Qwen-Image-Edit：編輯線，逐個檢查點

這是Qwen-Image-Edit系列的參考頁面——遵循指令的圖像編輯器，而非與其一同打造的文生圖生成器。該系列確切有三個已發布的檢查點：Qwen-Image-Edit，於 2025 年 8 月 17 日發布，並以 20B Qwen-Image 為基礎；Qwen-Image-Edit-2509，為 2025 年 9 月 22 日發布的每月迭代版本；以及Qwen-Image-Edit-2511，於 2025 年 12 月 17 日發布，為 2509 的增強版本。本頁所有內容都以這三者中最新的版本為中心，並且每一次都會說明各項陳述所指的是哪個檢查點。還有一件事必須先說明，因為它是大多數人實際上所問問題的答案：Qwen-Image-2.1是一個統一的文生圖與圖像編輯模型，具有 7B 視覺生成元件，而Qwen-Image-2.1-Turbo是同一個模型，以 8 步加速檢查點的形式呈現。兩者都不是編輯系列中的項目，而這項區別正是本頁存在的全部原因。

Qwen-Image 對比 Qwen-Image-Edit

如果你搜尋的是 Qwen-Image 與 Qwen-Image-Edit 之間的差異，那你其實是在問，眼前這兩者之中你手上的是哪一個。答案很明確，而且值得直截了當地說清楚，因為這兩者不能互換，而檔案名稱也無法讓你分辨它們。

• Qwen-Image — 一個文字轉圖像模型。你給它文字，它給你圖片。它是 Qwen-Image-Edit 所建構於其上的模型。原始編輯檢查點自己的卡片將其描述為「Qwen-Image 的圖像編輯版本」，建構於 20B Qwen-Image 模型之上，這就是它繼承 Qwen-Image 文字渲染的方式。

• Qwen-Image-Edit — 一款圖像到圖像的模型。你交給它一張圖片加上文字，它就會回傳那張圖片的修改版本。第一個檢查點的卡片將它歸類於 pipeline_tag: image-to-image。你不能憑空向它要一張圖片；來源圖像並非可有可無。

• 讓編輯之所以與眾不同的機制 —— 生成器只有一條輸入路徑（文字），編輯器卻有三條。原始檢查點的說明卡描述將輸入影像同時餵入 Qwen2.5-VL 以進行視覺語意控制，並餵入 VAE 編碼器以進行視覺外觀控制。第二條路徑正是文字轉圖像模型在結構上所沒有的：編輯器不是用文字被告知你的影像，而是直接檢視你影像的潛在表徵。

• 兩條路線再次交會之處 —— Qwen-Image-2.1 在自己的說明卡上被描述為「統一的文字生圖與圖像編輯模型」。這是對同一個問題的另一種架構解答：與其把編輯檢查點硬加在生成器上，不如由單一模型同時負責兩者。它的編輯範例會把 image= 參數傳給你同樣用來做文字生圖的管線。如果你想弄清楚自己手上的是哪個系列，最快的判斷依據就是檢查點名稱：Qwen-Image-Edit… 系列的名稱屬於編輯路線，而 Qwen-Image-2.1… 系列的名稱則是統一模型。

這裡並沒有在兩者之間做出推薦的意思。它們是針對不同問題的不同答案，而本頁其餘部分要談的是第一個。

指令遵循：它改變了什麼，以及它維持原狀的部分

這是搜尋需求顯示人們實際上正在輸入的問題，它值得一個直接的回答，而不是一份功能清單。誠實的答案有兩半，而其中只有一半是令人自在的。

先從模型設計中內建的那一半說起，因為它解釋了大多數「它改得比我要求的更多」這類回報。原始的 Qwen-Image-Edit 模型卡在兩種模式之間劃出一條界線，而其中只有一種承諾會保留任何內容。

• 外觀編輯 —— 低層次的視覺作業，例如新增、移除或修改特定元素。卡片本身的措辭是，這要求「影像的所有其他區域必須保持完全不變」。這正是大多數人所說的編輯時所指的模式。

• 語意編輯——諸如 IP 建立、物件旋轉與風格轉移等高層次作業。這裡卡片說的卻相反：它「允許整體像素變更，同時維持語意一致性」。供應商自己提供的實作範例，是一隻以多種風格重新繪製的水豚吉祥物；卡片在其中指出，「編輯後影像中的大多數像素都與輸入影像中的不同」，同時仍保留角色一致性。

第二種模式並不是錯誤，而卡片也沒有把它當成錯誤來呈現。但這正是為什麼像「讓這個看起來像一部 Ghibli 電影」這樣的請求，可以合理地回傳一張與你的來源幾乎沒有任何像素重疊的影像。如果你只想改變天空，那你要求的並不是語意編輯。請把這些當成供應商自行回報的預期行為描述，而不是實測數據——卡片將它們陳述為設計，且沒有任何一方公布過各模式兌現其承諾的比率。

現在來談比較令人不自在的那一半。該產品線自身的專案早就在自己的筆記中承認了指令遵循的問題。Qwen-Image 儲存庫針對原始檢查點的筆記，日期為 2025 年 8 月 19 日，指出首個版本存在「效能偏差」，並特別點出身分保留與指令遵循，指引使用者改用更新後的 Diffusers 版本。這是廠商自行回報、關於自家模型的坦承，就指令遵循的證據而言，這幾乎是最直接不過的了——而且這講的是 2025 年 8 月的檢查點，不是 2511。

廠商自己針對棘手案例提供的完整範例，比任何宣稱都更具啟發性。在原卡片的連鎖編輯逐步操作示範中，一張由 Qwen-Image 生成的書法作品含有文字錯誤，而編輯器被要求修正畫在紅框內的「稽」以及藍框內的「亭」。卡片指出，「稽」——一個冷僻字——無法在單一步驟中被正確修正：右下部件應為「旨」，卻回傳成「日」。唯有在「日」的區域周圍再緊密畫出一個紅框後，模型才產生正確的部件。由此可得出兩件事，而廠商兩者都明說了：來源影像上的邊界框是一項真實的控制機制，而且一次有界修正步驟並不總是足夠。這是廠商回報的失敗，也是廠商回報的修復，且發生在廠商自行挑選的範例上，而這正是這類證據應有的樣貌。

將卡片文件歸類為可運作，每項皆為供應商宣稱而非實測結果：

• 保留原貌的元素級編輯——在場景中加入招牌（原始卡片指出模型也生成了相符的倒影）、移除細微髮絲與小型物件、為影像中的單一字母重新上色。

• 雙語文字編輯 — 在影像中新增、刪除及修改中英文文字，同時保留原始字型、大小與樣式。2509 卡片將此延伸至字型類型、顏色與材質的編輯，而原始卡片則展示中文海報編輯，可細至微小而繁複的文字。

• 身分與角色一致性——2509 的說明卡指出，其改善了臉部身分保留，支援姿勢轉換與肖像風格；2511 的說明卡則指出，在多人群組合照，以及將兩張不同的人物影像融合成一張連貫團體照方面，有進一步的提升。

• 新視角合成與物件旋轉 — 原始卡片展示了 90 度與完整的 180 度物件旋轉，明確地將其歸類於語意編輯，而在此類編輯中，全幀像素變化是可預期的。

• 產品工作 — 2509 的卡片說明可從純背景產品圖片生成產品海報，另加上標誌生成。2511 的卡片則新增了工業元件的批次工業產品設計與材質替換。

• ControlNet 風格的條件控制 — 2509 的模型卡指出原生支援深度、邊緣與關鍵點圖以及草圖，包括利用關鍵點圖來改變人物姿勢。

• 指南要點 —— 2509 的模型卡指出，多圖編輯是透過跨「人物＋人物」、「人物＋產品」與「人物＋場景」的圖像拼接來運作，並表示目前以 1 至 3 張輸入圖像可達到最佳效能。該上限是供應商指引，並非硬性限制，且是針對 2509 所述。

• 2511 的新增功能 — 此卡片列出以下項目：緩解圖像漂移、將精選的熱門社群 LoRA 直接整合至基礎模型、強化的工業設計生成，以及增強的幾何推理能力，並附有為設計標註生成輔助建構線的範例。

檢查點、名稱，以及 turbo 路徑

這裡正是大量搜尋流量出錯的地方，所以值得精確說明。該模型所屬組織在 Hugging Face 上的自家列表中，edit 系列包含三個——而且僅有三個——儲存庫。這是一項經直接探測確認的否定性結果：三個真實的儲存庫都能解析，而同一系列中一組看似合理的名稱——包括Qwen/Qwen-Image-Edit-2.1、-3.0、-3、-2512、-2601、-Plus、-Max，以及Qwen/Qwen-Image-2.1-Edit與Qwen/Qwen-Image-Max-2512兩者——在相同條件下都無法解析。無論那些名稱所指為何，它們都不是該模型所屬組織發佈的檢查點，而本頁不會猜測它們是什麼。

存在的三個：

• Qwen-Image-Edit — 最初的版本，2025年8月17日，Apache-2.0，以圖像到圖像形式歸檔。載入時使用 QwenImageEditPipeline。其自身的快速入門使用 true_cfg_scale=4.0、negative_prompt=" "以及num_inference_steps=50。

• Qwen-Image-Edit-2509 — 2025 年 9 月 22 日，Apache-2.0，其卡片上描述為「Qwen-Image-Edit 的每月迭代版本」。以 QwenImageEditPlusPipeline 載入；其快速入門使用 true_cfg_scale=4.0、num_inference_steps=40 與 guidance_scale=1.0。這是加入多圖輸入、更強化的一致性處理，以及原生 ControlNet 支援的檢查點。

• Qwen-Image-Edit-2511—— 2025 年 12 月 17 日，Apache-2.0，在其模型卡上被描述為「Qwen-Image-Edit-2509 的增強版本，具備多項改進——尤其是明顯更佳的一致性」。它也會搭配 QwenImageEditPlusPipeline 載入，取樣設定與 2509 相同。如果你沒有其他限制，這是編輯系列中最新的檢查點。

讀者最可能擁有哪個版本，取決於他們是在哪裡接觸到它。任何使用託管影像編輯功能的人，最可能用的是 2511 或 2509。一年前拉取過檢查點、之後就沒再動過的人，最可能還在用原始版本；對他們來說，真正有差的差異是 2509 新增的一致性與多圖作業，而不是編輯運作方式的改變。

現在來談 turbo 的問題，而且必須精確說明，因為這個名稱容易引人做出錯誤的假設。Qwen-Image-2.1-Turbo並不是 turbo 編輯檢查點。它的卡片將它描述為「Qwen-Image-2.1 的加速檢查點，用於文字轉圖像生成與圖像編輯，只需 8 個去噪步驟」，採用相同的 7B 視覺生成架構，並可直接以QwenImage21Pipeline載入。因此，編輯的加速路徑就是這個統一模型的加速路徑，它繼承的是該模型的編輯行為，而不是編輯系列的行為。

Turbo 具體改變了什麼：

• 步數 — 8 個去雜訊步驟，相較於統一模型快速入門的 40 步，以及編輯系列中的 40 或 50 步。

• 引導 — 生成預設使用 CFG=1，而前綴 KV 快取會在去雜訊步驟之間重複使用文字與參考影像的脈絡。這種重複使用正是加速的一大來源，而該卡片的編輯範例會傳入 use_kv_cache=True，而且是明確傳入的。

• 排程會隨檢查點一併儲存 — 卡片指出，建議的 8 步取樣排程會隨檢查點一併儲存並自動載入，而僅設定 num_inference_steps 並不會覆寫它。如果你設定了步數卻發現沒有變化，原因就在這裡。呼叫時明確傳入 sigmas 引數則會覆寫已儲存的排程，卡片並補充說明，尚未針對此檢查點評估其他排程。

• 保真度 — 模型卡並未針對 turbo 檢查點相較於統一模型提出保真度宣稱，也沒有可引用的獨立量測能單獨分離出 turbo 的編輯保真度。任何人告訴你 8 步編輯與 40 步編輯一樣保真、或不一樣保真，都超出了已發表的內容。模型卡確實記載的是取樣方式的改變，以及架構仍維持相同的 7B 視覺元件，這正是值得實測而非逕行假設的原因。

就相對品質而言，這些獨立數據來自 Artificial Analysis 的圖像編輯排行榜；這是第三方量測，而非廠商宣稱，而且值得仔細閱讀，因為其中兩項並非名稱所暗示的那樣。

• Qwen Image Edit Plus 2511 — 1021 Elo，±8，4,478 個樣本，2025 年 11 月，開放權重。這是離散編輯產品線中得分最高的項目。

• Qwen Image Edit Plus 2509 — 981 Elo、±7、7,390 個樣本，2025 年 9 月，開放權重。

• Qwen Image Edit — 918 Elo，±7，7,415 個樣本，2025 年 8 月，開放權重。這大約比同一排行榜上的 2511 低了 103 Elo，而這正是那項一致性工作所換來的差距幅度。

• Qwen Image Edit Max 2601 — 1000 Elo，±8，5,036 個樣本，於排行榜上標示日期為 2026 年 1 月，封閉權重。該排行榜列出了此條目；在模型組織自身的清單中並未出現相符的儲存庫，因此無法從第一手資料確認這個檢查點究竟是什麼。此處僅將其作為獨立排行榜的一列資料呈現，別無其他。

• Qwen-Image-2.1 — 1074 Elo，±9，5,536 個樣本，開放權重，比最佳編輯檢查點高出約 53 Elo。請注意，排行榜將此項目的日期標為 2026 年 9 月，並註明「無 API 可用」。一個統一模型能勝過專門的編輯系列，對任何正在決定要跑什麼的人來說，是這頁上最有用的一項事實，而且這是獨立測量結果，而非廠商說法。

同一頁面也列出了其中幾筆項目的每 1,000 張影像 API 成本，而本頁刻意不刊載這些數字：它們會變動、是由看板回報而非供應商發布，而且讀者若依據今天的數字採取行動，會想直接閱讀原始出處。

你必須提供什麼

編輯器的輸入要求，正是大多數失敗執行成敗的關鍵；而規格書在某一方面比人們預期得更寬容，在另一方面卻又更嚴格。

• 來源圖片是必要的，而且它就是完整的輸入——沒有純文字模式。原始檢查點的卡片會先將其範例轉換為 RGB 再傳入；統一模型的 turbo 卡片則會載入其範例並轉換為 RGBA，這點很重要，因為 Qwen-Image-2.1 能原生生成與編輯透明圖片。

• 免遮罩編輯是統一模型中明文記載的作業方式——Qwen-Image-2.1 的模型卡指出，局部編輯可透過圈選、塗繪標註或獨立遮罩來指定，且該模型支援最多 10 張參考影像。模型卡率先介紹的，正是透過圈選與塗繪標註的免遮罩途徑；這正是你可以在一般影像編輯器中標記出某個區域，而不必製作遮罩檔案的原因。

• 遮罩編輯存在於一個獨立的管線——一個獨立的 inpaint 管線會暴露mask_image、masked_image_latents 與 padding_mask_crop，以及一個 strength 參數，其預設值為 0.6。如果你曾花時間在 edit 檢查點上尋找 strength 滑桿卻找不到，這就是原因：edit 系列自己的管線不接受這個參數，而統一模型的編輯範例傳入提示詞和圖片時完全沒有 strength 引數。

• 來源解析度受到限制，而這項限制是算術性的——無論是原始管線還是 plus 管線，都會驗證高度能否被 VAE 縮放係數的兩倍整除。在統一模型的管線中，VAE 縮放係數為 16，而檢查會提示應能被 32 整除，預設的 output_resolution 為 1024。直接傳入任意照片尺寸，是導致硬性失敗而非編輯品質不佳的常見原因之一。

• 原生高解析度預設集確實存在，而且都是具體的數字——統一模型與其 turbo checkpoint 發布了相同的七組預設：1:1 為 2048×2048、4:3 為 2400×1792、3:4 為 1792×2400、3:2 為 2528×1696、2:3 為 1696×2528、16:9 為 2752×1536，以及 9:16 為 1536×2752。turbo 卡的文字轉圖像範例採用 1696×2528 的直向預設，其編輯範例則採用 2048×2048。

• 多圖輸入有官方文件記載的最佳適用範圍——2509 最多 3 張圖片，統一模型最多 10 個參照。超出廠商文件所載的範圍並不代表禁止，但沒有任何公開資料說明這麼做會發生什麼情況。

• 還有一項容易漏掉的供應需求 —— 統一模型的編輯路徑在其快速入門中會採用 num_inference_steps 為 40，且其管線預設值包含 use_kv_cache=True 與 true_cfg_scale=1.0。在任何調整之前先閱讀那些預設值，將能省下一輪困惑：當你以為自己只改了一件事時，輸出為何會改變。

編輯您已經編輯過的圖片

這是頁面上最沒有定論的部分，值得把已有文件記載的內容與尚未記載的內容分開來看。文中描述了兩種機制，而其中一種是廠商針對某項故障自行提出的解決方案。

• 鏈式修正是有文件記載且預期中的做法 — 原始卡片上的書法逐步操作指南是一個多輪迴圈，而非單次執行。模型在某一步驟中對「稽」辨識失敗，讀者針對失敗的部件畫出更緊密的方框，下一輪就能修正。卡片將此呈現為預定的工作方式，而非變通做法，最終結果是在同一張影像上經過數次連續輪次後達成。如果你正在編輯一張已經編輯過的影像，你做的就是廠商文件所記載的事。

• 影像漂移是最新檢查點中被點名的風險——2511 的說明卡片在關鍵增強功能清單中，以「減輕影像漂移」領銜，這是廠商自己對跨回合累積非預期變化的說法。其宣稱是 2511 能減少；但卡片並未量化減少多少，也沒有任何針對已知編輯回合數的獨立漂移量測可供引用。

• 尚未確定的是——第三或第五輪會付出多少品質代價、漂移是線性累積還是趨於平穩，以及 turbo 檢查點的 8 步排程是否與 40 步路徑有不同的漂移表現。廠商並未針對任一系列中的任何檢查點公布逐輪品質曲線，而獨立評測榜衡量的是單次編輯，而非鏈式編輯。實際解讀是：廠商記載的工作流程是一條短且有界的鏈，每一輪都有一個繪製區域，且沒有任何已發布資料支持將一長串未固定的編輯視為安全。

• 上下文重用與串接會相互影響——turbo checkpoint 的前綴 KV 快取會在去雜訊步驟之間重複使用文字與參考影像的上下文，而該卡片的編輯範例會將它開啟。那是單次呼叫內的優化，而非跨回合的記憶；卡片中沒有任何內容顯示模型會在個別呼叫之間保留任何東西。每個回合都會從你交給它的影像開始。

什麼尚未確定？

之所以保持簡短，是因為一個隱藏自身邊界的參考頁面，比一個會指出這些邊界的參考頁面更糟。

• 「Qwen Image Edit 3」與「Qwen Image Edit 2512」是什麼。在模型組織自己的清單中，這兩個名稱都無法對應到任何儲存庫，因此本頁無法說明它們指的是哪一代，也無法說明它們究竟是否指涉任何一代。如果之後發布了較新的編輯世代，它會出現在該清單中，而在本頁改寫之前，本頁都會是錯誤的。

• Qwen Image Edit Max 2601 是什麼。獨立看板承載該列；沒有相符的廠商存放庫。此缺口會被回報，而非填補。

• turbo 是否會犧牲編輯保真度。沒有廠商聲明，也沒有獨立量測。

• 2511 實際上能消除多少漂移。供應商聲稱能減少，但並未量化。

• 任何已記載能力的比率。本頁上每一句「對 X 有效」的陳述，都是該檢查點自身的說明卡，用來描述其在選定範例上的預期行為。這些全都不是實測的成功率，也全都不應被當成成功率來解讀。

你的下一個動作是從現存的三個 checkpoint 中挑一個，在變更其快速入門中的任何內容之前，先閱讀該 checkpoint 自己的卡片，並交給它一張尺寸能通過管線可整除性檢查的來源影像。如果你來這裡的原因是想要從你自己的影像開始，並盡可能保留它而非修改它，那是另一個相關問題，有它自己的逐步解說——圖生圖頁面涵蓋了從你自己的影像開始，以及缺少強度控制對它意味著什麼。反之，如果你想要較新的統一模型，因為某個獨立排行榜把它排在整個編輯系列之上，那麼加速版 checkpoint 就是你在正式投入前先試用的低成本方式。