Qwen-Image-2.1: análisis de imágenes transparentes, edición, API y NSFW

Qwen-Image-2.1 destaca por unir la creación de recursos y su edición. Puede generar imágenes transparentes, trabajar con varias referencias y modificar una fotografía. Resulta especialmente interesante para experimentar con pegatinas, recortes de productos y variaciones de personajes.

Hay dos condiciones importantes: los pesos publicados tienen una licencia de investigación y los 7B anunciados corresponden solo al generador visual. Conviene probar la demo antes de comprar hardware y aclarar la licencia antes de incorporarlo a trabajos remunerados. Información y precios comprobados el 24 de septiembre de 2026.

Actualizado el 13 de octubre de 2026: versión Turbo, configuración y precios oficiales de API. Qwen-Image-2.1-Turbo: cómo utilizar la versión oficial de 8 pasos

Novedades que sí cambian el flujo de trabajo

Qwen-Image-2.1, publicado el 20 de septiembre de 2026, integra generación y edición. Incorpora transparencia RGBA nativa, hasta diez referencias y cambios locales guiados por anotaciones o máscaras. Qwen también anuncia mejoras en textos, iluminación de retratos y texturas; son afirmaciones del fabricante, no una garantía de superioridad en cada encargo.

Guarda los recursos transparentes como PNG y comprueba sus bordes sobre fondos claros y oscuros. Diez referencias es un límite de entrada, no una promesa de mantener diez rostros o todos los detalles de un producto sin cambios.

Qwen-Image-2.1-Turbo: cómo utilizar la versión oficial de 8 pasos

Qwen publicó Turbo el 9 de octubre de 2026 para generar y editar imágenes con ocho pasos de eliminación de ruido. Conserva la arquitectura visual de 7B. Su interés está en reducir la espera entre revisiones, sin convertir automáticamente cada resultado en una mejora frente al original.

Qué cambia y qué archivo Turbo elegir

Distingue el checkpoint Turbo oficial completo, el LoRA extraído por Comfy-Org para la base original y aceleradores anteriores como Viggle. No son nombres de un mismo preset. Comienza con Turbo completo sin otro LoRA de aceleración; si eliges la extracción, úsala con la base original.

El ejemplo original usa 40 pasos y Turbo una secuencia guardada de ocho con CFG=1. Son un 80 % menos de pasos, no una garantía de cinco veces menos tiempo total. Codificación, referencias, carga, transferencias y VAE siguen contando. La caché KV reutiliza el contexto entre pasos.

Qwen GitHub · Qwen-Image-2.1-Turbo

Ejecutarlo con Diffusers

Instala PyTorch compatible con CUDA y, en un entorno separado, Diffusers desde el código actual y transformers 5.17.0 o posterior. Necesitas el soporte para sigmas guardadas en la configuración, incorporado por PR #14950. Un entorno antiguo capaz de ejecutar el original puede manejar mal Turbo. El prompt de abajo es un ejemplo propuesto, no una prueba medida.

python -m pip install git+https://github.com/huggingface/diffusers.git
python -m pip install "transformers>=5.17.0" accelerate pillow

import torch
from PIL import Image
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1-Turbo",
    dtype=torch.bfloat16,
).to("cuda")

image = pipe(
    prompt="A studio photo of a blue ceramic cup on a wooden table, soft window light.",
    width=2048,
    height=2048,
    use_kv_cache=True,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("turbo-generation.png")

source = Image.open("input.png").convert("RGBA")
edited = pipe(
    prompt="Change the cup to white. Preserve its shape, camera angle, table and lighting.",
    image=source,
    width=2048,
    height=2048,
    use_kv_cache=True,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
edited.save("turbo-edit.png")

Deja que el pipeline cargue su secuencia recomendada. num_inference_steps por sí solo no la sustituye; sigmas explícitas sí, pero las alternativas no están evaluadas oficialmente. Para editar, reutiliza el pipeline con una imagen propia convertida a RGBA e indica cambios y elementos que deben conservarse. Empieza con una referencia y semilla fija.

model_index.json — sample_sigmas

Configuración en ComfyUI

1. Actualiza ComfyUI y descarga Turbo BF16 o INT8 ConvRot de Comfy-Org en models/diffusion_models.
2. Coloca el Qwen3-VL 8B compatible en models/text_encoders y qwen_image_2.1_vae_bf16.safetensors en models/vae; no reutilices componentes antiguos o un flujo 2511.
3. Abre un flujo actual de Qwen-Image-2.1, selecciona Turbo y usa ocho pasos, CFG 1 y las sigmas correspondientes. Ocho pasos con un scheduler genérico no garantizan la misma trayectoria.
4. Para el LoRA extraído, carga la base original y el archivo de models/loras, en un flujo separado del Turbo completo.
5. Obtén una referencia sin LoRAs de estilo y añade adaptadores o imágenes de uno en uno. Comprueba texto, bordes e identidad; consulta la configuración oficial si necesitas sigmas manuales.

Velocidad, calidad y primeras experiencias

Las primeras opiniones valoran la rapidez de edición, pero discrepan sobre detalles en texto a imagen. Una discusión con 2K y sigmas manuales describe menos bloques y piel demasiado suavizada; también hay críticas a los tejidos. Otra compara base más LoRA extraído con Turbo completo, ambos a ocho pasos. Son observaciones de configuraciones concretas, no una clasificación general.

Compara varias semillas manteniendo imagen, prompt, tamaño y mejora de instrucciones constantes. Revisa letras pequeñas, piel, patrones, logos y zonas que debían permanecer intactas. Prueba PNG transparentes sobre fondos claros y oscuros; elegir solo el mejor resultado de cada modelo oculta fallos.

Reddit: 2K / sigmas · Reddit: Turbo / LoRA

Memoria: ocho pasos no implican un modelo diminuto

Los 7B corresponden al generador. El archivo Turbo de Comfy-Org ocupa unos 14,2 GB en BF16 o 7,26 GB en INT8 ConvRot; faltan encoder, VAE, activaciones y referencias. Tamaño de descarga no equivale a VRAM mínima. Menos pasos no reducen todos los pesos; offloading y cuantización pueden ayudar, aunque las transferencias restan velocidad.

Acceso oficial, precio y licencia

La publicación oficial enlaza la experiencia online y API de Alibaba Cloud Model Studio. Selecciona qwen-image-2.1-turbo y coordina región, clave y endpoint. La demo HF del original no demuestra que estés usando Turbo. Singapur cuesta 0,016 USD por imagen; los despliegues globales enumerados, como Tokio y Fráncfort, 0,014133 USD. Cien imágenes son 1,60 o 1,4133 USD antes de extras. El límite documentado de 120 solicitudes/minuto no garantiza latencia ni sustituye las cuotas de tu cuenta.

Alibaba Cloud Model Studio — Turbo · qwen-image-2.1-turbo — API

US$0.016 ≈ EUR 0.014 (2026-10-13). Conversión orientativa del precio de Singapur; no garantiza cobro en euros e impuestos o comisiones pueden variar.

ExchangeRate-API — USD

Los pesos conservan Qwen Research License: investigación/evaluación como permiso básico, con licencia separada para usar comercialmente los materiales del modelo. El contrato de API y la licencia local son distintos. Turbo tampoco implica NSFW irrestricto; moderación y restricciones no desaparecen al reducir pasos.

Qwen Research License

¿Conviene cambiar desde el original?

Prueba Turbo para iterar ediciones, referencias y borradores. Conserva el original cuando importen texturas, LoRAs concretos o preservación estricta, y decide con tus resultados. Valora por separado coste y condiciones del servicio oficial y del alojamiento propio.

Experiencias reales: buenas ediciones, resultados desiguales

Europa Press informó del lanzamiento, pero una noticia no equivale a una prueba comparativa. Entre las primeras experiencias, TheTechnoX en Hugging Face documenta una configuración INT8 de ComfyUI con una RTX 4060 Ti de 16GB y ediciones locales satisfactorias.

Ese usuario comunica unos 20 segundos para generar, 60 para editar y alrededor de 15GB de VRAM máxima. Sin resolución y número de pasos completamente especificados, sirven como ejemplo de viabilidad, no como promesa para otro ordenador.

Una reseña de un usuario en Reddit valora los cambios de expresión, pose y fondo, pero critica tonos amarillentos, grano y un aspecto artificial en algunas imágenes. También encuentra limitaciones al combinar muchos elementos. Nuestra recomendación es empezar por recursos transparentes y retoques concretos; estas observaciones son testimonios externos, no un benchmark de AirMore.

Dónde usarlo y cuánto cuesta la API

La demo oficial de Qwen en Hugging Face permite identificar exactamente esta versión. Admite instrucciones en inglés y chino, imágenes de entrada y mejora del prompt. Al ser compartida, puede tener esperas o límites; no ofrece una garantía verificada de uso ilimitado.

1. Para generar desde texto, deja vacía la entrada de imágenes y describe un solo objetivo.
2. Para editar, sube una imagen propia e indica qué cambia y qué debe conservarse.
3. Pide explícitamente RGBA y fondo transparente si necesitas un recorte. Guarda como PNG.
4. Revisa Enhance prompt: desactívalo si añade detalles no deseados.
5. Pulsa Generate image y examina texto, bordes y detalles al tamaño original.

reAPI ofrece un servicio de terceros por 0,02 USD por imagen 1K y 0,04 USD por imagen 2K. Son aproximadamente 0,018 € y 0,035 €; cien resultados cuestan unos 1,75 € o 3,51 €, antes de posibles impuestos y comisiones. No es la tarifa oficial de Alibaba.

Conversión orientativa del 24 de septiembre de 2026: 1 USD ≈ 0,8774 €. La facturación sigue las condiciones del proveedor. Su documentación API utiliza qwen-image-2.1 y tareas asíncronas. Para alojar tu propia API existe la receta de vLLM-Omni; en ese caso pagas y administras el hardware.

Instalación en ComfyUI y memoria necesaria

Actualiza ComfyUI y utiliza los archivos de Comfy-Org. Importa el flujo oficial de texto a imagen o de edición. No reutilices sin comprobar el VAE o los nodos de una versión anterior.

Ejemplo de ubicación para la configuración INT8; selecciona en los nodos los nombres que hayas descargado:

ComfyUI/models/diffusion_models/
 qwen_image_2.1_int8_convrot.safetensors
ComfyUI/models/text_encoders/
 qwen3vl_8b_int8_convrot.safetensors
ComfyUI/models/vae/
 qwen_image_2.1_vae_bf16.safetensors

1. Carga el JSON oficial.
2. Coloca generador, codificador y VAE en sus carpetas y actualiza la lista.
3. Selecciona los archivos correctos; añade la imagen de origen para editar.
4. Empieza con una imagen a 1024 × 1024 antes de aumentar resolución o referencias.
5. Guarda semilla, precisión y parámetros para comparar resultados.

No hay una cifra universal de VRAM mínima. La medición de vLLM en GB300 alcanza unos 34GB en una configuración BF16 a 1024 × 1024 y 40 pasos. No representa una tarjeta doméstica. El caso de 16GB usa cuantización y otro entorno; no garantiza 2K con diez referencias.

La descarga a RAM y la cuantización pueden reducir VRAM, pero cambian velocidad o calidad. También necesitas RAM y espacio SSD. Los modelos adicionales de mejora del prompt, de 9B, son opcionales: no hacen falta para comenzar.

Comparación con Qwen anterior y FLUX.2 klein

Compara con imágenes propias: cambiar ropa conservando el rostro, mantener una etiqueta de producto y sustituir el fondo. Una mejora en una tarea no garantiza una mejora en las demás.

La API klein 4B parte de 0,014 USD para el primer megapíxel, con cargos adicionales por píxeles y referencias. No equivale directamente a las tarifas 1K/2K de reAPI. Considera 2.1 para investigar transparencia y klein 4B para rapidez o licencia de pesos más permisiva; no es una clasificación de calidad medida en igualdad de condiciones.

Más contexto: análisis de la familia Qwen Image

NSFW y licencia comercial

Ejecutar el modelo localmente no supone apoyo oficial a NSFW sin restricciones. Usuarios describen diferencias entre generación y edición; el reescritor de instrucciones y la moderación del alojamiento también influyen. reAPI documenta revisión de entradas y salidas, por lo que se aplican sus normas.

La Qwen Research License limita los materiales a investigación/evaluación y exige una licencia separada para uso comercial. El contacto publicado es model-business@notice.qwencloud.com. No trasladar las condiciones Apache-2.0 de otros Qwen a esta versión. Pagar una API tampoco resuelve automáticamente todos los derechos de uso.

Prompts y usos recomendados

• Recursos transparentes: especifica un objeto, material, luz y fondo alfa. Evita pedir a la vez un suelo o paisaje.
• Edición de productos: indica qué conservar: forma, letras, reflejos y ángulo. Compruébalo después.
• Varias referencias: asigna una función a la primera, segunda y siguientes imágenes; añádelas gradualmente.
• Texto: escribe la frase exacta entre comillas y señala su posición. Revisa tildes y caracteres pequeños.
• Anime y retratos: comprueba anatomía e identidad después de varias ediciones, sin dar por garantizado un estilo concreto.

Ejemplo: «Una pegatina de una flor naranja de papel, contornos nítidos, fondo RGBA transparente y espacio alrededor; sin texto». Para editar: «Cambia solo el fondo azul por verde claro; conserva botella, etiqueta, reflejos y encuadre». Son propuestas de instrucciones, no resultados medidos.

Preguntas frecuentes y conclusión

¿Es gratis?

Los pesos no tienen una tarifa por imagen, pero GPU, electricidad y alquiler cuestan dinero. La licencia de investigación también limita su uso. Cada servicio alojado fija sus precios.

¿Basta una GPU de 8GB?

7B no responde a esa pregunta: codificador, VAE y datos intermedios consumen memoria. Busca pruebas con tu mismo hardware y configuración.

¿Funcionan los LoRA antiguos?

Solo debes contar con ellos si declaran compatibilidad con la arquitectura 2.1. Prueba primero el flujo oficial sin ampliaciones.

¿Por qué no sale transparente?

Comprueba que no guardas en JPEG, que existe canal alfa y que el prompt no pide un fondo opaco. Revisa el PNG sobre dos colores.

¿Merece la pena cambiar?

Sí merece una prueba para investigación de transparencia y edición localizada. Empieza con la demo y reproduce unas pocas tareas reales antes de invertir. Conserva tu modelo anterior hasta comprobar consistencia, velocidad y licencia.

En trabajos de pago, la licencia debe formar parte de la decisión desde el principio. Una muestra atractiva no basta para elegir una herramienta de producción.