Qwen-Image-Edit: Dòng chỉnh sửa, từng checkpoint một

Đây là trang tham chiếu cho dòng Qwen-Image-Edit — trình chỉnh sửa ảnh tuân theo hướng dẫn, không phải trình tạo văn bản thành ảnh mà nó được xây dựng song song. Dòng này có đúng ba checkpoint đã công bố: Qwen-Image-Edit, phát hành ngày 17 tháng 8 năm 2025 và được xây dựng trên Qwen-Image 20B; Qwen-Image-Edit-2509, bản lặp hàng tháng được công bố ngày 22 tháng 9 năm 2025; và Qwen-Image-Edit-2511, được công bố ngày 17 tháng 12 năm 2025 dưới dạng phiên bản nâng cao của 2509. Mọi thứ trên trang này đều xoay quanh bản mới nhất trong ba bản đó, và mỗi lần đều nói rõ mỗi phát biểu là về checkpoint nào. Còn một điều nữa cần nêu ngay từ đầu vì đó chính là câu trả lời cho câu hỏi mà hầu hết mọi người thực sự đang hỏi: Qwen-Image-2.1 là một mô hình hợp nhất tạo văn bản thành ảnh và chỉnh sửa ảnh với thành phần tạo hình ảnh 7B, và Qwen-Image-2.1-Turbo là cùng mô hình đó dưới dạng checkpoint tăng tốc 8 bước. Cả hai đều không phải là một mục trong dòng chỉnh sửa, và sự phân biệt đó chính là lý do toàn bộ trang này tồn tại.

Qwen-Image so với Qwen-Image-Edit

Nếu bạn đã tìm kiếm sự khác biệt giữa Qwen-Image và Qwen-Image-Edit, thì bạn đang hỏi xem đâu là thứ nào trong hai thứ đang ở trước mặt mình. Câu trả lời rất rõ ràng và đáng được nói thẳng, bởi vì hai thứ này không thể thay thế cho nhau và tên tệp không giúp bạn phân biệt chúng.

• Qwen-Image — một mô hình text-to-image. Bạn đưa nó từ ngữ, nó trả cho bạn một bức ảnh. Đây là mô hình mà Qwen-Image-Edit được xây dựng dựa trên. Thẻ của chính checkpoint chỉnh sửa gốc mô tả nó là "phiên bản chỉnh sửa ảnh của Qwen-Image", được xây dựng trên mô hình Qwen-Image 20B, nhờ đó nó kế thừa khả năng kết xuất văn bản của Qwen-Image.

• Qwen-Image-Edit — một mô hình image-to-image. Bạn đưa cho nó một bức ảnh cùng với từ ngữ, và nó trả lại cho bạn một phiên bản đã chỉnh sửa của bức ảnh đó. Thẻ của checkpoint đầu tiên xếp nó vào pipeline_tag: image-to-image. Bạn không thể yêu cầu nó tạo ra một bức ảnh từ hư không; ảnh nguồn không phải là tùy chọn.

• Cơ chế khiến việc chỉnh sửa trở nên khác biệt — ở đây bộ sinh chỉ có một đường đầu vào (văn bản), còn bộ chỉnh sửa có ba. Thẻ mô tả của checkpoint gốc mô tả việc đưa ảnh đầu vào đồng thời vào Qwen2.5-VL để điều khiển ngữ nghĩa thị giác và vào bộ mã hóa VAE để điều khiển ngoại hình thị giác. Đường thứ hai đó chính là thứ mà một mô hình văn bản-thành-hình ảnh về mặt cấu trúc không có: bộ chỉnh sửa không được kể về hình ảnh của bạn bằng từ ngữ, mà nó đang nhìn vào các latent của hình ảnh bạn.

• Nơi hai dòng lại hội tụ — Qwen-Image-2.1 được mô tả trên thẻ riêng của nó là "một mô hình hợp nhất để tạo ảnh từ văn bản và chỉnh sửa ảnh." Đó là một kiến trúc trả lời khác cho cùng câu hỏi: thay vì một checkpoint chỉnh sửa được gắn thêm vào một mô hình tạo, một mô hình đảm nhiệm cả hai. Ví dụ chỉnh sửa của nó truyền một image= làm đối số cho một pipeline mà bạn cũng dùng để tạo ảnh từ văn bản. Nếu bạn đang cố xác định mình thuộc dòng mô hình nào, cách nhận biết nhanh nhất là tên checkpoint: tên thuộc dòng Qwen-Image-Edit… là dòng chỉnh sửa, còn tên thuộc dòng Qwen-Image-2.1… là mô hình hợp nhất.

Ở đây không có gì là sự đề xuất giữa chúng. Chúng là những câu trả lời khác nhau cho những vấn đề khác nhau, và phần còn lại của trang này nói về cái đầu tiên.

Tuân thủ hướng dẫn: những gì nó thay đổi và những gì nó giữ nguyên

Đây là câu hỏi mà nhu cầu tìm kiếm cho thấy mọi người thực sự đang gõ, và nó xứng đáng có một câu trả lời trực tiếp thay vì một danh sách tính năng. Câu trả lời trung thực có hai nửa, và chỉ một trong số đó là dễ chịu.

Bắt đầu với nửa phần vốn đã nằm trong thiết kế của mô hình, vì nó giải thích phần lớn các báo cáo kiểu “nó thay đổi nhiều hơn tôi yêu cầu”. Thẻ Qwen-Image-Edit gốc vạch ranh giới giữa hai chế độ, và chỉ một trong số đó cam kết rằng bất cứ thứ gì sẽ được giữ nguyên.

• Chỉnh sửa ngoại hình — công việc thị giác ở mức thấp như thêm, xóa hoặc sửa đổi các phần tử cụ thể. Câu chữ của chính thẻ nêu rằng thao tác này đòi hỏi "mọi vùng khác của hình ảnh phải giữ nguyên hoàn toàn". Đây là chế độ khớp với điều mà hầu hết mọi người muốn nói khi nhắc đến chỉnh sửa.

• Chỉnh sửa ngữ nghĩa — công việc cấp cao như tạo IP, xoay đối tượng và chuyển đổi phong cách. Ở đây thẻ nói điều ngược lại: nó "cho phép thay đổi tổng thể pixel trong khi vẫn duy trì tính nhất quán ngữ nghĩa." Ví dụ minh họa do chính nhà cung cấp đưa ra là một linh vật capybara được vẽ lại theo nhiều phong cách, trong đó thẻ ghi chú rằng "hầu hết các pixel trong ảnh đã chỉnh sửa đều khác với các pixel trong ảnh đầu vào" trong khi vẫn giữ được tính nhất quán của nhân vật.

Chế độ thứ hai đó không phải là lỗi, và thẻ không trình bày nó như một lỗi. Nhưng đó là lý do khiến một yêu cầu như "hãy làm cho cái này trông giống như một phim Ghibli" có thể trả về một cách hợp lệ dưới dạng một hình ảnh gần như không có chung pixel nào với nguồn của bạn. Nếu bạn chỉ muốn bầu trời được thay đổi, thì bạn đã không yêu cầu chỉnh sửa ngữ nghĩa. Hãy đọc những điều này như các mô tả về hành vi dự kiến do nhà cung cấp báo cáo, chứ không phải như các phép đo — thẻ nêu chúng như thiết kế, và chưa có bên nào công bố tỷ lệ mà mỗi chế độ giữ đúng lời hứa của nó.

Giờ đến nửa kém dễ chịu hơn. Dự án của chính dòng sản phẩm này đã sớm thừa nhận các vấn đề về tuân theo chỉ dẫn, ngay trong ghi chú của chính mình. Ghi chú của kho lưu trữ Qwen-Image cho checkpoint gốc, đề ngày 19 tháng 8 năm 2025, đánh dấu "sự không khớp về hiệu năng" trong bản phát hành đầu tiên đó và nêu đích danh việc bảo toàn danh tính cùng tuân theo chỉ dẫn, đồng thời hướng người dùng đến một bản dựng Diffusers đã cập nhật. Đó là một sự thừa nhận do nhà cung cấp báo cáo về mô hình của chính nhà cung cấp đó, gần như là mức trực tiếp nhất mà bằng chứng về việc tuân thủ chỉ dẫn có thể đạt tới — và nó nói về checkpoint tháng 8 năm 2025, không phải về 2511.

Ví dụ minh họa do chính nhà cung cấp thực hiện cho một ca khó có tính chỉ dẫn hơn mọi tuyên bố. Trong phần hướng dẫn chỉnh sửa theo chuỗi trên thẻ gốc, một tác phẩm thư pháp do Qwen-Image tạo ra có lỗi ký tự, và trình chỉnh sửa được yêu cầu sửa 稽 nằm trong một ô vuông màu đỏ được vẽ ra và 亭 trong một ô màu xanh dương. Thẻ báo cáo rằng 稽 — một ký tự ít gặp — không được sửa đúng chỉ trong một bước: thành phần dưới cùng bên phải đáng lẽ là 旨 nhưng lại trả về là 日. Chỉ sau khi vẽ thêm một ô đỏ bao sát vùng 日 thì mô hình mới tạo ra thành phần đúng. Hai điều rút ra từ đó, và nhà cung cấp nêu cả hai: hộp giới hạn trên ảnh nguồn là một cơ chế điều khiển thực sự, và một bước chỉnh sửa có giới hạn không phải lúc nào cũng đủ. Đó là một thất bại do nhà cung cấp báo cáo và một sự khắc phục do nhà cung cấp báo cáo trên một ví dụ do nhà cung cấp chọn, đúng hình dạng mà bằng chứng như vậy nên có.

Các danh mục mà tài liệu về thẻ ghi là đang hoạt động, mỗi danh mục là tuyên bố của nhà cung cấp chứ không phải kết quả đo lường:

• Chỉnh sửa ở cấp phần tử với khả năng bảo toàn — thêm một biển hiệu vào một cảnh (thẻ gốc ghi chú rằng mô hình cũng đã tạo ra một hình phản chiếu tương ứng), loại bỏ những sợi tóc mảnh và các vật thể nhỏ, đổi màu một chữ cái duy nhất trong một hình ảnh.

• Chỉnh sửa văn bản song ngữ — thêm, xóa và sửa đổi văn bản tiếng Trung và tiếng Anh trong ảnh trong khi vẫn giữ nguyên phông chữ, kích thước và kiểu dáng gốc. Thẻ 2509 mở rộng tính năng này sang việc chỉnh sửa loại phông chữ, màu sắc và chất liệu, và thẻ gốc cho thấy khả năng chỉnh sửa poster tiếng Trung xuống đến cả những đoạn văn bản nhỏ và phức tạp.

• Tính nhất quán về danh tính và nhân vật — thẻ của 2509 báo cáo cải thiện khả năng bảo toàn danh tính khuôn mặt, hỗ trợ biến đổi tư thế và phong cách chân dung; thẻ của 2511 báo cáo tiến bộ thêm ở ảnh nhóm nhiều người và ở việc hợp nhất hai ảnh người riêng biệt thành một bức ảnh nhóm mạch lạc.

• Tổng hợp góc nhìn mới và xoay đối tượng — thẻ gốc hiển thị xoay đối tượng 90 độ và trọn vẹn 180 độ, đặt rõ ràng trường hợp này vào chỉnh sửa ngữ nghĩa, nơi thay đổi pixel trên toàn khung hình được mong đợi.

•Sản phẩm — Thẻ của 2509 báo cáo khả năng tạo áp phích sản phẩm từ ảnh sản phẩm nền trơn, cùng với tính năng tạo sinh. Thẻ của 2511 bổ sung thiết kế sản phẩm công nghiệp hàng loạt và thay thế vật liệu cho các linh kiện công nghiệp.

• Điều kiện hóa kiểu ControlNet — thẻ của 2509 báo cáo khả năng hỗ trợ gốc cho bản đồ độ sâu, cạnh và điểm mốc cùng các bản phác thảo, bao gồm việc dùng bản đồ điểm mốc để thay đổi tư thế của một người.

• Hướng dẫn thực hiện — thẻ của 2509 báo cáo rằng tính năng chỉnh sửa nhiều ảnh hoạt động thông qua việc ghép nối hình ảnh theo các tổ hợp "người + người", "người + sản phẩm" và "người + bối cảnh", đồng thời nêu rằng hiệu suất tối ưu hiện đạt được với 1 đến 3 ảnh đầu vào. Giới hạn trên đó là hướng dẫn của nhà cung cấp, không phải giới hạn cứng, và được nêu cho 2509.

• Các khả năng mới hơn trong 2511 — thẻ này liệt kê việc giảm thiểu hiện tượng trôi hình ảnh, tích hợp trực tiếp các LoRA phổ biến được chọn lọc từ cộng đồng vào mô hình cơ sở, cải thiện khả năng tạo thiết kế công nghiệp, và tăng cường lập luận hình học, cùng với một ví dụ về việc tạo các đường dựng phụ trợ cho chú thích thiết kế.

Các trạm kiểm soát, các tên, và đường turbo

Đây là chỗ mà rất nhiều lưu lượng tìm kiếm đi sai hướng, nên cần phải thật chính xác. Danh mục của chính tổ chức sở hữu mô hình trên Hugging Face chỉ có ba — và đúng ba — repository trong dòng edit. Đó là một phát hiện dạng phủ định được xác lập bằng khảo sát trực tiếp: ba repository thật đều phân giải được, còn một loạt cái tên trông có vẻ hợp lý trong cùng họ — bao gồm Qwen/Qwen-Image-Edit-2.1, -3.0, -3, -2512, -2601, -Plus, -Maxvà cả Qwen/Qwen-Image-2.1-Edit lẫn Qwen/Qwen-Image-Max-2512 — đều không phân giải được trong cùng điều kiện. Dù những cái tên đó ám chỉ thứ gì đi nữa, chúng không phải là các checkpoint được công bố từ chính tổ chức của mô hình, và trang này sẽ không đoán xem chúng là gì.

Ba thứ tồn tại:

• Qwen-Image-Edit — bản gốc, ngày 17 tháng 8 năm 2025, Apache-2.0, được xếp vào dạng image-to-image. Được nạp bằng QwenImageEditPipeline. Phần khởi động nhanh của riêng nó sử dụng true_cfg_scale=4.0, negative_prompt=" " và num_inference_steps=50.

• Qwen-Image-Edit-2509 — 22 tháng 9 năm 2025, Apache-2.0, được mô tả trên thẻ của nó là "bản lặp hàng tháng của Qwen-Image-Edit." Được nạp bằng QwenImageEditPlusPipeline; phần khởi động nhanh của nó sử dụng true_cfg_scale=4.0, num_inference_steps=40 và guidance_scale=1.0. Đây là checkpoint đã bổ sung đầu vào nhiều ảnh, phần cải thiện độ nhất quán mạnh hơn và hỗ trợ ControlNet gốc.

• Qwen-Image-Edit-2511 — ngày 17 tháng 12 năm 2025, Apache-2.0, được mô tả trên card của nó là "một phiên bản nâng cao so với Qwen-Image-Edit-2509, với nhiều cải tiến—đáng chú ý là độ nhất quán tốt hơn." Nó cũng tải với QwenImageEditPlusPipeline, ở cùng thiết lập lấy mẫu như 2509. Nếu bạn không có ràng buộc nào khác, đây là checkpoint mới nhất trong dòng chỉnh sửa.

Người đọc có khả năng đang dùng phiên bản nào phụ thuộc vào nơi họ gặp nó. Bất kỳ ai dùng một tính năng chỉnh sửa ảnh trên nền tảng lưu trữ thì rất có thể đang ở 2511 hoặc 2509. Bất kỳ ai đã tải một checkpoint về cách đây một năm và chưa đụng tới nó thì rất có thể đang ở bản gốc, và những khác biệt quan trọng với họ là tính nhất quán cùng khả năng làm việc với nhiều ảnh được thêm vào trong 2509, chứ không phải là một thay đổi trong cách chỉnh sửa hoạt động.

Giờ đến câu hỏi về turbo, được nêu chính xác vì cái tên dễ gợi ra một giả định sai lầm. Qwen-Image-2.1-Turbo không phải là một checkpoint chỉnh sửa turbo. Thẻ mô tả của nó ghi rằng đây là "một checkpoint tăng tốc của Qwen-Image-2.1 dùng cho việc tạo ảnh từ văn bản và chỉnh sửa ảnh với 8 bước khử nhiễu", sử dụng cùng kiến trúc tạo hình ảnh 7B và tải trực tiếp bằng QwenImage21Pipeline. Vì vậy, con đường tăng tốc dành cho chỉnh sửa chính là con đường tăng tốc của mô hình hợp nhất, và nó kế thừa hành vi chỉnh sửa của mô hình đó chứ không phải của dòng chỉnh sửa.

Turbo thay đổi những gì, cụ thể:

• Số bước — 8 bước khử nhiễu, so với 40 trong phần khởi động nhanh của mô hình hợp nhất và 40 hoặc 50 trong dòng chỉnh sửa.

• Hướng dẫn — quá trình sinh mặc định dùng CFG=1, và bộ nhớ đệm KV tiền tố tái sử dụng ngữ cảnh văn bản và ảnh tham chiếu qua các bước khử nhiễu. Chính việc tái sử dụng đó là nguồn gốc của phần lớn mức tăng tốc, và ví dụ chỉnh sửa của card truyền use_kv_cache=True một cách tường minh.

• Lịch trình được lưu cùng với checkpoint — thẻ mô hình nêu rằng lịch trình lấy mẫu 8 bước được khuyến nghị sẽ được lưu cùng với checkpoint và được tải tự động, và rằng việc chỉ đặt num_inference_steps không ghi đè lên nó. Nếu bạn đặt số bước và thấy không có gì thay đổi, đó chính là lý do. Một đối số sigmas được chỉ định rõ ràng tại thời điểm gọi sẽ ghi đè lên lịch trình đã lưu, và thẻ mô hình nói thêm rằng các lịch trình khác chưa được đánh giá cho checkpoint này.

• Fidelity — thẻ không đưa ra tuyên bố về độ trung thực cho turbo checkpoint so với mô hình hợp nhất, và không có phép đo độc lập nào tách riêng độ trung thực khi chỉnh sửa của turbo để trích dẫn. Bất kỳ ai nói với bạn rằng bản chỉnh sửa 8 bước có hoặc không trung thực như bản chỉnh sửa 40 bước đều đang vượt ra ngoài những gì đã được công bố. Điều mà thẻ thực sự ghi lại là sự thay đổi cách lấy mẫu và việc kiến trúc vẫn giữ nguyên thành phần hình ảnh 7B, đó là lý do nó đáng để kiểm thử thay vì giả định.

Về chất lượng tương đối, các số liệu độc lập đến từ bảng chỉnh sửa hình ảnh của Artificial Analysis, đây là phép đo của bên thứ ba chứ không phải tuyên bố của nhà cung cấp, và chúng đáng được đọc kỹ vì hai trong số đó không như tên gọi gợi ý.

• Qwen Image Edit Plus 2511 — 1021 Elo, ±8, 4.478 mẫu, tháng 11 năm 2025, trọng số mở. Đây là mục đạt điểm cao nhất trong dòng chỉnh sửa rời rạc.

• Qwen Image Edit Plus 2509 — 981 Elo, ±7, 7.390 mẫu, tháng 9 năm 2025, trọng số mở.

• Qwen Image Edit — 918 Elo, ±7, 7.415 mẫu, tháng 8 năm 2025, trọng số mở. Con số đó thấp hơn 2511 khoảng 103 Elo trên cùng bảng xếp hạng, đúng bằng mức chênh lệch mà công việc về tính nhất quán đã mang lại.

• Qwen Image Edit Max 2601 — 1000 Elo, ±8, 5.036 mẫu, ghi ngày tháng 1 năm 2026 trên bảng xếp hạng, trọng số đóng. Bảng xếp hạng liệt kê mục này; không có kho lưu trữ trùng khớp nào xuất hiện trong danh sách của chính tổ chức mô hình, nên không thể xác định được từ tài liệu gốc rằng checkpoint này là gì. Ở đây nó được báo cáo như một dòng của một bảng xếp hạng độc lập và không hơn gì thế.

• Qwen-Image-2.1 — 1074 Elo, ±9, 5.536 mẫu, trọng số mở, cao hơn khoảng 53 Elo so với checkpoint chỉnh sửa tốt nhất. Lưu ý rằng bảng xếp hạng ghi ngày của mục này là tháng 9 năm 2026 và bổ sung thêm "Không có API." Một mô hình hợp nhất đạt điểm cao hơn dòng chỉnh sửa chuyên dụng là thông tin hữu ích nhất trên trang này cho bất kỳ ai đang quyết định chạy mô hình nào, và đây là phép đo độc lập, không phải tuyên bố của nhà cung cấp.

Cùng trang đó cũng liệt kê chi phí API trên mỗi 1.000 hình ảnh cho một số mục trong số này, và trang này cố ý không đăng chúng: chúng thay đổi, chúng được báo cáo trên diễn đàn thay vì do nhà cung cấp công bố, và một độc giả hành động dựa trên con số của hôm nay sẽ muốn đọc nó tại nguồn.

Những gì bạn phải cung cấp

Yêu cầu đầu vào của trình soạn thảo là nơi quyết định phần lớn các lần chạy thất bại, và đặc tả thì dễ dãi hơn người ta tưởng ở một hướng, nhưng lại khắt khe hơn ở hướng khác.

• Ảnh nguồn là bắt buộc và chính là toàn bộ đầu vào — không có chế độ chỉ dùng văn bản. Card của checkpoint gốc chuyển ví dụ của nó sang RGB trước khi truyền đi; card turbo của mô hình hợp nhất tải ví dụ của nó và chuyển sang RGBA, điều này quan trọng vì Qwen-Image-2.1 vốn tạo và chỉnh sửa ảnh trong suốt một cách gốc.

• Chỉnh sửa không dùng mặt nạ là con đường đã được tài liệu hóa trong mô hình hợp nhất — thẻ Qwen-Image-2.1 nêu rằng các chỉnh sửa cục bộ có thể được chỉ định thông qua vòng tròn, chú thích vẽ tay hoặc mặt nạ riêng, và rằng mô hình hỗ trợ tối đa 10 ảnh tham chiếu. Lộ trình không dùng mặt nạ thông qua vòng tròn và chú thích vẽ tay là lộ trình mà thẻ đặt lên hàng đầu; đó là lý do bạn có thể đánh dấu một vùng trong trình chỉnh sửa ảnh thông thường thay vì phải tạo tệp mặt nạ.

• Chỉnh sửa có mặt nạ tồn tại dưới dạng một pipeline riêng biệt — một pipeline inpaint riêng biệt cung cấp mask_image, masked_image_latents và padding_mask_crop cùng với một strength tham số có giá trị mặc định là 0.6. Nếu bạn đã dành thời gian tìm kiếm thanh trượt strength trên các checkpoint chỉnh sửa mà không thấy, đây chính là lý do: các pipeline của riêng dòng chỉnh sửa không nhận tham số đó, và ví dụ chỉnh sửa của mô hình hợp nhất truyền một prompt và một hình ảnh mà không có đối số strength nào cả.

• Độ phân giải nguồn bị ràng buộc, và ràng buộc đó mang tính số học — cả pipeline gốc lẫn pipeline plus đều xác thực rằng chiều cao chia hết cho hai lần hệ số tỉ lệ VAE. Trên pipeline của mô hình hợp nhất, hệ số tỉ lệ VAE là 16 và phép kiểm tra này cảnh báo về tính chia hết cho 32, với output_resolution mặc định là 1024. Truyền thẳng một kích thước ảnh tùy ý là một trong những cách thông thường dẫn đến lỗi cứng thay vì một bản chỉnh sửa kém.

• Có tồn tại các preset độ phân giải cao native, và chúng là những con số cụ thể — mô hình hợp nhất và checkpoint turbo của nó công bố cùng bảy preset: 1:1 ở 2048×2048, 4:3 ở 2400×1792, 3:4 ở 1792×2400, 3:2 ở 2528×1696, 2:3 ở 1696×2528, 16:9 ở 2752×1536 và 9:16 ở 1536×2752. Ví dụ text-to-image của thẻ turbo sử dụng preset chân dung 1696×2528 và ví dụ chỉnh sửa của nó sử dụng 2048×2048.

• Đầu vào nhiều hình ảnh có một "điểm ngọt" đã được ghi nhận trong tài liệu — tối đa 3 hình ảnh đối với 2509, và tối đa 10 tham chiếu đối với mô hình hợp nhất. Vượt quá phạm vi mà nhà cung cấp ghi trong tài liệu không phải là điều bị cấm, nhưng không có tài liệu nào được công bố mô tả điều gì sẽ xảy ra khi bạn làm vậy.

• Một yêu cầu cung ứng nữa rất dễ bị bỏ sót — đường chỉnh sửa của mô hình hợp nhất sử dụng một num_inference_steps là 40 trong phần khởi động nhanh và các giá trị mặc định của pipeline bao gồm use_kv_cache=True và true_cfg_scale=1.0. Đọc các giá trị mặc định đó trước khi tinh chỉnh bất cứ thứ gì sẽ giúp bạn tránh một vòng nhầm lẫn về lý do đầu ra thay đổi khi bạn tưởng mình chỉ thay đổi một thứ.

Chỉnh sửa một hình ảnh mà bạn đã chỉnh sửa rồi

Đây là phần chưa được chốt rõ nhất trên trang, và đáng để tách bạch những gì đã được tài liệu hóa với những gì chưa. Hai cơ chế được mô tả, và một trong số đó là câu trả lời của chính nhà cung cấp cho một sự cố.

• Hiệu chỉnh theo chuỗi được tài liệu hóa và là điều được mong đợi — phần hướng dẫn thư pháp trên thẻ gốc là một vòng lặp nhiều lượt, không phải một lần chạy duy nhất. Mô hình thất bại với chữ 稽 trong một bước, người đọc vẽ một khung chặt hơn quanh thành phần bị lỗi, và lượt tiếp theo sửa được nó. Thẻ trình bày điều này như cách làm dự định thay vì như một giải pháp tạm thời, và kết quả cuối cùng đạt được sau nhiều lượt liên tiếp trên cùng một hình ảnh. Nếu bạn đang chỉnh sửa một hình ảnh đã được chỉnh sửa, bạn đang làm đúng như những gì nhà cung cấp tài liệu hóa.

• Image drift là rủi ro được nêu đích danh trong checkpoint mới nhất — thẻ của 2511 mở đầu danh sách các cải tiến chính bằng "mitigate image drift", tức thuật ngữ của chính nhà cung cấp để chỉ sự thay đổi không mong muốn tích lũy dần qua các lượt. Tuyên bố đưa ra là 2511 giảm thiểu được nó; thẻ không định lượng mức giảm là bao nhiêu, và không có phép đo độc lập nào về drift qua một số lượt chỉnh sửa đã biết để dẫn chứng.

• Điều gì chưa được giải quyết — một lượt thứ ba hoặc thứ năm tiêu tốn bao nhiêu chất lượng, liệu độ trôi dạt tích lũy theo tuyến tính hay đạt mức bão hòa, và liệu lịch trình 8 bước của checkpoint turbo có trôi dạt khác với đường 40 bước hay không. Nhà cung cấp không công bố đường cong chất lượng theo từng lượt cho bất kỳ checkpoint nào trong cả hai dòng, và các bảng độc lập đo chỉnh sửa một lượt thay vì chuỗi. Cách hiểu thực tế là quy trình làm việc được nhà cung cấp ghi nhận là một chuỗi ngắn có giới hạn với một vùng được vẽ ở mỗi lượt, và không có gì được công bố ủng hộ việc coi một chuỗi dài các chỉnh sửa không được ghim là an toàn.

• Tái sử dụng ngữ cảnh tương tác với việc nối chuỗi — bộ nhớ đệm KV tiền tố của checkpoint turbo tái sử dụng ngữ cảnh văn bản và ảnh tham chiếu qua các bước khử nhiễu, và ví dụ chỉnh sửa của thẻ bật tính năng này. Đó là một tối ưu hoá trong cùng một lần gọi, không phải bộ nhớ xuyên suốt các lượt; không có gì trong thẻ cho thấy mô hình lưu giữ bất cứ thứ gì giữa các lần gọi riêng biệt. Mỗi lượt đều bắt đầu từ hình ảnh bạn đưa cho nó.

Điều gì chưa được giải quyết

Được giữ ngắn gọn, vì một trang tham chiếu che giấu các ranh giới của nó thì còn tệ hơn một trang chỉ ra chúng.

• "Qwen Image Edit 3" và "Qwen Image Edit 2512" là gì.Không tên nào trong hai tên này tương ứng với một kho lưu trữ trong danh sách của chính tổ chức mô hình, vì vậy trang này không thể nói chúng đặt tên cho thế hệ nào, hoặc liệu chúng có đặt tên cho một thế hệ nào hay không. Nếu một thế hệ chỉnh sửa sau này được xuất bản, nó sẽ xuất hiện trong danh sách đó và trang này sẽ sai cho đến khi được viết lại.

• Qwen Image Edit Max 2601 là gì. Một bảng độc lập chứa dòng này; không tồn tại kho lưu trữ nhà cung cấp nào tương ứng. Khoảng trống được báo cáo thay vì được lấp đầy.

• Liệu turbo có làm giảm độ trung thực khi chỉnh sửa. Không có tuyên bố nào từ nhà cung cấp, cũng không có đo lường độc lập.

• 2511 thực sự loại bỏ được bao nhiêu độ trôi. Nhà cung cấp tuyên bố có giảm và không định lượng điều đó.

• Tỷ lệ cho bất kỳ khả năng nào đã được ghi lại trong tài liệu. Mọi tuyên bố "hoạt động với X" trên trang này đều là thẻ của chính điểm kiểm tra đó, mô tả hành vi dự kiến trên các ví dụ được chọn. Không có phần nào trong đó là tỷ lệ thành công được đo lường, và không phần nào nên được đọc như thể là tỷ lệ đó.

Hành động tiếp theo của bạn là chọn một trong ba checkpoint hiện có, đọc thẻ của chính checkpoint đó trước khi bạn thay đổi bất cứ điều gì trong phần khởi động nhanh của nó, và đưa cho nó một ảnh nguồn có kích thước thỏa mãn kiểm tra tính chia hết của pipeline. Nếu lý do bạn đến đây là bạn muốn bắt đầu từ một ảnh của riêng mình và giữ lại càng nhiều càng tốt thay vì thay đổi nó, thì đó là một vấn đề liên quan có hướng dẫn riêng — trang image-to-image đề cập đến việc bắt đầu từ ảnh của riêng bạn và việc không có điều khiển strength nghĩa là gì đối với nó. Nếu thay vào đó bạn muốn mô hình hợp nhất mới hơn vì một bảng xếp hạng độc lập đặt nó trên toàn bộ dòng chỉnh sửa, thì checkpoint tăng tốc là cách rẻ để dùng thử nó trước khi bạn cam kết.