20. rujna 2026. tim Qwen objavio je model za generiranje slika „Qwen-Image 2.1”. Njegova je najveća značajka objedinjavanje generiranja slika iz teksta, uređivanja pomoću referentnih slika, spajanja više slika, lokalnog uređivanja te generiranja i uređivanja prozirne pozadine (RGBA) u jednom modelu. Generativni dio ima 7 milijardi parametara. Umjesto isključivog povećavanja modela, cilj je veličina i učinkovitost obrade primjerenija lokalnim okruženjima.

Ukratko, Qwen-Image 2.1 nije toliko model za stvaranje savršene slike ni iz čega, koliko zanimljiv produkcijski model koji ne narušava previše postojeću sliku, kombinira više materijala i mijenja točno određene dijelove. Na Redditu se najviše pohvaljuju uređivanje, konzistentnost likova, kompozicije proizvoda, outpainting i prozirni materijali. S druge strane, prijavljene su jasne slabosti kod šaka i prstiju, udaljenih lica, šuma u detaljima, previše tamnih crnih tonova, restauracije starih fotografija i anime stila.

U ovom članku, na temelju službenih informacija, donosimo pregled svih funkcija te kroz glavne Reddit rasprave sažimamo popularne testove generiranja i uređivanja kao „100 odabranih primjera”. Broj 100 ne znači 100 zasebnih objava, nego broj pojedinačnih tema crtanja i operacija uređivanja testiranih u više popularnih objava, galerija i radnih tokova.

Što je Qwen-Image 2.1

Qwen-Image 2.1 integrirani je model za generiranje i uređivanje slika iz obitelji Qwen. Prema službenom opisu, generativni dio koristi 32-slojni Single-Stream DiT i 7 milijardi parametara. Qwen3-VL 8B pretvara tekstualne upute i uvjetne slike u zajednički prikaz, dok 64-kanalni RGBA VAE pruža 16-struku prostornu kompresiju i nativnu transparentnost.

Službeno su istaknuta četiri poboljšanja.

1. Mala veličina i visoka učinkovitost: pažnja miješane granularnosti i ponovno korištenje prefix KV cachea poboljšavaju odnos kvalitete i računalnog troška.
2. Integracija generiranja i uređivanja: obične i prozirne slike mogu se generirati i uređivati istim modelom.
3. Višenamjensko uređivanje: podržano je do 10 referentnih slika, lokalno određivanje maskama i crtanjem te očuvanje identiteta osoba i proizvoda.
4. Teksture i estetika: poboljšani su tipografija, osvjetljenje portreta i fine teksture.

Izvori: službeni Qwen blog, službeni GitHub, Diffusers dokumentacija

Pregled svih funkcija

1. Generiranje slike iz teksta

Podržan je standardni Text-to-Image. Uz kratke upute, model može obraditi dugi prirodni tekst preko Qwen3-VL-a, složene upute o kompoziciji, svjetlu, materijalima, prednjem i stražnjem planu te tekstualnim elementima. Službeni primjeri temelje se na 40 koraka, dok zajednica testira LoRA modele za ubrzanje s 8–16 koraka te postavke od 30–40 koraka usmjerene na kvalitetu.

2. Uređivanje slika

Istodobnim unosom izvorne slike i tekstualne upute mogu se promijeniti boja, vrijeme, pozadina, odjeća, poza, materijal, osvjetljenje, kut kamere i drugo. Na Redditu se često navodi da je model jači u uređivanju nego u čistom T2I-u.

3. Do 10 referentnih slika

Osobe, odjeća, cipele, torbe, šeširi, namještaj i proizvodi mogu se preuzeti iz zasebnih slika i objediniti u jednu scenu. Službeni primjeri uključuju grupnu fotografiju sastavljenu od šest lica, virtualno isprobavanje s pet materijala te dizajn interijera s deset komada namještaja. Međutim, zajednica također navodi da s više referenci raste vjerojatnost sukobljenih uputa i miješanja atributa.

4. Nativni RGBA i prozirna pozadina

Model ne uklanja pozadinu samo naknadnom obradom, nego može izravno generirati slike s kanalom prozirnosti. Prikladan je za izdvajanje subjekta s fotografije, uređivanje oblika prozirnog materijala i izradu prozirnih resursa s više elemenata.

5. Lokalno uređivanje i uređivanje maskama

Mjesta promjene mogu se označiti krugovima, obojenim bilješkama ili zasebnim maskama. U ComfyUI-ju se mogu bojiti područja na slici i zadati upute poput „promijeni samo odjeću u crvenom području”. U kombinaciji s LanPaintom moguće je inpaintati i sam alfa-kanal, a ne samo boju.

6. Outpainting

Platno se može proširiti gore, dolje, lijevo i desno, a prazna područja dopuniti u skladu s kontekstom izvorne slike. Na Redditu je privukla pažnju prijava da se više smjerova može proširiti odjednom i brže nego u ranijim namjenskim radnim tokovima.

7. Očuvanje identiteta

Glavna je upotreba očuvanje lica, odjeće i poze osobe ili oblika i elemenata brenda proizvoda, uz promjenu samo pozadine ili dijela atributa. Posebno je popularan za listove likova i izradu uzastopnih kadrova, ali ekstremni kutovi, snažni izrazi lica i dugi nizovi kadrova zahtijevaju provjeru driftanja.

8. Iscrtavanje teksta i dizajn

Podržane su slike s plakatima, pakiranjima, natpisima i tipografijom. Popularan je radni tok u kojem se kompozicija, informacijska hijerarhija, veličina slova i praznine najprije organiziraju vanjskim LLM-om. Ipak, prijavljeno je da se u engleskim infografikama ponekad pojavljuje neželjeni kineski tekst.

9. Prepisivanje prompta

Službeni repozitorij sadrži prepisivače prompta za T2I i I2I. Kratki zahtjev proširuju u detaljnu kompoziciju, a pri uređivanju ga preoblikuju u uputu koja čuva sve osim željene promjene. Zajednica navodi i da predlošci specifični za namjenu ponekad daju bolje rezultate od standardnog prepisivanja.

10. Ubrzanje, ušteda memorije i kvantizacija

Podržani su Diffusers CPU offload, vLLM-Omni prefix KV cache, CUDA Graph, FP8, tenzorski paralelizam te SGLangovo prebacivanje memorije i optimizirane jezgre. Za ComfyUI pojavile su se izvedenice BF16, INT8 ConvRot, GGUF i 4-bitne varijante. Postoje korisnička izvješća o približno dvostruko većoj brzini s LoRA-om od 4 koraka i prilagođenim čvorovima koji pokreću proširenje prompta s 8 GB VRAM-a, no uvijek treba provjeriti kompromis između brzine i kvalitete.

11. Podržana okruženja

Navedene su službena implementacija, Hugging Face Diffusers, ComfyUI, vLLM-Omni, SGLang-Diffusion, LightX2V i ModelScope. Predstavljeni su i ROCm primjeri za AMD Radeon te podrška za više čipova preko FlagOS-a.

12. Napomena o licenci

Težine modela javno su dostupne, ali model se ne isporučuje pod licencom Apache 2.0, nego pod „Qwen Research License Agreement”. Službena licenca izričito navodi da je za komercijalnu upotrebu potrebna zasebna komercijalna licenca. Tu su i obveza obavijesti pri redistribuciji te oznake „Built with Qwen” ili „Improved using Qwen” u dokumentaciji izvedenih AI modela. Prije poslovne primjene svakako provjerite izvorni tekst licence.

Izvor: službena licenca

50 pogleda kroz službene primjere

Ovdje donosimo 50 primjera, ponajprije iz službenih uzoraka Qwen-Image 2.1 koje je objavio tim Qwen, povezane s temama o kojima se posebno raspravljalo na Redditu. Ne prikazujemo samo „lijepu sliku”, nego i ulaze, rezultate uređivanja, maske, višestruke reference, promjene kamere i generiranje materijala, kako bi se vidjelo u kojim dijelovima produkcijskog procesa model pomaže.

Prozirni materijali i generiranje ilustracija

Primjer 1: Prozirna ilustracija s motivom plesa lava. Primjer istodobnog rada s detaljnim ukrasima na konturi i alfa-pozadinom.

Primjer 2: Dekorativna ilustracija žene okružene cvijećem. Obuhvaća složene rubove kose, latica i lišća.

Primjer 3: Poslovna osoba koja koristi prijenosno računalo. Izrezana ilustracija za web i prezentacijske materijale.

Primjer 4: Više visećih ukrasa. Objedinjuje poluprozirnost, tanke niti i različite teksture materijala u jednu sliku.

Primjer 5: Mnoštvo likova pasa. Primjer razlikovanja više subjekata i grupne kompozicije.

Uređivanje slika i zamjena teksta

Primjer 6: Izvorna slika umornog uredskog radnika. Uvjetna slika za usporedbu sa sljedećim rezultatom uređivanja.

Primjer 7: Uredski radnik s izmijenjenim izrazom i ugođajem. Emocija osobe mijenja se uz zadržavanje rasporeda.

Primjer 8: Cvjetna slova „BLOOM”. Referentni primjer za tekst, ukrase i središnje poravnanje.

Primjer 9: Zamjena teksta s „Qwen-Image”. Tipografsko uređivanje uz očuvanje cvjetnog stila.

Primjer 10: Fotografija tornja danju. Ulazni primjer za uređivanje doba dana i pozadine.

Pozadina, doba dana i više osoba

Primjer 11: Cvjetno drvo noću. Prikazuje sposobnost promjene dnevne fotografije u noćni prizor ili drugi ugođaj.

Primjer 12: Generiranje grupne fotografije iz više referenci osoba. Pokazuje središnju funkciju do 10 referenci.

Primjer 13: Odjevna kombinacija iz višestrukih referenci odjeće i osobe. Blisko je konceptu virtualnog isprobavanja.

Primjer 14: Sastavljanje interijera iz mnogih slika namještaja. Namjena je smještanje proizvoda iz kataloga u prostoriju.

Primjer 15: Upute nacrtane bojom oko mačke. Ulaz za lokalno određivanje crtanom bilješkom.

Lokalno uređivanje, maske i kompozicija

Primjer 16: Promjena samo odabranog područja s mačkom. Zamjenjuje subjekt uz očuvanje posteljine i osobe.

Primjer 17: Morski pas pod vodom i lokalna uputa. Ulaz za uređivanje izravnim crtanjem po objektu.

Primjer 18: Podvodna scena s dodanim roniocem. Kompozicija usklađena s podvodnim svjetlom i mjerilom.

Primjer 19: Izvorna slika osobe na magarcu. Fotografija koja služi kao osnova za uređivanje maskom.

Primjer 20: Maska koja označava osobu i magarca. Drugi način jasnog određivanja područja promjene crno-bijelo.

Premještanje osobe i očuvanje lica

Primjer 21: Rezultat uređivanja osobe maskom. Omogućuje usporedbu i usklađenosti s pozadinskom livadom.

Primjer 22: Portret za referencu lica. Referentna slika za sljedeće generiranje cijelog tijela i novog okruženja.

Primjer 23: Referentna osoba proširena u fotografiju cijelog tijela na otvorenom. Lice i odjeća premještaju se u novu kompoziciju.

Primjer 24: Gotovo frontalna fotografija lica. Ulazni uvjet za uređivanje frizure.

Primjer 25: Fotografija lica s izmijenjenom frizurom. Očuvaju se crte lica i pozadina, a kosa se samo produljuje.

Poze, scene i produktne fotografije

Primjer 26: Osoba koja čuči u luci. Složena poza s predmetima i udaljenom pozadinom.

Primjer 27: Osoba koja otvara kutiju u zatvorenom. Kompozicija za promatranje prstiju, kutije i preklapanja tijela.

Primjer 28: Kozmetički proizvod u ruci. Produktna fotografija s tekstom na etiketi i dodirom prstiju.

Primjer 29: Kozmetika pretvorena u produktni kadar interijera. Dodani su prirodno svjetlo, stol i prehrambeni rekviziti.

Primjer 30: Odjeća na lutki. Produktna referenca za sljedeće generiranje virtualnog isprobavanja.

Virtualno isprobavanje i kompozicija nošenja

Primjer 31: Oblačenje osobe u referentnu odjeću. Uzorak, duljina i silueta prilagođeni su tijelu.

Primjer 32: Produktna fotografija same narukvice. Uvjetna slika za kompoziciju nošenja.

Primjer 33: Narukvica postavljena na zapešće osobe. Dodir sa kožom i sjene prirodno su usklađeni.

Primjer 34: Selfie ispred tornja. Ulazna fotografija za promjenu gledišta.

Primjer 35: Od selfija do pogleda treće osobe. Ista osoba i lokacija rekonstruirane su u širem kadru.

Listovi likova i kontinuitet

Primjer 36: Portret osobe u bijeloj odjeći. Ulaz za materijal s postavkama lika.

Primjer 37: Dizajnerski list koji objedinjuje postavke osobe. Spaja lice, odjeću, rekvizite i tekstualne informacije.

Primjer 38: List lika s prednjim, bočnim i stražnjim pogledom. Za referentne materijale za video i strip.

Primjer 39: Ista osoba smještena u više scena. Prikazuje očuvanje lica i odjeće pri promjeni poza i lokacija.

Primjer 40: Objašnjavajući dijagram građevine. Generiranje materijala koje objedinjuje tekst, nacrte, uzorke materijala i bilješke.

UI, dokumenti i prirodne fotografije osoba

Primjer 41: UI aplikacije za rezervaciju putovanja. Dizajn zaslona s malim tekstom, karticama, fotografijama i gumbima.

Primjer 42: Dokument s geometrijskim zadatkom. Prikazuje težinu generiranja stranice s dugim tekstom i oblicima.

Primjer 43: Portret na otvorenom u prirodnom svjetlu. Prikaz šešira, kose i svjetla koje prolazi kroz lišće.

Primjer 44: Fotografija osobe u marini. Fotorealistični primjer sa sitnom pozadinom poput užadi, brodova i alata.

Uvećanja i druga gledišta za lakšu usporedbu

Primjer 45: Uvećani dio rezultata grupne fotografije. Možete provjeriti lica, poze i osvjetljenje pri objedinjavanju više referenci u jedan prostor.

Primjer 46: Uvećani interijer nakon objedinjavanja namještaja. Stvara perspektivu i svjetlo cijele prostorije iz zasebnih referenci proizvoda.

Primjer 47: Kvadratni izrez nakon promjene pogleda kamere. Olakšava procjenu odnosa mjerila tornja u pozadini i osobe.

Primjer 48: Uvećani list dizajna lika. Omogućuje pregled lokalne kvalitete varijacija lica, teksta i rekvizita.

Primjer 49: Uvećani dio iste osobe u više scena. Prikazuje važnu dosljednost odjeće i lica tijekom duljeg rada.

Primjer 50: Uvećana arhitektonska infografika. Prikazuje složeni zadatak kombiniranja crteža linijama, materijala, bilješki i rasporeda praznog prostora.

Izvor slika: službeni uzorci Qwen Team „Qwen-Image-2.1”. Šest uvećanih prikaza uređeni su izrezi za potrebe usporednog objašnjenja.

100 primjera i testova koji su privukli pažnju na Redditu

U nastavku je 100 vrsta stvaranja i uređivanja slika koje su se zaista istaknule u glavnim Reddit objavama o Qwen-Image 2.1. Budući da uključuju subjektivne dojmove autora objava i razlike među okruženjima, ne treba ih čitati kao benchmark, nego kao praktični katalog onoga što treba testirati da bi se vidio karakter modela.

A. Fotografije osoba i portreti (1–10)

1. Amaterska fotografija žene kao da je snimljena pametnim telefonom.
2. Svakodnevni portret snimljen u odjelu supermarketa.
3. Fotografija osobe s filmskim pozadinskim svjetlom.
4. Ponovno osvjetljavanje osobe na pozadini noćnog grada.
5. Istodobna promjena vremena i doba dana u kišnu noć.
6. Modna fotografija koja zadržava teksturu kože.
7. Snimka desnog profila iz niske pozicije kamere.
8. Promjena kamere od frontalne fotografije do kuta od tri četvrtine.
9. Ponovno generiranje lica uz veliku promjenu izraza.
10. Generiranje „referentnog lica” objedinjenog iz više uvjeta osvjetljenja.

Izvori pažnje: test s više od 200 slika 1girl (oko 1.483 glasa), rani pregled

B. Konzistentnost likova (11–20)

11. List istog lika sprijeda, sa strane i straga.
12. Materijal s postavkama koji objedinjuje krupni plan lica i cijelu figuru.
13. Generiranje jednog dosljednog lica iz 2×2 referenci lica.
14. Premještanje iste osobe na drugo mjesto uz zadržavanje lica.
15. Promjena samo odjeće iste osobe.
16. Promjena samo frizure iste osobe.
17. Zamjena samo poze iste osobe.
18. Prikaz iste osobe u realističnoj i stripovskoj verziji.
19. Izrada više poza za uzastopne kadrove.
20. Korištenje lista lika kao referentnog materijala za generiranje videa.

Izvori pažnje: list dizajna lika, reference lica iz četiri smjera (oko 157 glasova), Qwen naspram FLUX.2 Krea (oko 116 glasova)

C. Prijenos poza, kamere i kompozicije (21–30)

21. Prijenos poze s reference 2 na osobu s reference 1.
22. Smještanje osobe koja sjedi na žutu stolicu s druge slike.
23. Promjena stojećeg položaja u sjedeći uz zadržavanje odjeće.
24. Promjena frontalne kompozicije u srednji kadar iz niskog kuta.
25. Proširenje kadra uz očuvanje veličine subjekta.
26. Prijenos držanja iz studijske slike poza na realističnu osobu.
27. Pretvaranje realistične osobe u stil Simpsona uz zadržavanje poze.
28. Očuvanje položaja proizvoda na tijelu i pri promjeni kuta kamere.
29. Primjena velike dubinske oštrine na prednji i stražnji plan.
30. Pretvaranje više osoba u grupnu fotografiju bez narušavanja rasporeda.

Izvori pažnje: savjeti za uređivanje (oko 513 glasova), Editing Beast (oko 840 glasova)

D. Proizvodi, oglasi i virtualno isprobavanje (31–40)

31. Skupna zamjena zgnječenih limenki Cole limenkama drugog proizvoda.
32. Promjena samo boje i dizajna uz očuvanje deformacije limenke.
33. Odbijanje boje proizvoda na okolne bijele površine.
34. Prirodno postavljanje sata s druge slike na zapešće osobe.
35. Oglas za sat koji zadržava izvornu pozu, tjelesnu građu i osvjetljenje.
36. Isprobavanje s pet referenci: model, odjeća, cipele, torba i šešir.
37. Postavljanje logotipa s druge slike na produktnu fotografiju.
38. Zamjena samo pakiranja uz očuvanje studijskog seta.
39. Izrezivanje proizvoda na prozirnu pozadinu za e-trgovinu.
40. Prikaz istog proizvoda na više pozadina i uz više vrsta svjetla.

Izvori pažnje: Editing Beast (oko 840 glasova), primjeri više referenci u službenom blogu

E. Uređivanje pozadine, osvjetljenja i materijala (41–50)

41. Promjena dnevne pozadine u kišnu noć.
42. Zamjena samo pozadine uz očuvanje osobe.
43. Istodoban prijenos osvjetljenja i pozadine s referentne slike.
44. Zamjena zida zelenom teksturom s druge slike.
45. Promjena interijera u toplo osvjetljenje sumraka.
46. Promjena u oštro osvjetljenje u stilu high-fashion snimanja.
47. Ponovni izračun sjena osobe prema svjetlu u pozadini.
48. Usporedba realizma običnog i Brownian šuma.
49. Usporedba tekstura uz Euler i prilagođeni sampler eta 0,50.
50. Kombiniranje oštrine i prirodnosti dvostupanjskim samplerom.

Izvori pažnje: savjeti za uređivanje, rasprava o testiranju postavki (oko 80 glasova)

F. Prozirni PNG, izrezivanje i lokalno uređivanje (51–60)

51. PNG jednog lika s prozirnom pozadinom.
52. Prozirni resurs proizvoda.
53. Prozirni dizajnerski materijal sastavljen od više elemenata.
54. Izdvajanje samo osobe s fotografije.
55. Uređivanje subjekta na prozirnom sloju.
56. Inpainting oblika s alfa-rubovima.
57. Istodobna promjena oblika slušalica i prozirnog područja.
58. Zamjena samo područja odjeće obojenog crveno.
59. Uređivanje samo rekvizita omeđenog krugom.
60. Lokalno uređivanje koje potpuno vraća područje izvan maske.

Izvori pažnje: alfa-uređivanje pomoću LanPainta (oko 77 glasova), rani pregled

G. Outpainting i restauracija (61–70)

61. Proširenje platna samo s lijeve strane.
62. Proširenje platna samo s desne strane.
63. Proširenje platna samo prema gore.
64. Proširenje platna samo prema dolje.
65. Istodobno proširenje lijevo, desno i dolje.
66. Popunjavanje praznina na nagnutoj fotografiji.
67. Obnova pozadine izgubljene zbog lošeg izrezivanja.
68. Dopunjavanje prostora oko djelomično odrezanog subjekta.
69. Pretvaranje u široki kadar uz očuvanje izvorne pozadine.
70. Usporedba promjena zrnatosti i kontrasta pri restauraciji stare fotografije.

Izvori pažnje: test outpaintinga (oko 62 glasa), kritički test restauracije fotografija

H. Plakati, tekst i grafički dizajn (71–80)

71. Plakat za događaj s velikim naslovom.
72. Dizajn oglasa u kojem su kompozicija i informacijska hijerarhija unaprijed određene.
73. Usporedba stabilnosti velikog teksta pri 2–2,5 MP.
74. Usporedba veće razine detalja vizuala bez teksta pri približno 4 MP.
75. Dizajn pakiranja s nazivom proizvoda.
76. Grafika sa „Qwen” prikazanim na vintage televizoru.
77. Prirodno spajanje natpisa i logotipa na drugu sliku.
78. Složen raspored zadan dugim promptom.
79. Test raspadanja teksta i miješanja kineskog u engleskoj infografici.
80. Plakat koji uspoređuje kvalitetu dizajna s GPT modelom za slike.

Izvori pažnje: predlošci prompta za dizajn, kratki osvrt i primjer vintage TV-a

I. Prijenos stila, ilustracije i pripovjedna produkcija (81–90)

81. Pretvaranje realistične fotografije u stripovski stil.
82. Pretvaranje realistične osobe u stil Simpsona.
83. Prijenos samo slikarskog stila referentne slike na drugu sliku.
84. Promjena tonaliteta uz očuvanje lika i pozadine.
85. Generiranje slike u stilu Polaroid fotografije.
86. Generiranje storyboarda u formatu četiri kadra.
87. Smještanje iste osobe u više scena.
88. Uzastopni narativni kadrovi uz očuvanje životinja, automobila i ljudi.
89. Ilustracija u stilu snimke zaslona suvremenog animea.
90. Usporedba neuspjeha anime stila koji se povlači prema realizmu i filmskom izgledu.

Izvori pažnje: Polaroid eksperiment, usporedba s Krea 2 za anime, rani pregled

J. Radni tokovi, brzina i usporedba kvalitete (91–100)

91. Usporedba kompozicije, teksture i kontrasta pri CFG 1–5.
92. Usporedba „pregorenih” rezultata pri CFG ispod 2 i pri CFG 4.
93. Brzo generiranje s 16 koraka, 1 MP i INT8.
94. Provjera kvalitete uređivanja pri 25 koraka i 2K.
95. Povećanje rezolucije s 2K pri 30 koraka na 4K.
96. Uređivanje s LoRA-om od 4 koraka radi približno dvostruke brzine.
97. Generiranje osobe za približno 45 sekundi pri 8 koraka, 1024×1280 i RTX 3060.
98. Usporedba brzine Qwena i FLUX.2 Krea za listove likova.
99. Test pikselne preciznosti pri 2K i integracije 10 referentnih slika.
100. Usporedba smanjivanja šuma u sitnim detaljima uz Fix v2.0 i namjenski sampler.

Izvori pažnje: rasprava o objavi ComfyUI modela (oko 106 glasova), 4 koraka uz malo VRAM-a (oko 44 glasa), rezultati eksperimenata, Fix v2.0

Sažetak Reddit ocjena

Prednosti koje se visoko ocjenjuju

• Učinkovitost uređivanja: relativno dobro čuva izvornu sliku i pri promjeni boje, pozadine, materijala, poze ili proizvoda.
• Višestruke reference: snažan je za produkcije koje kombiniraju osobe, proizvode, modu i rekvizite.
• Konzistentnost likova: obećavajući je kao polazište za materijale s postavkama i uzastopne kadrove.
• Prozirne slike: može generirati i uređivati sam alfa-kanal, a ne samo izdvajati subjekt.
• Outpainting: praktičan je za istodobno širenje slike u više smjerova.
• Veličina i brzina: praktičan je za generativni dio od 7B, uz mnogo opcija kvantizacije i ubrzanja.

Slabosti koje se ponavljano ističu

• Šake, prsti, ruke i složena anatomija tijela nestabilni su.
• Udaljena lica i tanke linije lako se raspadaju.
• Zadani izlaz ponekad ima dojam šuma i poremećaja sitnih detalja.
• Kontrast može biti jak, a crni tonovi pretamni.
• Pri restauraciji fotografija može samovoljno promijeniti izvornu zrnatost ili sitne oblike.
• Postoje kritike da su tijela na listovima likova zdepasta.
• S više referentnih slika češće se javljaju miješanje atributa i halucinacije.
• Neki anime stilovi povlače se prema realizmu i filmskom izgledu.
• Tekst može biti dobar u snažnim primjerima, ali mali tekst i engleske infografike ostaju nestabilni.
• Postavke, prepisivanje prompta i sampler snažno utječu na rezultate.

Ovi suprotni dojmovi pokazuju da Qwen-Image 2.1 nije „svestrani model koji je savršen iz prvog pokušaja”, nego produkcijski model usmjeren na uređivanje, čiji se potencijal povećava što su postavke i radni tok bolje dorađeni.

Praktičan početak rada

U ComfyUI-ju ažurirajte na najnoviju verziju i iz ugrađenih predložaka odaberite Text-to-Image ili Image Edit. Službeno podržani radni tokovi dostupni su i na GitHubu. Najprije izradite referentnu sliku sa službeno sličnih 40 koraka, a zatim se spustite na 16, 8 i 4 koraka kako biste usporedili brzinu i kvalitetu.

Pri uređivanju je lakše testirati ako ne napišete neodređeno „učini boljim”, nego slijedite ovaj redoslijed.

1. Što treba promijeniti.
2. S koje referentne slike to treba preuzeti.
3. Što se nipošto ne smije promijeniti.
4. Kako zadržati svjetlo, pozadinu, tjelesnu građu, pozu i kompoziciju.
5. Elementi skloni greškama koje treba staviti u negativnu uputu.

Za kompoziciju proizvoda, primjerice, jasno navedite objekt i uvjete očuvanja: „Zadrži osobu i pozu sa slike 1, a samo sat sa slike 2 postavi na zapešće. Ne mijenjaj tjelesnu građu, pozadinu ni osvjetljenje.” Kod više referenci važno je ne ostaviti nejasnim veze oznaka <image1> i <image2>.

U primjerima dijeljenima na Redditu za prozirne slike izričito se navode „RGBA image”, „alpha channel” i „background is transparent”. Ako želite uređivati i prozirni rub, upotrijebite obradu maski koja podržava alfa-kanal, poput LanPainta.

Kome je namijenjen

Qwen-Image 2.1 dobro odgovara sljedećim namjenama.

• Osobama koje žele lokalno stvarati u ComfyUI-ju.
• Osobama koje žele promijeniti samo dio osobe ili proizvoda.
• Osobama koje žele objediniti više referentnih materijala u jedan oglas ili scenu.
• Osobama koje žele izraditi materijale s postavkama likova ili referentne slike za video.
• Osobama koje žele izrađivati prozirne PNG-ove ili resurse za igre i web.
• Istraživačkim i razvojnim timovima koji žele upravljati API-jem za generiranje i uređivanje slika na namjenskom poslužitelju.

Nasuprot tome, za potpuno vjernu restauraciju fotografija, strogu konzistentnost kroz duga djela, složene poze u kojima su šake važne, infografike gusto ispunjene malim tekstom te bezuvjetno uvođenje uz pretpostavku komercijalne upotrebe, nužni su usporedba s drugim modelima i provjera licence.

Zaključak

Bit Qwen-Image 2.1 leži u integraciji T2I-a, uređivanja slika, do 10 referenci, lokalnog uređivanja, prozirnog RGBA formata i izdvajanja subjekta u relativno malom generativnom dijelu od 7 milijardi parametara. Najviše pažnje na Redditu ne privlači jednostavno generiranje lijepih djevojaka, nego primjene koje skraćuju produkcijski proces: zamjena satova i limenki, listovi likova, prijenos pozadine i osvjetljenja, outpainting i alfa-uređivanje.

S druge strane, vrijednost primjera uvelike ovisi o postavkama. CFG, sampler, broj koraka, rezolucija, prepisivanje prompta i LoRA za ubrzanje mogu toliko promijeniti rezultate da se čini kao da se ne radi o istom modelu. Siguran pristup jest najprije postaviti mjerilo sa službenim postavkama, zatim uspoređivati jednu po jednu promjenu i za važne projekte provesti slijepu usporedbu s drugim modelima.

Najveća je napomena ipak licenca. To što su težine javno dostupne ne znači da je komercijalna upotreba automatski slobodna. Tehnički je model vrlo privlačan, ali za poslovno usvajanje odluku treba donijeti tek nakon provjere službene licence i najnovijih uvjeta.

Glavne poveznice

• Službeni blog Qwen-Image 2.1
• Službeni GitHub repozitorij
• Hugging Face Diffusers dokumentacija
• Modeli za ComfyUI
• Reddit: zbirka primjera 1girl
• Reddit: Editing Beast
• Reddit: savjeti za uređivanje
• Reddit: outpainting
• Reddit: inpainting alfa-kanala
• Reddit: Qwen-Image 2.1 Fix v2.0

※ Ovaj je članak izrađen na temelju službenih informacija i javnih objava zajednice dostupnih 4. listopada 2026. Broj glasova na Redditu, alati oko modela i uvjeti licence mogu se promijeniti.