Qwen-Image-Edit：编辑线，逐个检查点

这是 Qwen-Image-Edit 系列的参考页面——它是指令遵循型图像编辑器，而不是与之同期构建的文本到图像生成器。该系列恰好有三个已发布的检查点：Qwen-Image-Edit，发布于 2025 年 8 月 17 日，基于 20B Qwen-Image 构建；Qwen-Image-Edit-2509，2025 年 9 月 22 日发布的月度迭代版本；Qwen-Image-Edit-2511，于 2025 年 12 月 17 日发布，是 2509 的增强版。本页面的一切都以这三者中最新的一版为中心，并且每次都会注明每条陈述对应的是哪个检查点。还有一件事需要预先说明，因为它是大多数人真正在问的问题的答案：Qwen-Image-2.1 是一个统一的文本到图像与图像编辑模型，带有 7B 视觉生成组件，而 Qwen-Image-2.1-Turbo 是同一模型的 8 步加速检查点版本。两者都不是编辑系列中的条目，而这一区别正是本页面存在的全部原因。

Qwen-Image 与 Qwen-Image-Edit 对比

如果你搜索过 Qwen-Image 与 Qwen-Image-Edit 之间的区别，那你其实是在问：摆在你面前的这两样东西，到底是哪一个。答案很干脆，也值得直截了当地说出来，因为两者并不能互换使用，而文件名也帮不了你分辨。

• Qwen-Image——一个文本到图像模型。你给它文字，它给你图片。它正是 Qwen-Image-Edit 所基于的模型。原始编辑检查点自己的卡片将其描述为“Qwen-Image 的图像编辑版本”，它构建在 20B 的 Qwen-Image 模型之上，也正因如此，它继承了 Qwen-Image 的文本渲染能力。

• Qwen-Image-Edit —— 一个图像到图像的模型。你交给它一张图片再加上一些文字，它就会还给你这张图片的修改版本。第一个检查点的卡片将其归入pipeline_tag: image-to-image之下。你无法凭空向它索要一张图片；源图像不是可选的。

• 让编辑与众不同的机制——生成器只有一条输入路径（文本），而编辑器有三条。原始检查点的模型卡描述了将输入图像同时送入 Qwen2.5-VL 进行视觉语义控制，并送入 VAE 编码器进行视觉外观控制。第二条路径正是文本到图像模型在结构上不具备的：编辑器不是用文字来了解你的图像，而是在查看你图像的潜在表示。

• 当两条线再次交汇 —— Qwen-Image-2.1 在自己的卡片上被描述为“一个统一的文本到图像生成与图像编辑模型”。这是对同一个问题给出的不同架构式回答：并非在生成器上外挂一个编辑检查点，而是一个模型同时完成两件事。它的编辑示例会向一个同样用于文本到图像的 pipeline 传入一个 image= 参数。如果你想弄清自己手上的是哪个系列，最快的线索就是检查点名称：名称位于 Qwen-Image-Edit… 系列的是编辑线，而名称位于 Qwen-Image-2.1… 系列的是统一模型。

这里没有任何内容是在两者之间做推荐。它们是针对不同问题的不同答案，而本页其余部分讲的是第一个。

指令遵循：它改变了什么，又保留了什么

这就是搜索需求显示人们实际在输入的那个问题，它值得一个直接的回答，而不是一份功能清单。诚实的答案有两半，而其中只有一半让人舒服。

先从模型设计本身所固有的那一半说起，因为它解释了大多数“它改得比我要求的多”这类反馈。最初的 Qwen-Image-Edit 模型卡在两种模式之间划出了一条界线，而其中只有一种承诺会保留任何内容。

• 外观编辑——添加、删除或修改特定元素等底层视觉操作。卡片本身的措辞是，这要求“图像的其他所有区域保持完全不变”。这种模式与大多数人所说的“编辑”相符。

• 语义编辑——诸如 IP 创建、物体旋转和风格迁移之类的高层级工作。而这里的卡片说的恰恰相反：它“允许整体像素发生变化，同时保持语义一致性”。厂商自己给出的一个示例是一只水豚吉祥物被重绘成多种风格；卡片就此指出，“编辑后图像中的大多数像素与输入图像中的像素不同”，但角色一致性得以保留。

第二种模式不是缺陷，这张卡也没有把它当作缺陷来呈现。但它正是为什么像“让这张图看起来像一部 Ghibli 电影”这样的请求，可以合理地返回一张与你的源图几乎不共享任何像素的图像。如果你只想让天空改变，那你要求的并不是语义编辑。要把这些理解为厂商报告的、关于预期行为的描述，而不是测量结果——卡片将其陈述为设计，并且没有任何一方公布过每种模式能兑现其承诺的比率。

接下来是不那么舒服的那一半。这条产品线自己的项目早就在其说明中承认了指令遵循问题。Qwen-Image 仓库针对原始检查点的说明标注日期为 2025 年 8 月 19 日，其中指出首个版本存在“性能不匹配”，并特别点名身份保持和指令遵循，引导用户使用更新后的 Diffusers 构建。这是厂商就自家模型作出的承认，几乎已经是关于指令遵循所能得到的最直接证据了——而且它针对的是 2025 年 8 月的检查点，不是 2511。

厂商自己给出的一个困难案例的完整示例，比任何宣称都更有启发性。在卡片上的链式编辑演示中，由 Qwen-Image 生成的一幅书法作品存在字符错误，编辑器被要求修正画出的红框内的「稽」和蓝框内的「亭」。卡片报告称，「稽」——一个生僻字——无法在单一步骤中被正确修正：其右下部件应为「旨」，返回结果却是「日」。只有在「日」所在区域周围再画一个紧贴的红框后，模型才生成正确的部件。由此可以得出两点，而厂商两点都说了：源图像上的边界框是一种真正的控制机制，并且单次带边界框的修正并不总是够用。这是厂商报告的一次失败，也是厂商在一个厂商选定的示例上报告的一次恢复，而这恰恰是此类证据应有的形态。

说明书将各卡片类别标注为可用，每一项均为厂商声明，而非实测结果：

• 具备保持能力的元素级编辑——在场景中添加一块招牌（原卡片指出，该模型还生成了与之匹配的倒影）、移除细小的发丝和小物体、为图像中的单个字母重新着色。

• 双语文本编辑——在图像中添加、删除和修改中英文文本，同时保留原始字体、字号和样式。2509 卡片将这一功能扩展到编辑字体类型、颜色和材质，而原始卡片展示的中文海报编辑可精细至细小繁复的文字。

• 身份与角色一致性—— 2509 的模型卡显示，面部身份保真度有所提升，支持姿态变换与人像风格；2511 的模型卡显示，在多人合影以及将两张独立的人物图像融合为一张连贯的合影方面取得了进一步增强。

• 新视角合成与物体旋转——原始卡片展示了 90 度和完整 180 度的物体旋转，明确将其归入语义编辑，即预期会出现整帧像素变化的情况。

• 产品相关工作——2509 的卡片介绍了从纯背景产品图生成产品海报，以及 logo 生成。2511 的卡片新增了批量工业产品设计与工业部件材质替换。

• ControlNet 式条件控制——2509 的模型卡片称其原生支持深度图、边缘图和关键点图以及草图，包括使用关键点图来改变人物的姿态。

• 指南要点——2509 的模型卡说明，多图编辑通过跨“人物 + 人物”“人物 + 产品”和“人物 + 场景”的图像拼接实现，并指出目前使用 1 至 3 张输入图像时可达到最佳效果。该上限是厂商给出的建议，而非硬性限制，且是针对 2509 而言的。

• 2511 中的更新功能——卡片列出了缓解图像漂移、将精选的热门社区 LoRA 直接集成到基础模型、增强工业设计生成，以及强化几何推理，并举例说明为设计标注生成辅助构造线。

检查点、名称，以及涡轮路径

这正是大量搜索流量出错的地方，所以值得精确对待。模型组织自己在 Hugging Face 上的列表在编辑系列中只有三个，而且仅有三个仓库。这是一个通过直接探测得出的否定性发现：那三个真实仓库可以解析，而同一系列中一组看起来合理的名称——包括 Qwen/Qwen-Image-Edit-2.1、-3.0、-3、-2512、-2601、-Plus、-Max，以及 Qwen/Qwen-Image-2.1-Edit 和 Qwen/Qwen-Image-Max-2512——在相同条件下都无法解析。无论这些名称指的是什么，它们都不是该模型组织自己发布的检查点，而本页不会猜测它们是什么。

现存的三个：

• Qwen-Image-Edit — 原始版本，2025年8月17日，Apache-2.0，归类为图像到图像。使用QwenImageEditPipeline加载。其自带的快速入门使用true_cfg_scale=4.0、negative_prompt=" " 和 num_inference_steps=50。

• Qwen-Image-Edit-2509 — 2025 年 9 月 22 日，Apache-2.0，其模型卡上描述为“Qwen-Image-Edit 的月度迭代版本”。加载时使用 QwenImageEditPlusPipeline；其快速开始使用 true_cfg_scale=4.0，num_inference_steps=40 和 guidance_scale=1.0。这是新增了多图像输入、更强的一致性工作以及原生 ControlNet 支持的检查点。

• Qwen-Image-Edit-2511 —— 2025 年 12 月 17 日，Apache-2.0，其模型卡将其描述为"Qwen-Image-Edit-2509 的增强版本，带来多项改进——尤其是一致性显著提升"。它同样可配合QwenImageEditPlusPipeline加载，采样设置与 2509 相同。如果你没有其他约束条件，这就是编辑系列中最新的一款检查点。

读者最可能拥有哪一个，取决于他们是在哪里接触到它的。任何使用托管式图像编辑功能的人，最有可能用的是 2511 或 2509。任何一年前拉取过某个检查点、之后一直没碰过它的人，最有可能用的还是最初版本；对他们而言，重要的差异在于 2509 新增的一致性以及多图像处理，而不是编辑工作方式发生了变化。

现在来说 turbo 的问题，之所以要精确表述，是因为这个名字容易引发错误的假设。Qwen-Image-2.1-Turbo并不是一个 turbo 编辑检查点。它的模型卡将其描述为“Qwen-Image-2.1 的加速检查点，用于文生图生成和图像编辑，仅需 8 步去噪”，采用相同的 7B 视觉生成架构，并可直接通过QwenImage21Pipeline加载。因此，编辑的加速路径就是统一模型的加速路径，它继承的是该模型的编辑行为，而非编辑产品线的编辑行为。

具体来说，turbo 改变了什么：

• 步数——8 步去噪，而统一模型的快速启动中为 40 步，编辑系列中则为 40 或 50 步。

• 引导 —— 生成默认使用 CFG=1，且前缀 KV 缓存会在各个去噪步骤之间复用文本和参考图像上下文。这种复用正是速度提升的很大一部分来源，而该卡片的编辑示例显式传入了 use_kv_cache=True。

• 该调度表会随检查点一同保存——卡片指出，推荐的 8 步采样调度表会随检查点一起保存并自动加载，而仅设置 num_inference_steps 并不会覆盖它。如果你设置了步数却发现没有任何变化，原因就在于此。调用时显式传入的 sigmas 参数则会覆盖已保存的调度表，卡片还补充说，其他调度表尚未针对该检查点进行评估。

• Fidelity — 该卡片并未针对统一模型对turbo检查点做出保真度声明，也没有可引用的独立测量来单独评估turbo的保真度。任何声称8步编辑与40步编辑在保真度上相同或不同的人，都超出了已发表内容的范围。该卡片确实记录的是采样变化以及架构保持相同的7B视觉组件，这正是值得测试而非假设的原因。

在相对质量方面，这些独立数据来自 Artificial Analysis 的图像编辑排行榜，这是第三方测评，而非厂商宣称，值得仔细研读，因为其中有两项并不像名称所暗示的那样。

• Qwen Image Edit Plus 2511 — 1021 Elo，±8，4,478 个样本，2025 年 11 月，开放权重。这是离散编辑系列中得分最高的条目。

• Qwen Image Edit Plus 2509 — 981 Elo，±7，7,390 个样本，2025 年 9 月，开放权重。

• Qwen Image Edit — 918 Elo，±7，7,415 个样本，2025 年 8 月，开放权重。这比同一榜单上的 2511 低了约 103 Elo，而这正是那项一致性工作所换来的差距大小。

• Qwen Image Edit Max 2601 — 1000 Elo，±8，5,036 个样本，在榜单上标注日期为 2026 年 1 月，闭源权重。该榜单列出了这一条目；但在模型组织自己的列表中并未出现与之匹配的仓库，因此无法依据一手资料确定这个检查点究竟是什么。此处仅将其作为某个独立榜单的一行记录加以报告，仅此而已。

• Qwen-Image-2.1 — 1074 Elo，±9，5,536 个样本，开放权重，比最佳编辑检查点高出约 53 Elo。请注意，榜单将本条目的日期标注为 2026 年 9 月，并补充道“暂无可用 API”。对于任何正在决定该运行什么的人来说，一个统一模型得分超过专门的编辑模型系列，是这一页上最有用的单一事实，而且这是一项独立测量结果，而非厂商宣称。

同一个页面还列出了其中若干条目的每千张图片 API 成本，而本页面刻意不予收录：这些数字会变动，它们是论坛报告而非厂商发布的，而依据今日数字采取行动的读者，会希望到源头去查看。

你需要提供的内容

编辑器的输入要求往往是大多数失败运行的决定性因素，而规范在一个方向上比人们预想的更为宽容，在另一个方向上则更为严苛。

• 源图像是必需的，它就是全部输入——没有纯文本模式。原始检查点的卡片会先将其实例转换为 RGB 再传递；统一模型的 turbo 卡片会加载其实例并转换为 RGBA，这一点很重要，因为 Qwen-Image-2.1 能原生生成和编辑透明图像。

• 无蒙版编辑是统一模型中有文档记录的路径——Qwen-Image-2.1 的模型卡说明，局部编辑可以通过圆圈、涂抹标注或单独的蒙版来指定，并且该模型最多支持 10 张参考图像。通过圆圈和涂抹标注实现的无蒙版方式正是模型卡首要介绍的一种；正因如此，你可以在普通图像编辑器中标记某个区域，而无需生成蒙版文件。

• 遮罩编辑作为一条独立的流水线存在——一条独立的修补流水线会在mask_image、masked_image_latents和padding_mask_crop之外，同时暴露一个默认为strength的参数0.6。如果你曾花时间在编辑检查点上寻找强度滑块却一无所获，原因就在于此：编辑系列自己的流水线并不接受该参数，而统一模型的编辑示例在传入提示词和图像时根本没有提供任何 strength 参数。

• 源分辨率是受约束的，而且这个约束是算术层面的——原始流水线和增强流水线都会校验高度能否被 VAE 缩放因子的两倍整除。在统一模型的流水线上，VAE 缩放因子为 16，校验会提示应能被 32 整除，默认的 output_resolution 为 1024。直接把任意照片尺寸传进去，是导致硬性失败（而非编辑效果不佳）的常见原因之一。

• 原生高分辨率预设确实存在，而且都是具体数字——统一模型及其 turbo 检查点发布了相同的七种预设：2048×2048 的 1:1、2400×1792 的 4:3、1792×2400 的 3:4、2528×1696 的 3:2、1696×2528 的 2:3、2752×1536 的 16:9 以及 1536×2752 的 9:16。turbo 卡片的文生图示例使用 1696×2528 竖版预设，其编辑示例使用 2048×2048。

• 多图输入有一个有据可查的最佳区间——2509 最多 3 张图片，统一模型最多 10 个参考图。超出厂商文档所述的范围并不被禁止，但没有任何公开资料说明这样做会发生什么。

• 还有一项容易被忽略的供给要求——统一模型在其快速开始中的编辑路径会将 num_inference_steps 设为 40，且其 pipeline 默认值包括 use_kv_cache=True 和 true_cfg_scale=1.0。在调整任何东西之前先读一读这些默认值，能帮你省去一轮困惑：为什么你以为自己只改了一处，输出却变了。

编辑已编辑过的图像

这是页面上最没有定论的部分，值得区分哪些是有记录的、哪些不是。其中描述了两个机制，而其中之一是供应商自己对某种故障的解决方案。

• 链式纠错有文档记载，且符合预期——原卡片上的书法演示是一个多轮循环，而非一次通过。模型在一步中对“稽”字识别失败，读者在出错的部件上画出更紧的框，下一轮便将其修正。卡片将此呈现为预期的工作方式，而非变通手段，最终结果是在同一张图像上经过连续多轮才达成的。如果你在编辑一张已被编辑过的图像，那你做的正是厂商文档所记载的做法。

• 图像漂移是最新检查点中被点名的风险——2511 的模型卡在其关键改进列表的开头列出的就是“缓解图像漂移”，这是厂商自己对跨轮次不断累积的不必要变化的叫法。其宣称是 2511 能减少这种情况；但模型卡没有量化能减少多少，也没有可引用的、针对已知编辑轮数内漂移的独立测量。

• 尚未确定的问题——第三轮或第五轮会付出多少质量代价，漂移是线性累积还是趋于平缓，以及 turbo 检查点的 8 步调度是否与 40 步路径的漂移方式不同。供应商没有为任一产品线中的任何检查点发布逐轮质量曲线，而独立评测榜单衡量的是单次编辑，而非链式编辑。实际解读是：供应商文档所述的工作流程是一个有界限的短链，每一轮都划定区域；而没有任何公开资料支持将一长串未固定编辑的链条视为安全。

• 上下文复用会与链式调用相互作用——turbo checkpoint 的前缀 KV 缓存会在各个去噪步骤之间复用文本和参考图像上下文，而卡片中的编辑示例正是开启了这一功能。这是一种调用内的优化，而非跨轮次的记忆；卡片中没有任何内容表明模型会在不同调用之间保留任何信息。每一轮都从你交给它的图像开始。

什么尚未确定

保持简短，因为一个隐藏其边界的参考页面比一个指出边界的页面更糟。

• “Qwen Image Edit 3”和“Qwen Image Edit 2512”分别是什么。这两个名称都无法在模型所属组织自己的列表中对应到任何仓库，因此本页面无法说明它们指的是哪一代，也无法说明它们究竟是否指代某一代。如果之后发布了更新一代的编辑模型，它就会出现在该列表中，而在本页面被重写之前，它都将是错误的。

• Qwen Image Edit Max 2601 是什么。一个独立榜单承载该行；不存在与之匹配的供应商仓库。该缺口是被报告出来的，而非被填补的。

• turbo 是否以编辑保真度为代价。没有厂商声明，也没有独立测量。

• 2511 实际能消除多少漂移。厂商声称有所减少，但并未量化。

• 任何已记录能力的比率。本页面上每一句“适用于 X”的表述，都是该检查点自行给出的卡片，描述其在选定示例上的预期行为。其中没有一项是实测成功率，也都不应被当作实测成功率来解读。

你的下一步行动是从现有的三个检查点中选一个，在更改其快速入门中的任何内容之前，先阅读该检查点自己的卡片，并交给它一张尺寸满足流水线整除性检查的源图像。如果你来这里的原因是想要从自己的图像开始，并尽可能保留它而不是改变它，那是一个相关的问题，有它自己的操作指南——图生图页面涵盖了从你自己的图像开始，以及缺少强度控制对它意味着什么。如果你反而想要更新的统一模型，因为某个独立排行榜把它排在整个编辑系列之上，那么加速版检查点就是在你正式投入之前试用它的一种低成本方式。