtworzyłeś.

• Kompilacja ComfyUI. Szablony mają własne ostrzeżenie: brakujące węzły podczas ładowania przepływu pracy zwykle oznaczają, że kompilacja jest starsza niż węzły, a Desktop i Cloud korzystają ze stabilnych wydań i mogą pozostawać w tyle za wersją nightly.

Odtworzenie cudzego obrazu Qwen-Image-2.1 nie polega na zamianie seeda. To rewizja szablonu, dwa pliki modelu, ustawienie rozdzielczości, liczba kroków, cfg, sampler, scheduler, urządzenie i dtype pamięci podręcznej, stan włączenia/wyłączenia enhancera i jego własny seed — a w przypadku grafu edycji także rozmiar pierwszego obrazu referencyjnego. ComfyUI nie publikuje gwarancji powtarzalności seeda dla tych workflow, a źródła diffusers mówią wprost, że przełączenie pamięci podręcznej zmienia próbkę; dokładne dopasowanie traktuj jako coś, co składasz celowo, a nie coś, co daje ci seed.

Więcej niż jeden obraz i dokąd trafia pamięć

W domyślnej konfiguracji graf generuje po jednym obrazie na uruchomienie, a pokrętło, którym można to zmienić, jest mało efektowne: trzeci parametr wejściowy węzła EmptyLatentImage, rozmiar partii, ustawiony na 1. To właśnie jego zwiększenie sprawia, że sampler emituje kilka obrazów z jednej kolejki.

Ile to kosztuje — tu zaczyna się szczerość. Szablony mówią dokładnie, gdzie znajduje się pamięć podręczna — auto korzysta z wolnej pamięci VRAM, a następnie z pamięci RAM systemu; cpu pobiera z wyprzedzeniem za obliczeniami, a dokumentacja opisuje to jako niewielki koszt pod względem szybkości; off przelicza prefiks od nowa przy każdym kroku i jest wolniejsze. Kwantyfikują też stronę precyzji: int8 zmniejsza pamięć podręczną o połowę przy precyzji zbliżonej do bf16, a int4 zmniejsza ją czterokrotnie, ale mniej więcej podwaja błąd na krok. Nie publikują jednak tabeli rozmiaru partii względem VRAM — nie robi tego również dokumentacja ComfyUI. Jeśli dobierasz rozmiar partii do karty, szczera odpowiedź brzmi: żadne dane producenta tego nie obejmują; dźwigniami o udokumentowanym działaniu są urządzenie pamięci podręcznej i dtype, a także docelowa rozdzielczość, która zwiększa zarówno liczbę latentów, jak i prefiks w pamięci podręcznej.

Dwie pułapki związane z batchami czają się po drugiej stronie płotu, w potoku diffusers, i obie warto znać, bo graf ComfyUI je ukrywa. Tam num_images_per_prompt mnoży batch, a jeśli przekażesz listę generatorów, jej długość musi dokładnie odpowiadać efektywnemu rozmiarowi batcha, inaczej potok zgłosi błąd. A lista obrazów warunkujących to „jeden zestaw obrazów współdzielony przez każdy prompt w batchu, a nie jeden wpis na prompt” — nie możesz dać każdemu promptowi w batchu własnego obrazu referencyjnego; instrukcja źródła mówi, żeby zamiast tego wywołać potok raz na prompt. Podgraf edycji ma ten sam rodzaj ograniczenia w innym miejscu: jego BatchImagesNode grupuje w batch do dziesięciu obrazów referencyjnych do enkodera tekstu, co jest batchowaniem wejść, a nie wyjść. Dziesięć referencji nie daje ci dziesięciu obrazów.

Obraz do obrazu z tego samego grafu

Nie potrzebujesz do tego innego grafu. Szablon edycji obrazu to łańcuch tekst-na-obraz z pustym latentem zastąpionym wyjściem latentnym enkodera tekstu, dwa LoadImage – węzły podające image_1 i image_2 do slotów referencyjnych podgrafu, oraz ImageCompare – węzeł na końcu, dzięki któremu zobaczysz wejście obok wyjścia. Umieść jeden obraz w image_1, pozostaw image_2 puste, wpisz instrukcję, i to jest obraz-do-obrazu: Twój obraz jest kontekstem, który model odczytuje, a nie początkowym latentem, który częściowo odszumia. Na tej ścieżce nie ma suwaka siły ani odszumiania do ustawienia, ponieważ obraz docelowy zaczyna od szumu, a Twoje odniesienie wchodzi zamiast tego przez enkoder i VAE.

Oto granica, po jednym zdaniu na każde z nich, bo dzieli je jedno wyszukiwanie, a ludzie sięgają po nie to, co trzeba.

• Obraz do obrazu to sytuacja, gdy chcesz uzyskać wariację: przekazujesz modelowi obraz i opis, a on maluje nowy obraz podobny do twojego, na wybranym przez ciebie płótnie.

• Edycja ma miejsce wtedy, gdy chcesz wprowadzić zmianę: przekazujesz modelowi obraz i instrukcję wskazującą, co ma być inne, opcjonalnie także maskę lub namalowane znaczniki, a model zachowuje resztę kadru.

Sygnał tkwi w zdaniu, które zaraz wpiszesz. „Spraw, żeby wyglądało to tak, ale w nocy” to i2i; „zmień kurtkę na czerwoną, resztę zostaw bez zmian” to edycja, a na tym grafie ścieżka edycji to miejsce, w którym znajdują się maski, dziesięć slotów referencyjnych i zachowanie edycji lokalnej. To sąsiednie pytanie jest tematem innej strony, a ta kończy się na tej linii, dzięki czemu wiesz, na której stronie jesteś.

Turbo checkpoint, w jednym akapicie

Jedno odwołanie krzyżowe, bo pisownia „turbo” należy do tej rodziny zapytań i czytelnik się na nią natknie. Qwen-Image-2.1-Turbo to osobny 8-krokowy checkpoint tej samej 7B architektury generowania obrazu, wydany 9 października 2026 r. i wczytywany przez ten sam QwenImage21Pipeline. Jego własna karta modelu podaje, że checkpoint „zawiera zalecany harmonogram próbkowania, dzięki czemu jest gotowy do użycia bez ręcznej konfiguracji schedulera”, że generowanie domyślnie korzysta z CFG 1 oraz że samo ustawienie num_inference_steps nie zastępuje zapisanego harmonogramu — robi to dopiero jawne podanie w czasie wywołania sigmas jako argumentu. Nic z tego nie zmienia łańcucha węzłów na tej stronie: te same loadery, ten sam enkoder, ten sam węzeł samplera. Zmienia się tylko to, skąd pochodzi harmonogram, a to jest jedyna rzecz, którą warto sprawdzić w swoim grafie, zanim porównasz uruchomienie wersji turbo z uruchomieniem modelu bazowego i dojdziesz do wniosku, że model się pogorszył.

Co zrobić dalej, na grafie

Wczytaj szablon z biblioteki szablonów ComfyUI, a nie ze zrzutu ekranu, a następnie przeczytaj cztery węzły, zanim cokolwiek trafi do kolejki. W Resolution Selectorustaw proporcje, których naprawdę chcesz, a jeśli chcesz natywne 2K modelu — cel 4,0 MP. W KSamplerpotwierdź, że control ma wartość fixed, jeśli zamierzasz odtworzyć przebieg, i pozostaw steps na 25 oraz cfg na 1, dopóki coś konkretnego nie zawiedzie. W Qwen Image 2.1 Cachezdecyduj o device i dtypejuż teraz i zapisz je, bo później nie możesz ich zmienić i porównywać dwóch obrazów tak, jakby zmienił się tylko prompt. A w węźle Generate Textpozostaw refine_promptwyłączone, dopóki nie masz podstawy, która ci odpowiada — potem je włącz, przeczytaj przepisaną wersję w Preview Anyi zachowaj ten sam seed, na którym byłeś, żeby porównanie coś znaczyło.