Qwen-Image-2.1 LoRA: Que adaptadores existem, quanto treino exige um, e o que a licença realmente diz

Existe um verdadeiro ecossistema de adaptadores de adaptação de baixo posto (LoRA) para Qwen-Image-2.1, o modelo unificado de geração e edição de imagens do fornecedor, e quase não há documentação sobre ele por parte do fornecedor. Esta página é a resposta permanente a quatro perguntas que um leitor digita em conjunto: alguém realmente cria adaptadores para este modelo, onde ficam, o que é necessário para treinar um, e o que a licença permite fazer com o resultado. Não é um artigo de lançamento. O Qwen-Image-2.1 foi disponibilizado em código aberto em 20 de setembro de 2026 e o seu irmão acelerado Qwen-Image-2.1-Turbo seguiu-se a 9 de outubro de 2026; ambas as datas estão aqui apenas para identificar sobre quais checkpoints esta página trata, não para noticiar nada.

A versão curta: há poucas centenas de adaptadores, eles são, em sua maioria, trabalhos de personagem e estilo publicados por profissionais individuais, treinar um é documentado de ponta a ponta por pelo menos três cadeias de ferramentas de terceiros com medições de memória publicadas, e a licença — que não é Apache para esta geração dos modelos de imagem — reafirma uma restrição não comercial sobre a obra derivada que muitos dos próprios adaptadores não repassam.

Duas frases sobre o que é um LoRA e, depois, o modelo.

A LoRA é um pequeno conjunto de deltas de pesos de baixo posto que é adicionado a um checkpoint base congelado no momento do carregamento, endereçados a módulos específicos por nome; não é um modelo, é um patch que altera o comportamento de um modelo existente. Como os deltas são treinados em relação a pesos específicos, um adaptador fica vinculado ao checkpoint em que foi treinado de uma maneira que uma flag de configuração não consegue corrigir.

Essa vinculação é a razão principal pela qual esta página trata especificamente do Qwen-Image-2.1, e não de LoRAs. O checkpoint é um transformer de difusão de fluxo único de 32 camadas com 7B parâmetros em seu componente de geração visual, um codificador de texto Qwen3-VL 8B e um VAE RGBA de 64 canais operando com compressão espacial de 16× — todos os números provenientes do model card e do repositório do próprio fornecedor, consultados em 13 de outubro de 2026. Ele define seu cronograma de amostragem no momento da chamada, com 40 etapas de inferência nos próprios exemplos do model card. Nenhum desses detalhes é incidental para adaptadores: a arquitetura decide o que um arquivo pode endereçar, e o cronograma decide o que está sendo pedido a um adaptador treinado com uma parametrização diferente.

O que existe para este modelo, e como contá-lo honestamente

As contagens abaixo vêm da API do Hugging Face e da API do Civitai, ambas consultadas em 13 de outubro de 2026, e a consulta importa o suficiente para ser mencionada, porque a mesma pergunta dá respostas radicalmente diferentes dependendo de como você a faz.

• Repositórios no Hugging Face que declaram o Qwen-Image-2.1 como seu modelo base: 323.

• Desses, os repositórios que também têm a lora tag: 115.

• Adaptadores no Civitai que correspondem a um filtro de modelo base "Qwen 2.1" com o tipo definido como LoRA: 106. Uma verificação anterior no mesmo dia contou 105; o filtro está ativo e o número muda, então trate-o como uma leitura, e não como um total.

Ambos os números são limites inferiores, não censos. A tag do Hugging Face é aplicada por quem faz o upload, então um adaptador cujo autor não aplicou a tag fica invisível para essa consulta; a contagem de modelos base é maior que a contagem de LoRAs justamente porque também captura quantizações, mesclagens e reempacotamentos. No Civitai, a diferença entre os métodos é escancarada: uma busca textual simples por "qwen image 2.1" retorna 994 modelos únicos, e a maioria deles não são, de modo algum, adaptadores deste checkpoint — o mesmo conjunto de resultados é dominado por posts de workflow e por arquivos cujo modelo base declarado é uma geração de imagem totalmente diferente. Filtre pelo modelo base, não pela caixa de busca.

Ambos os sites são onde este ecossistema vive, e essa é a única afirmação que se faz sobre qualquer um deles: o Hugging Face é onde os registros de treinamento e os conjuntos de dados são publicados, o Civitai é onde os adaptadores voltados ao consumidor e os fluxos de trabalho do ComfyUI em torno deles se reúnem, e nenhum dos dois é um sinal de qualidade. Um arquivo em qualquer um deles pode ser um trabalho treinado original ou uma cópia de outra pessoa.

Como distinguir um adaptador original de um reembalado

Isso é verificável, e a verificação leva cerca de um minuto. Pegue dois repositórios que se parecem com o mesmo adaptador.

akhaliq/Qwen-Image-2.1-Next-Scene-LoRA foi criado em 7 de outubro de 2026. TechnoBaptist/Qwen-Image-2.1-Next-Scene-LoRA foi criado em 9 de outubro de 2026. Os arquivos README deles são idênticos byte a byte — mesmo comprimento, mesmo MD5 — e as listas de arquivos dos dois repositórios coincidem em todas as 111 entradas. O mais recente é uma cópia do anterior, incluindo a descrição.

O caso menos óbvio é a cópia parcial. developerjeremylive/Qwen-Image-2.1-Multiple-Angles-LoRA-etheroi contém 163 arquivos. Cada um dos 160 que também existem em akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA é idêntico em tamanho, e o repositório é um subconjunto estrito dos 344 arquivos daquele. O que ficou de fora é todo o diretório benchmarks/, as grades de amostras por checkpoint em samples/, e várias variantes de checkpoint. Os pesos do adaptador estão presentes. A evidência de que o adaptador faz o que diz não está.

Portanto, o teste prático não é "tem um cartão bonito". É se o cartão carrega as coisas que só podem vir de ter feito a corrida:

• De onde vieram os dados de treinamento, com um link — o adaptador de ângulo informa sua fonte Objaverse e sua licença, e publica os conjuntos de dados de pares derivados separadamente.

• O treinador e os hiperparâmetros, ao nível de rank, alpha, taxa de aprendizagem, número de passos e precisão base — o suficiente para que outra pessoa possa tentar uma reprodução.

• Checkpoints intermediários em vez de apenas um arquivo final, para que a curva de treinamento possa ser inspecionada em vez de apenas afirmada.

• Uma avaliação que não seja a vitrine do autor, e uma secção de "âmbito e limites" que nomeie o que o adaptador faz mal.

Um card com uma palavra-gatilho, uma faixa de força e um conjunto de amostras bonitas, e nada mais, não é evidência de nada. Também não é prova de um repack — existem vários adaptadores avulsos honestos documentados de forma igualmente escassa. Significa apenas que você não tem nada em que se basear, o que, para um arquivo que você está prestes a colocar em um pipeline de produção, é a conclusão útil.

Que formação se faz realmente

A colocação honesta primeiro, porque a diferença aqui é grande: publicar um adaptador é comum, e treinar um é uma empreitada de outra ordem. Há três custos e todos eles são reais.

O checkpoint base. Os três componentes do Qwen-Image-2.1 somam aproximadamente 33 GB entre o transformer, o codificador de texto e o VAE — essa é a soma dos tamanhos de arquivo publicados pelo próprio repositório, consultados em 13 de outubro de 2026. É isso que está sendo adaptado, e isso não encolhe só porque você está treinando apenas um pequeno patch por cima dele.

Os dados. Um LoRA não aprende um conceito a partir de um punhado de imagens como um prompt aprende. Os dois adaptadores mais bem documentados deste ecossistema publicaram seus conjuntos de dados como artefatos de primeira classe: o adaptador de controle de câmera foi treinado com 5.028 pares rotulados por ângulo em sua primeira versão e 13.328 na segunda; o adaptador de continuação de cena foi treinado com 1.144 pares de progressão quadro a quadro, com legendas escritas por um modelo de visão para cada par. Ambos são conjuntos de dados montados, não coleções de fotografias — os pares tiveram de ser gerados, rotulados e licenciados antes do início do treinamento e, em um dos casos, as imagens de origem tiveram de ser filtradas para objetos com licenças permissivas antes de poderem ser usadas.

A computação. Esta é a parte com medições publicadas em vez de achismos. O próprio guia de início rápido do SimpleTuner para o modelo fornece predefinições de VRAM e, separadamente, os testes de fumaça de memória por trás delas: uma receita de 512px com gradient checkpointing a cada passo passou em um limite de alocação de 24 GiB, com pico de 20,06 GiB alocados e 21,10 GiB reservados pelo PyTorch. Uma receita multirresolução a 32,49 / 41,21 GiB passou em uma L40S, mas ficou sem memória sob um teto de 32 GiB. Os autores deixam explícito que essas são verificações de memória de subconjunto limitado, não medições de throughput ou convergência, e que os orçamentos menores foram simulados em uma L40S em vez de executados em suas placas nominais. Lidos como publicados, eles dizem algo simples: o mínimo para este modelo é uma placa de 24 GB rodando apenas a 512px, e 48 GB ou mais é onde as receitas multirresolução que o framework realmente recomenda se tornam disponíveis.

O tempo é o custo mais silencioso, e quase ninguém o publica. O que é público são as contagens de passos — 2.000 atualizações na predefinição de 24 GB, 4.000 nas maiores, com validação e checkpoint a cada 250 — e contagens de checkpoints na casa dos milhares, a partir dos próprios registros de treinamento dos adaptadores. A tabela de predefinições do SimpleTuner fornece orçamentos de atualizações para cada nível de VRAM e diz claramente que são pontos de partida a serem estendidos apenas após inspecionar as imagens de checkpoint. Ninguém publicou horas de relógio para uma execução reproduzível, então qualquer número que você veja citado para quanto tempo isso leva é a placa de alguém e o conjunto de dados de alguém, não uma especificação.

Em contrapartida, as ferramentas são genuinamente boas, e esta é a parte que mudou recentemente o suficiente para valer a pena datar. O fornecedor aponta para o DiffSynth-Studio da ModelScope, cujo repositório disponibiliza um script funcional de treino de LoRA para este checkpoint e, separadamente, para a variante Turbo — um único accelerate launch com rank 32, AdamW a 1e-4, cinco épocas, um orçamento máximo de píxeis de 1 048 576 e gradient checkpointing. O guia de início rápido do SimpleTuner é a receita pública mais detalhada e é invulgarmente honesto quanto aos seus próprios limites. O ai-toolkit lista tanto o Qwen-Image-2.1 como o Qwen-Image-2.1-Turbo entre as suas arquiteturas suportadas, e dois dos adaptadores descritos acima registam ter sido treinados com ele. E a 12 de outubro de 2026, o musubi-tuner integrou um pull request que acrescentava suporte ao Qwen-Image 2.1, abrangendo treino de LoRA, fine-tuning completo, pré-visualizações de treino e conversão entre o Diffusers e o seu próprio formato de LoRA; o pedido de funcionalidade que o solicitava, aberto a 24 de setembro, continua aberto. Esse merge é três dias anterior à data desta página e é uma alteração de ferramentas e não o lançamento de um modelo — significa que um quarto treinador ficou disponível, e não que algo no modelo tenha mudado.

Há mais uma restrição que surpreende quem já treinou LoRAs para outras arquiteturas. A saída deste modelo não tem um interruptor de alpha. O VAE opera em espaço de pixels RGBA de quatro canais, e o quarto canal é decodificado como o alpha, então a transparência é produzida pelo prompt e nada mais — a documentação do próprio fornecedor afirma que não há nenhum controle relacionado a alpha em lugar algum do pipeline. Um adaptador treinado em imagens opacas altera a distribuição que o prompt está direcionando; ele não tem um controle de transparência separado no qual possa se apoiar. Se o seu pipeline depende de recortes, isso é uma propriedade do modelo base que você está tomando emprestado, e vale a pena testar antes de dedicar uma execução de treinamento a ele.

O que a licença diz sobre o adaptador que você fabrica

Leia o arquivo, porque a resposta não é o que um lançamento que soa permissivo sugeriria. O Qwen-Image-2.1 é distribuído sob o Qwen Research License Agreement, datado de 20 de setembro de 2026 — um documento de 7.831 bytes levado inalterado para o repositório Turbo, cuja cópia é idêntica byte a byte. Não é Apache 2.0, e a linha anterior do Qwen-Image era.

A cláusula que decide a maior parte disso é a concessão. A Seção 2(a) concede a você licença para "usar, reproduzir, distribuir, copiar, criar obras derivadas e fazer modificações" nos materiais, e depois limita tudo isso: "SOMENTE PARA FINS NÃO COMERCIAIS". A Seção 1(i) define não comercial como "apenas para fins de pesquisa ou avaliação", que é mais restrito do que "sem fins lucrativos" — não abre exceção para uso comercial interno. A Seção 2(b) diz que o uso comercial exige uma licença separada, solicitada no endereço que o contrato indica. Um adaptador treinado neste checkpoint é uma obra derivada dele, então a restrição acompanha o adaptador; ele não se torna comercialmente utilizável só porque você mesmo o treinou.

Duas coisas que merecem atenção, porque ambas contrariam suposições comuns.

Primeiro, a licença não é omissa quanto ao treinamento — ela o contempla diretamente. A Seção 4(b) diz que, se você usar os materiais ou seus resultados para "criar, treinar, fazer ajuste fino ou melhorar um modelo de IA que seja distribuído ou disponibilizado", você deverá exibir com destaque "Built with Qwen" ou "Improved using Qwen" na documentação do produto relacionado. Portanto, o ajuste fino é abordado nominalmente e vem com uma obrigação de rotulagem, em vez de uma questão de permissão.

Em segundo lugar, a redistribuição é expressamente permitida, com condições. A Seção 3 permite que você distribua obras derivadas, na forma de código-fonte ou de código-objeto, desde que forneça aos destinatários uma cópia do acordo, marque os arquivos modificados e mantenha um arquivo de aviso com o seguinte teor: "O Qwen é licenciado sob o Qwen RESEARCH LICENSE AGREEMENT, Copyright (c) 2026 Hangzhou Tongyi Laboratory Technology Co., Ltd. Todos os direitos reservados." A Seção 4(c) proíbe usar "Qwen" como nome principal ou identificador da sua obra derivada — o uso descritivo é expressamente permitido. A Seção 5(a) confirma que você é proprietário das suas modificações, condicionado ao cumprimento. As disputas são regidas pelo direito chinês, nos tribunais de Hangzhou.

Essas são obrigações coerentes e legíveis. A descoberta desconfortável é com que frequência o ecossistema não as cumpre. Dos adaptadores amostrados durante a pesquisa para esta página, um — um adaptador de destilação por etapas para o checkpoint base — inclui o texto da licença e um arquivo de aviso que contém a cadeia de atribuição exigida literalmente, além de uma seção de licença no seu cartão que reafirma o limite não comercial e o contato comercial. Vários outros, incluindo dois dos adaptadores de controle de câmera e de continuação de cena mais baixados, declaram apache-2.0 em seus metadados, não incluem nenhum arquivo de licença e não contêm nenhum aviso de atribuição. Seus cartões não reivindicam direitos Apache sobre os pesos base; o campo de metadados está simplesmente errado, e é o campo que uma ferramenta a jusante vai ler. Se é você que está construindo sobre um adaptador, leia você mesmo a licença do modelo base em vez de confiar na etiqueta no cartão do adaptador — e se é você que está publicando, o empacotamento correto não é complicado, só precisa ser feito de propósito.

Compatibilidade, e a única coisa sobre "turbo"

Um adaptador é executado no checkpoint que seu registro de treinamento nomeia. Para a maioria dos adaptadores aqui, esse é o próprio Qwen-Image-2.1, e é nele que eles devem ser carregados. O checkpoint Turbo é um ajuste fino da mesma arquitetura, e não um modelo diferente — os dois compartilham sua árvore de módulos, e é por isso que um adaptador treinado na base muito provavelmente carregará no Turbo — mas ele armazena seu próprio cronograma de amostragem de oito etapas dentro do checkpoint e executa uma trajetória de denoising na qual o adaptador não foi treinado. Se essa combinação se comporta corretamente, isso não está documentado por ninguém, nem pelo fornecedor.

Há também uma armadilha de nomenclatura: a expressão "turbo LoRA" abrange dois artefatos opostos, um adaptador treinado no checkpoint Turbo e um adaptador de destilação que transforma o checkpoint padrão em um de poucos passos. Esses são arquivos diferentes com funções diferentes. A questão do checkpoint base versus Turbo, e os dois significados do adaptador turbo, têm sua própria página neste tronco — Qwen-Image-2.1-Turbo LoRA — e esta página não vai se tornar uma segunda cópia dela. Se você está com o Turbo e um adaptador que nomeia o checkpoint padrão, leia essa página antes de carregar qualquer coisa.

Duas questões adjacentes também pertencem a outro lugar. Checkpoints quantizados — GGUF, FP8, INT4 e afins — são um assunto diferente, com uma página diferente; uma LoRA usada dentro de um pipeline quantizado é uma nota de compatibilidade nessa página, não uma seção nesta. E o modelo rodando em uma ferramenta específica é, de novo, uma questão própria, com suas próprias listas de arquivos e seus próprios modos de falha.

O que quebra, e o que não está resolvido

Os relatórios de falhas agrupam-se em três causas, e cada uma delas foi documentada por alguém que fez o trabalho, em vez de inferida.

Um adaptador que carrega e não faz nada. O caso mais concreto é uma incompatibilidade de nomenclatura de chaves: o próprio cartão de um adaptador afirma que seus arquivos brutos em formato de treinador usam a nomenclatura de chaves MLP fundidas desse treinador, que o Diffusers "ignora silenciosamente" — o carregamento é bem-sucedido, nenhum erro é gerado, e o adaptador não tem efeito. O arquivo funciona com o próprio loader dele e não com o loader convencional. Isso é uma diferença no layout do arquivo, não no checkpoint base, e vale a pena descartar essa possibilidade antes de culpar qualquer outra coisa.

Um adaptador que arruína prompts não relacionados. Isso é um problema de taxa de aprendizado e duração, e há uma medição: em uma ablação publicada, uma execução a 3e-4 "degradou severamente todos os quatro prompts de validação até a atualização 500", com sujeitos não relacionados — uma raposa, um retrato — se transformando no conceito treinado. O estudo de treinamento mais longo do mesmo autor relata a armadilha oposta: em uma execução, um prompt melhorou até a atualização 3.500, regrediu na atualização 4.000 e se recuperou até a atualização 10.000, portanto um checkpoint intermediário ruim não é prova de que a execução falhou. Esse segundo achado é explicitamente rotulado como uma progressão qualitativa de uma única execução e de uma única semente de validação, sem nenhuma curva de erro de teste medida e com a recuperação descrita como dependente do prompt. Considere isso um motivo para manter todos os checkpoints a cada 250 passos, não como uma receita.

Um adaptador que se comporta bem, mas depois complica. O adaptador de continuação de cena documenta uma degradação medida no uso encadeado: o encadeamento ingênuo com força 0,9 acumula granulação de filme até virar ruído de cor visível no terceiro ou quarto salto, e a solução alternativa verificada pelo autor é força igual ou inferior a 0,7, além de um desfoque gaussiano de meio pixel em cada entrada encadeada. O mesmo cartão é franco ao afirmar que as transformações nos saltos finais permanecem conservadoras, e identifica isso como uma limitação dos dados de treinamento, e não como um problema de configurações.

Por baixo de tudo isso, há um conjunto de coisas genuinamente não estabelecidas, e vale a pena enunciá-las em vez de preenchê-las. Ninguém publicou uma comparação de qualidade entre Qwen-Image-2.1 e Qwen-Image-2.1-Turbo, portanto não há linha de base com a qual julgar o que qualquer adaptador faz a um ou outro. Ninguém publicou se um adaptador de checkpoint padrão se comporta corretamente no Turbo. O fornecedor documenta o treinamento com LoRA apenas uma vez, na seção ModelScope do repositório do projeto, apontando para um framework de terceiros; a própria ficha do modelo não contém orientações sobre adaptadores, e o codificador de texto do checkpoint é um componente que a comunidade já começou a republicar separadamente, o que é, por si só, uma questão de compatibilidade. E cada contagem nesta página é um instantâneo de um ecossistema de duas a três semanas, lido em um único dia — o filtro do Civitai e a consulta de modelo base do Hugging Face estarão ambos errados daqui a um mês, tendendo para mais.

Se você está decidindo o que fazer hoje, a sequência que sobrevive a todas essas lacunas é curta. Comece lendo o registro de treinamento do adaptador, não suas amostras — se não houver registro, trate o arquivo como não atribuído e teste-o com seu próprio prompt antes de construir em cima dele. Combine o adaptador com o checkpoint que o registro dele nomeia e, se você estiver no Turbo, leia primeiro a página do Turbo. Verifique em qual formato de loader o arquivo está antes de concluir que ele está quebrado. E leia a licença base uma vez, porque ela rege o adaptador independentemente do que o cartão do adaptador afirma sobre si mesmo. Depois, escolha seu treinador, comece pelo menor preset de VRAM que sua placa suporta e avalie a grade de checkpoints em vez do arquivo final.