Doteď sis na vlastní grafice musel držet dva modely. Jeden na kreslení, druhý na úpravy — dvě sady vah, dvoje LoRA, dvě workflow a mezi nimi přehazování souborů. Kdo si vyrobil obrázek a chtěl na něm pak něco změnit, přecházel z jednoho modelu do druhého a rukopis se mu po cestě měnil.
Qwen-Image-2.1, vydaný 20. září 2026, tohle dělení ruší. Jeden model kreslí i upravuje, umí nativní 2K i průhledné pozadí a vejde se na kartu, kterou máš doma v počítači. Je to zatím nejvýraznější posun, jaký lokální práce s obrázky udělala.
Sedm miliard, které umí obojí
Vizuální část má 7 miliard parametrů. Předchozí Qwen-Image jich měl dvacet a uměl přitom jen jednu z těch dvou věcí. Není to novější verze téhož, je to jiná stavba:
- Qwen-Image: 60 vrstev, 24 pozornostních hlav, šířka 3072
- Qwen-Image-2.1: 32 vrstev, 32 hlav, šířka 4096
Míň vrstev, zato širší. Menší model, který zvládne víc — a přesně díky tomu se vejde tam, kam se ten dvacetimiliardový nevešel.
Co model umí
Nativní 2K. Ne dogenerované zvětšení, ale rozlišení, na které je model stavěný.
Skutečné průhledné pozadí. Alfa kanál přímo z modelu, ne vystříhaná maska — hrany vlasů vypadají jako hrany vlasů. Produktová fotka nebo postava k okamžitému použití, bez kola v editoru.
Až deset referenčních obrázků v jednom běhu, adresovaných v zadání jako <image1> až <image10>. Můžeš napsat „vezmi bundu z druhé fotky a obleč ji člověku z první" a model ví, o čem mluvíš. Drží přitom identitu lidí i podobu produktů.
První vstupní obrázek je ten upravovaný a zároveň určuje velikost a poměr stran výstupu. Je to záměr — jakýkoli jiný rozměr by úpravu posunul — takže výsledek ti sedne na předlohu bez dalšího nastavování.
Co to chce a jak to rozjet
Tři soubory, dohromady 17,3 GB: samotný model (7,26 GB), textový enkodér (9,35 GB) a VAE (0,68 GB). Kvantovaná varianta int8 je přesně to, co z tohohle modelu dělá domácí záležitost — v plné přesnosti by ty dva velké daly 31,8 GB.
Z programového vybavení stačí ComfyUI 0.37.0 nebo novější a nic se nedoinstalovává — všechno, co model potřebuje, je v něm rovnou.
Soubory nakopíruješ do složek s modely, enkodéry a VAE a otevřeš oficiální předlohu: v nabídce šablon je jako Image Edit (Qwen Image 2.1) a Text to Image (Qwen Image 2.1). Obě stojí na týchž třech souborech, takže mezi kreslením a úpravou přepínáš jen výběrem předlohy. Zapojovat nic dalšího nemusíš.
Nastavení, které rozhoduje
Předloha jede na 25 krocích a CFG 1. Stojí za to vědět, že CFG 1 tu neznamená totéž co jinde: u většiny modelů se na ní prompt prakticky neuplatní, tenhle je na ni stavěný a zadání na ní drží. Zvedat ji nepotřebuješ a negativní prompt můžeš nechat prázdný.
Osahat stojí za to dvě věci:
- Velikost, na kterou se přepočítají předlohy. Určuje zároveň velikost výsledku: 1024 je vyvážený výchozí stav, 2048 dá 2K, nula nechá každou fotku v její vlastní velikosti.
- Kam se ukládá sdílená paměť modelu. Když je VRAM těsná, tohle je první páčka, po které sáhnout — přepnutí na int8 ji zmenší na polovinu při zhruba stejné kvalitě.
Přepisovače promptu od Qwenu
Qwen k modelu vydal dva vlastní přepisovače zadání: PE-I2I pro úpravy a PE-T2I pro generování. Jsou to doladěné Qwen3.5-VL 9B, každý 9,47 GB. Napíšeš pár slov a dostaneš dlouhý přesný prompt v tom tvaru, kterému model rozumí nejlíp; u úprav se přepisovač navíc podívá na přiložené fotky, takže ví, co na nich je.
Zadání smí být v libovolném jazyce včetně češtiny — popis napíše anglicky. Jen piš s diakritikou; bez háčků si českou větu občas přebere po svém.
Jsou to samostatné modely, takže k nim potřebuješ místo navíc a zapojit si je musíš sám — oficiální předloha pro ně zatím nevyšla. Ve výchozím nastavení si model před odpovědí píše dlouhou vnitřní rozvahu; na domácí grafice se vyplatí ji vypnout. Přepis pak na RTX 4060 Ti trvá kolem patnácti vteřin.
Zajímavost: krotí to přepisovač, ne model
Když ti model něco nenakreslí, obvykle to nemá v trénovacích datech. Nejvíc je to znát na FLUXu: anatomii a nahotu v nich nemá, takže je bez LoRA doučené přesně na tohle nenamaluje, ať zadání napíšeš jakkoli.
Qwen Image 2.1 tuhle díru nemá. Váhy, které kreslí, jsou výrazně volnější a na běžnou anatomii žádnou LoRA nepotřebují. Filtr sedí o patro výš — v jazykovém modelu, který ti z pár slov skládá prompt. A ten se dá vyměnit, na rozdíl od vah.
Stojí to za zmínku, i když tě akty nezajímají. Znamená to totiž, že když model něco neudělá, je to obvykle otázka zadání, a ne hranice zazděné natvrdo do souboru.
Když chceš přepisovač bez cenzury
Přepisovač od Qwenu je cenzurovaný a dělá to potichu: neodmítne, jen zadání přeformuluje tak, aby bylo krotší. Vyzkoušel jsem to na aktu a popis, který se vrátil, měl postavu oblečenou.
Nástroj má napsat, co jsem zadal, ne to potichu měnit. Podstatné je, že ta bariéra sedí v jazykovém modelu, ne ve vahách, které kreslí — samotný obrázkový model je výrazně volnější. A přepisovač je jen pomocník, který ti formuluje větu, takže se dá vyměnit.
Zapojil jsem si místo něj odblokovaný Qwen3-VL-8B — model kolem 6 GB, ze kterého je ta krotící vrstva odstraněná. Pravidla, jak má prompt vypadat, mu napíšeš do systémového promptu sám, a pak nepřepisuje nic. Odpověď má kolem osmi vteřin.
Navíc ten model vidí. Je to Qwen3-VL, takže mu stačí dodat zvláštní soubor, který k němu patří, a prohlédne si tvoje fotky stejně jako přepisovač od Qwenu — jen bez toho krocení. S viděním trvá odpověď kolem třiceti vteřin.
LoRA
LoRA určené pro starší Qwen-Image na 2.1 nesednou. Je to jiná architektura. Nové se teprve objeví.
Licence: nekomerčně volně, komerčně po dohodě
Předchozí Qwen-Image i Qwen-Image-Edit 2511 vyšly pod Apache 2.0. U 2.1 Qwen přitvrdil: váhy jsou pod Qwen Research License Agreement a „nekomerční" je tam definované úzce: pouze pro výzkum a vyhodnocování.
Co licence dovoluje:
- používat, kopírovat, upravovat a šířit váhy — nekomerčně, celosvětově a bez poplatku
- vlastnit své úpravy a odvozená díla, dokud dodržuješ podmínky
- šířit je i jako součást produktu, s přiloženou kopií licence, označením změněných souborů a předepsanou větou o autorství v textovém souboru „Notice“
Co licence chce navíc:
- trénuješ-li z výstupů vlastní model a šíříš ho, uveď v dokumentaci viditelně „Built with Qwen" nebo „Improved using Qwen"
- slovo Qwen nesmí být hlavní název tvého produktu; popisné „fine-tuned from Qwen Image" je v pořádku
- platí vývozní omezení Číny, USA a dalších zemí
Obrázky, které vygeneruješ, licence neřeší. „Materials“ jsou v ní definované jako model a dokumentace — výstupy do téhle definice nepatří. Qwen to 21. září veřejně potvrdil: práva k obrázkům a dalšímu obsahu, který modelem vyrobíš, zůstávají tobě.
Omezení se tedy týká modelu, ne toho, co z něj vyleze. Pustit si ho doma a výsledek použít je jedna věc; postavit na něm placenou službu nebo ho vložit do produktu, který prodáváš, je věc druhá.
Na to je samostatná licence. Vyžádáš si ji na adrese model-business@notice.qwencloud.com. Žádná hranice obratu ani počtu uživatelů, pod kterou by to bylo automaticky v pořádku, tam není — buď dohodu máš, nebo ne. Totéž platí pro oba přepisovače promptu.
Prakticky: zkoušet, učit se i používat vlastní obrázky můžeš bez ptaní. Než na modelu postavíš placenou službu, napiš jim.
Kde to dává smysl
Nejvíc tam, kde ses doteď přepínal mezi dvěma modely. Vyrobíš obrázek, hned na něm něco upravíš, pak z něj uděláš variantu s jiným pozadím — a celou dobu jsi v jednom modelu, takže se ti nemění rukopis ani podoba lidí.
Druhá silná stránka je to průhledné pozadí. Produktová fotka nebo postava s alfa kanálem rovnou z modelu je hotový podklad pro layout, bez vystřihávání.
A třetí je práce s referencemi. Deset předloh v jednom běhu z něj dělá nástroj na konzistentní série — stejná postava, stejný produkt, různé scény.
Než začneš
Stáhni váhy, aktualizuj ComfyUI na 0.37.0 a otevři oficiální předlohu. Jeden běh si změř — u nového modelu je to nejrychlejší způsob, jak zjistit, jaké nastavení má na tvojí kartě smysl.
Odkazy
- Comfy-Org/Qwen-Image-2.1 — váhy pro ComfyUI, všechny tři soubory
- Qwen/Qwen-Image-2.1 — původní model a plné znění licence
- Comfy-Org/workflow_templates — oficiální předlohy pro úpravu i text→obrázek
- Blog Qwenu k vydání
Do PocketComfy jsem ho zabudoval hned, takže ho mám na telefonu — ale všechno výše platí stejně, ať ho pouštíš odkudkoli.
