Em 20 de setembro de 2026, a equipe Qwen lançou o modelo de geração de imagens «Qwen-Image 2.1». Seu principal diferencial é reunir em um único modelo a geração de imagens a partir de texto, a edição com imagens de referência, a composição de múltiplas imagens, a edição local e a geração e edição com fundo transparente (RGBA). A parte geradora de imagens tem 7 bilhões de parâmetros. Em vez de perseguir apenas modelos cada vez maiores, o projeto busca um tamanho e uma eficiência de processamento mais adequados a ambientes locais.

Em resumo, o Qwen-Image 2.1 é mais interessante não como um modelo que cria a melhor imagem possível do zero, mas como um modelo de produção que evita destruir demais imagens existentes, combina vários materiais e altera precisamente as áreas desejadas. No Reddit, os maiores elogios se concentram em edição, consistência de personagens, composição de produtos, outpainting e materiais transparentes. Por outro lado, também há relatos claros de fraquezas em mãos e dedos, rostos ao fundo, ruído em detalhes, pretos excessivamente fechados, restauração de fotos antigas e estilos de anime.

Este artigo organiza todos os recursos com base nas informações oficiais e, cruzando os principais tópicos do Reddit, reúne os testes de geração e edição que ganharam destaque em uma seleção de «100 exemplos». O número 100 não significa 100 publicações independentes: ele conta temas individuais de criação e operações de edição testados em várias publicações populares, galerias e fluxos de trabalho.

O que é o Qwen-Image 2.1

Qwen-Image 2.1 é um modelo integrado de geração e edição de imagens da família Qwen. Segundo a descrição oficial, sua parte geradora adota um Single-Stream DiT de 32 camadas e 7 bilhões de parâmetros. O Qwen3-VL 8B converte instruções textuais e imagens condicionais em uma representação comum, enquanto o VAE RGBA de 64 canais oferece compressão espacial de 16× e transparência nativa.

As quatro melhorias destacadas oficialmente são as seguintes.

1. Compacto e eficiente: atenção de granularidade mista e reutilização de prefix KV cache melhoram o equilíbrio entre qualidade e custo computacional.
2. Geração e edição unificadas: imagens comuns e transparentes podem ser geradas e editadas pelo mesmo modelo.
3. Edição versátil: suporta até 10 imagens de referência, indicação local por máscaras ou anotações desenhadas e preservação da identidade de pessoas e produtos.
4. Texturas e estética: melhora tipografia, iluminação de retratos e texturas sutis.

Fontes: blog oficial da Qwen, GitHub oficial, documentação do Diffusers

Todos os recursos organizados

1. Geração de imagens a partir de texto

Suporta o fluxo normal Text-to-Image. Além de instruções curtas, consegue lidar, via Qwen3-VL, com textos naturais longos e instruções complexas contendo composição, luz, materiais, primeiro plano, fundo e elementos textuais. Os exemplos oficiais usam 40 passos como padrão, mas a comunidade também testa LoRAs rápidos de 8 a 16 passos e configurações de 30 a 40 passos voltadas à qualidade.

2. Edição de imagens

É possível fornecer simultaneamente uma imagem de entrada e uma instrução para alterar cor, clima, fundo, roupas, pose, materiais, iluminação, ângulo de câmera e outros aspectos. No Reddit, muitos consideram a edição mais forte que o T2I puro.

3. Até 10 imagens de referência

Pessoas, roupas, sapatos, bolsas, chapéus, móveis e produtos podem ser extraídos de imagens separadas e integrados a uma única cena. Os exemplos oficiais incluem uma foto de grupo que reúne seis rostos, prova virtual com cinco materiais e design de interiores com dez peças de mobiliário. Porém, a comunidade também relata que, quanto mais referências se usam, maior a chance de instruções conflitantes e mistura de atributos.

4. RGBA nativo e fundo transparente

Em vez de apenas remover o fundo no pós-processamento, o modelo pode gerar diretamente imagens que incluem um canal de transparência. Isso serve para recortar um sujeito de uma foto, editar a forma de um material transparente e criar assets transparentes com múltiplos elementos.

5. Edição local e por máscara

É possível indicar as áreas a modificar com círculos, anotações preenchidas ou máscaras independentes. No ComfyUI, usuários pintam cores sobre a imagem e testam instruções como «mude apenas a roupa na área vermelha». Em combinação com LanPaint, também é possível fazer inpainting do próprio canal alfa, não só das cores.

6. Outpainting

O canvas pode ser ampliado para cima, baixo, esquerda ou direita, preenchendo as áreas vazias de acordo com o contexto da imagem original. No Reddit, chamou atenção o relato de que é possível expandir várias direções de uma vez, mais rapidamente que fluxos de trabalho especializados convencionais.

7. Preservação de identidade

O uso principal é preservar rosto, roupa e pose de pessoas, ou formato e elementos de marca de produtos, enquanto se alteram apenas o fundo ou certos atributos. É especialmente comentado para fichas de personagens e produção de tomadas contínuas, embora ângulos extremos, expressões fortes e sequências longas exijam testar a deriva.

8. Renderização de texto e design

Suporta imagens com pôsteres, embalagens, sinalização e tipografia. É popular o fluxo em que um LLM externo organiza composição, hierarquia de informação, tamanho das letras e espaços em branco antes de enviar a instrução. Ainda assim, há relatos de caracteres chineses indesejados aparecendo em infográficos em inglês.

9. Reescrita de prompts

O repositório oficial inclui reescritores de prompt para T2I e I2I. Eles expandem pedidos curtos em composições detalhadas e, na edição, reescrevem a instrução para preservar tudo o que não deve mudar. A comunidade relata que, em alguns casos, modelos específicos por finalidade funcionam melhor que a reescrita padrão.

10. Aceleração, economia de memória e quantização

Há suporte a CPU offload do Diffusers, prefix KV cache do vLLM-Omni, CUDA Graph, FP8, paralelismo de tensores e offload de memória e kernels otimizados do SGLang. Para ComfyUI, surgiram variantes BF16, INT8 ConvRot, GGUF e de 4 bits. Há relatos de cerca de 2× mais velocidade com LoRA de 4 passos e de nós personalizados que executam expansão de prompt com 8 GB de VRAM, mas é essencial confirmar a troca entre velocidade e qualidade.

11. Ambientes compatíveis

São indicados a implementação oficial, Hugging Face Diffusers, ComfyUI, vLLM-Omni, SGLang-Diffusion, LightX2V e ModelScope. Também são apresentados exemplos ROCm para AMD Radeon e compatibilidade com múltiplos chips via FlagOS.

12. Atenção à licença

Os pesos do modelo são públicos, mas ele não é fornecido sob Apache 2.0: utiliza a «Qwen Research License Agreement». A licença oficial declara explicitamente que o uso comercial requer uma licença comercial separada. Há também obrigação de notificação na redistribuição e a exigência de indicar «Built with Qwen» ou «Improved using Qwen» na documentação de modelos de IA derivados. Confira sempre o texto original antes de adotá-lo em atividades profissionais.

Fonte: licença oficial

50 perspectivas nos exemplos oficiais

Aqui apresentamos 50 exemplos, principalmente amostras oficiais do Qwen-Image 2.1 divulgadas pela equipe Qwen, relacionando-os aos pontos mais debatidos no Reddit. A seleção não traz apenas «uma imagem bonita»: inclui entradas, resultados editados, máscaras, múltiplas referências, mudanças de câmera e geração de documentos, para mostrar em que etapas de produção o modelo pode ajudar.

Materiais transparentes e geração de ilustrações

Exemplo 1: ilustração transparente com motivo de dança do leão. Exemplo de manipulação simultânea de ornamentos detalhados no contorno e fundo alfa.

Exemplo 2: ilustração decorativa de uma mulher cercada por flores. Inclui limites complexos entre cabelo, pétalas e folhas.

Exemplo 3: profissional usando notebook. Ilustração recortada para materiais de Web e apresentações.

Exemplo 4: vários enfeites suspensos. Integra sensação de semitransparência, fios finos e materiais distintos em uma única imagem.

Exemplo 5: muitos personagens de cachorro. Exemplo de diferenciação de vários sujeitos e composição coletiva.

Edição de imagens e substituição de texto

Exemplo 6: imagem original de um funcionário cansado. Imagem condicional para comparação com o resultado da edição seguinte.

Exemplo 7: funcionário com expressão e clima modificados. Muda a emoção da pessoa preservando o layout.

Exemplo 8: letras florais «BLOOM». Exemplo-base de texto, ornamento e posicionamento central.

Exemplo 9: substituição do texto por «Qwen-Image». Edição tipográfica que preserva o estilo floral.

Exemplo 10: foto de uma torre durante o dia. Entrada para edição de horário e fundo.

Fundo, horário e múltiplas pessoas

Exemplo 11: árvore florida à noite. Mostra a capacidade de transformar uma foto diurna em cena noturna ou mudar sua atmosfera.

Exemplo 12: geração de foto de grupo a partir de várias referências de pessoas. Mostra o núcleo do recurso de até 10 referências.

Exemplo 13: combinação de várias referências de pessoa e roupas. Próximo à ideia de prova virtual.

Exemplo 14: ambiente criado a partir de muitas imagens de móveis. Uso para posicionar catálogos de produtos em um cômodo.

Exemplo 15: instruções desenhadas em cores ao redor de um gato. Entrada de especificação local por anotações desenhadas.

Edição local, máscaras e composição

Exemplo 16: alteração apenas do gato indicado. Substitui o sujeito preservando cama e pessoa.

Exemplo 17: tubarão submerso com instrução local. Entrada de edição desenhada diretamente sobre o objeto.

Exemplo 18: cena submarina com mergulhador adicionado. Composição que harmoniza luz submarina e escala.

Exemplo 19: imagem original de uma pessoa montando um burro. Foto-base para edição por máscara.

Exemplo 20: máscara que mostra a pessoa e o burro. Outro método que indica áreas a alterar em preto e branco.

Reposicionamento de pessoas e preservação do rosto

Exemplo 21: resultado de edição da pessoa com máscara. Também permite comparar a coerência com o campo ao fundo.

Exemplo 22: retrato para referência facial. Imagem-base usada na geração seguinte de corpo inteiro e novo ambiente.

Exemplo 23: referência transformada em foto externa de corpo inteiro. Leva rosto e roupas a uma nova composição.

Exemplo 24: foto de rosto quase frontal. Condição de entrada para edição de penteado.

Exemplo 25: foto de rosto com penteado alterado. Preserva traços faciais e fundo e alonga apenas o cabelo.

Poses, cenas e fotos de produto

Exemplo 26: pessoa agachada no porto. Exemplo com pose complexa, acessórios e paisagem distante.

Exemplo 27: pessoa abrindo uma caixa em ambiente interno. Composição para observar dedos, caixa e sobreposição do corpo.

Exemplo 28: cosmético na mão. Foto de produto que inclui texto no rótulo e contato com os dedos.

Exemplo 29: cosmético convertido em foto de produto interna. Adiciona luz natural, mesa e pequenos itens de comida.

Exemplo 30: roupa em manequim. Referência de produto para a geração de prova virtual seguinte.

Prova virtual e composição de acessórios

Exemplo 31: vestir uma pessoa com a roupa de referência. Ajusta estampa, comprimento e silhueta ao corpo.

Exemplo 32: foto de produto de uma pulseira isolada. Imagem condicional para composição de acessório.

Exemplo 33: pulseira no pulso de uma pessoa. Ajusta naturalmente contato e sombra sobre a pele.

Exemplo 34: selfie em frente à torre. Foto de entrada para mudança de ponto de vista.

Exemplo 35: de selfie para visão de terceira pessoa. Reconstrói a mesma pessoa e local em um enquadramento amplo.

Fichas de personagem e continuidade

Exemplo 36: retrato de pessoa com roupa branca. Entrada para material de definição de personagem.

Exemplo 37: ficha de design que reúne a definição de uma pessoa. Integra rosto, roupa, acessórios e informações textuais.

Exemplo 38: ficha de personagem com frente, lateral e costas. Para materiais de referência de vídeo ou quadrinhos.

Exemplo 39: mesma pessoa em várias cenas. Observa a preservação de rosto e roupas quando pose e local mudam.

Exemplo 40: diagrama explicativo de um edifício. Geração de material que integra texto, planta, amostras de materiais e anotações em uma imagem.

UI, documentos e fotos naturais de pessoas

Exemplo 41: UI de aplicativo de reserva de viagens. Projeto de tela com letras pequenas, cartões, fotos e botões.

Exemplo 42: documento com problema de geometria. Mostra a dificuldade de gerar páginas com texto longo e figuras.

Exemplo 43: retrato externo com luz natural. Representação de chapéu, cabelo e luz filtrada pelas árvores.

Exemplo 44: foto de pessoa na marina. Exemplo fotorrealista com fundo detalhado, incluindo cordas, barcos e ferramentas.

Ampliações e outros pontos de vista fáceis de comparar

Exemplo 45: ampliação de parte do resultado da foto de grupo. Permite verificar rostos, poses e iluminação ao reunir várias referências em um espaço.

Exemplo 46: ampliação do interior após integração dos móveis. Cria perspectiva e luz do cômodo inteiro a partir de referências de produtos individuais.

Exemplo 47: recorte quadrado após mudança de ponto de vista da câmera. Facilita observar a relação de escala entre a torre e a pessoa ao fundo.

Exemplo 48: ampliação da ficha de design de personagem. Permite conferir a qualidade local de variações faciais, texto e acessórios.

Exemplo 49: ampliação de parte da sequência com a mesma pessoa em várias cenas. Observa a consistência de roupa e rosto, importante em produções longas.

Exemplo 50: ampliação de infográfico arquitetônico. Mostra o desafio composto de desenho linear, materiais, anotações e planejamento de espaços em branco.

Fonte das imagens: amostras oficiais «Qwen-Image-2.1» da Qwen Team. As seis ampliações são recortes editados para explicação comparativa.

100 exemplos e testes que ganharam destaque no Reddit

A seguir, organizamos em 100 itens os tipos de criação e edição que de fato chamaram atenção nas principais publicações sobre Qwen-Image 2.1 no Reddit. Como incluem a subjetividade dos autores e diferenças de ambiente, não devem ser lidos como benchmark, mas como um catálogo prático do que testar para entender o comportamento do modelo.

A. Fotos de pessoas e retratos (1–10)

1. Foto amadora de mulher, como se tivesse sido tirada com smartphone.
2. Retrato cotidiano fotografado no corredor de um supermercado.
3. Foto de pessoa com contraluz cinematográfica.
4. Reiluminação de pessoa com cenário noturno ao fundo.
5. Alteração simultânea de clima e horário para uma noite chuvosa.
6. Foto de moda que preserva a textura da pele.
7. Foto de perfil direito com câmera em posição baixa.
8. Mudança de câmera de foto frontal para ângulo de três quartos.
9. Regeneração de rosto com grande mudança de expressão.
10. Geração de «rosto-base» integrado a partir de múltiplas condições de iluminação.

Destaques: teste com mais de 200 imagens de 1girl (cerca de 1.483 votos), review inicial

B. Consistência de personagens (11–20)

11. Ficha do mesmo personagem vista de frente, de lado e de costas.
12. Material de definição que reúne close do rosto e figura de corpo inteiro.
13. Geração de um único rosto consistente a partir de referência facial 2×2.
14. Mover a mesma pessoa para outro local preservando o rosto.
15. Alterar apenas as roupas da mesma pessoa.
16. Alterar apenas o penteado da mesma pessoa.
17. Substituir apenas a pose da mesma pessoa.
18. Representar a mesma pessoa em versão realista e em versão de quadrinhos.
19. Criar várias poses para tomadas contínuas.
20. Usar ficha de personagem como material de referência para geração de vídeo.

Destaques: ficha de design de personagem, referência facial em quatro direções (cerca de 157 votos), Qwen versus FLUX.2 Krea (cerca de 116 votos)

C. Transferência de pose, câmera e composição (21–30)

21. Transferir a pose da referência 2 para a pessoa da referência 1.
22. Colocar uma pessoa sentada em uma cadeira amarela de outra imagem.
23. Mudar uma pessoa em pé para sentada preservando a roupa.
24. Mudar a composição frontal para plano médio em ângulo baixo.
25. Expandir apenas o enquadramento preservando o tamanho do sujeito.
26. Transferir uma pose de imagem de estúdio de poses para pessoa realista.
27. Transformar pessoa realista em estilo Simpsons preservando a pose.
28. Preservar a posição de uso do produto mesmo mudando o ângulo de câmera.
29. Aplicar grande profundidade de campo tanto ao primeiro plano quanto ao fundo.
30. Transformar em foto de grupo sem desfazer a disposição de várias pessoas.

Destaques: dicas de edição (cerca de 513 votos), Editing Beast (cerca de 840 votos)

D. Produtos, publicidade e prova virtual (31–40)

31. Substituir em lote uma lata de Coca-Cola amassada por lata de outro produto.
32. Alterar apenas cor e design preservando a deformação da lata.
33. Refletir a cor do produto nas superfícies brancas ao redor.
34. Colocar naturalmente no pulso de uma pessoa um relógio de outra imagem.
35. Anúncio de relógio que preserva pose, tipo físico e iluminação originais.
36. Prova virtual com cinco referências: modelo, roupa, sapato, bolsa e chapéu.
37. Inserir o logotipo de outra imagem em uma foto de produto.
38. Trocar somente a embalagem e manter o set de fotografia.
39. Recorte de produto com fundo transparente para e-commerce.
40. Apresentar o mesmo produto em vários fundos e iluminações.

Destaques: Editing Beast (cerca de 840 votos), exemplos oficiais de múltiplas referências

E. Edição de fundo, iluminação e materiais (41–50)

41. Mudar um fundo diurno para noite chuvosa.
42. Trocar apenas o fundo preservando a pessoa.
43. Transferir ao mesmo tempo iluminação e fundo de uma imagem de referência.
44. Substituir uma parede pela textura verde de outra imagem.
45. Mudar um ambiente interno para iluminação quente de entardecer.
46. Mudar para iluminação nítida de ensaio de alta moda.
47. Recalcular a sombra da pessoa de acordo com a luz do fundo.
48. Comparar realismo entre ruído normal e ruído Brownian.
49. Comparar texturas do sampler Euler e de sampler customizado eta 0.50.
50. Conciliar nitidez e naturalidade com sampler em duas etapas.

Destaques: dicas de edição, tópico de testes de configuração (cerca de 80 votos)

F. PNG transparente, recorte e edição local (51–60)

51. PNG com fundo transparente de um único personagem.
52. Asset de produto com fundo transparente.
53. Material de design transparente composto por vários elementos.
54. Extrair apenas uma pessoa de uma foto.
55. Editar um sujeito em camada transparente.
56. Inpainting de forma que inclui limites alfa.
57. Alterar simultaneamente forma de fones de ouvido e área transparente.
58. Substituir apenas a área de roupa pintada de vermelho.
59. Editar apenas um acessório circundado por um círculo.
60. Edição local que restaura completamente o exterior da máscara.

Destaques: edição alfa com LanPaint (cerca de 77 votos), review inicial

G. Outpainting e restauração (61–70)

61. Expandir o canvas somente à esquerda.
62. Expandir o canvas somente à direita.
63. Expandir o canvas somente na parte superior.
64. Expandir o canvas somente na parte inferior.
65. Expandir esquerda, direita e baixo de uma vez.
66. Completar as áreas vazias de uma foto inclinada diagonalmente.
67. Restaurar fundo perdido por um recorte ruim.
68. Completar o entorno de um sujeito parcialmente fora do enquadramento.
69. Criar enquadramento amplo preservando o fundo original.
70. Comparar granulação e alterações de contraste na restauração de fotos antigas.

Destaques: teste de outpainting (cerca de 62 votos), teste crítico de restauração fotográfica

H. Pôsteres, texto e design gráfico (71–80)

71. Pôster de evento com manchete grande.
72. Design publicitário que define antes a composição e a hierarquia de informação.
73. Comparação para estabilizar letras grandes em 2 a 2,5 MP.
74. Comparação para elevar o detalhamento de visuais sem texto perto de 4 MP.
75. Design de embalagem com nome de produto.
76. Gráfico de televisão vintage exibindo «Qwen».
77. Compor naturalmente placas ou logotipos em outra imagem.
78. Layout complexo por prompt longo.
79. Teste de texto corrompido e inserção de chinês em infográfico em inglês.
80. Pôster que compara qualidade de design com modelos de imagem da linha GPT.

Destaques: modelo de prompt para design, review breve e exemplo de TV vintage

I. Transformação de estilo, ilustração e criação de histórias (81–90)

81. Transformar foto realista em estilo de quadrinhos.
82. Transformar pessoa realista em estilo Simpsons.
83. Transferir apenas o estilo visual de uma imagem de referência para outra.
84. Mudar tonalidade preservando personagem e fundo.
85. Gerar imagem em estilo de foto Polaroid.
86. Gerar storyboard em formato de quatro quadros.
87. Expandir a mesma pessoa para várias cenas.
88. Tomadas de narrativa contínua que preservam animais, carros e pessoas.
89. Arte com aparência de screenshot de anime contemporâneo.
90. Comparação de falhas de estilo anime puxado para o realismo.

Destaques: experimento Polaroid, comparação de uso para anime com Krea 2, review inicial

J. Fluxo de trabalho, velocidade e comparação de qualidade (91–100)

91. Comparar composição, textura e contraste com CFG de 1 a 5.
92. Comparar CFG abaixo de 2 com o «excesso de processamento» em CFG 4.
93. Geração rápida em 16 passos, 1 MP e INT8.
94. Teste de qualidade de edição em 25 passos e 2K.
95. Upscale de 2K para 4K após 30 passos.
96. Edição que busca cerca de 2× de velocidade com LoRA de 4 passos.
97. Geração de pessoa em 8 passos, 1024×1280 e cerca de 45 segundos em RTX 3060.
98. Comparação de velocidade de fichas de personagem entre Qwen e FLUX.2 Krea.
99. Teste de precisão de pixel em 2K e integração de 10 imagens de referência.
100. Comparação para reduzir ruído em detalhes com Fix v2.0 e sampler especializado.

Destaques: tópico de lançamento de modelos para ComfyUI (cerca de 106 votos), LoRA de 4 passos com pouca VRAM (cerca de 44 votos), resultados de experimentos, Fix v2.0

Resumo da avaliação no Reddit

Pontos mais elogiados

• Desempenho de edição: preserva relativamente bem a imagem original mesmo ao mudar cor, fundo, material, pose ou produto.
• Múltiplas referências: forte para combinar pessoas, produtos, itens de moda e acessórios em uma criação.
• Consistência de personagens: promissor como ponto de partida para materiais de definição e tomadas contínuas.
• Imagens transparentes: pode gerar e editar o próprio alfa, não apenas recortar.
• Outpainting: fácil de usar para expandir várias direções de uma só vez.
• Tamanho e velocidade: prático para uma parte geradora de 7B, com muitas opções de quantização e aceleração.

Fraquezas apontadas repetidamente

• Mãos, dedos, braços e estruturas corporais complexas são instáveis.
• Rostos ao fundo e linhas finas tendem a se deteriorar.
• A saída padrão às vezes apresenta aparência ruidosa ou detalhes desorganizados.
• O contraste pode ser forte demais, fechando excessivamente os pretos.
• Na restauração de fotos, pode alterar arbitrariamente a granulação original ou formas sutis.
• Há críticas de que fichas de personagem deixam o corpo atarracado.
• Mais imagens de referência aumentam a chance de cruzamento de atributos e alucinações.
• Alguns estilos de anime são puxados para uma direção realista e cinematográfica.
• Há exemplos fortes de texto, mas letras pequenas e infográficos em inglês são instáveis.
• Configurações, reescrita de prompt e sampler fazem grande diferença no resultado.

O que surge dessa combinação de elogios e críticas é que o Qwen-Image 2.1 não é um «modelo universal perfeito em uma tentativa», mas um modelo de produção centrado em edição que melhora quanto mais cuidadosamente se ajustam configuração e fluxo de trabalho.

Como começar na prática

No ComfyUI, atualize para a versão mais recente e escolha Text-to-Image ou Image Edit nos modelos integrados. Fluxos de trabalho oficialmente compatíveis também são publicados no GitHub. Primeiro, crie uma imagem-base com os 40 passos próximos ao padrão oficial; depois, reduza para 16, 8 e 4 passos para comparar velocidade e qualidade.

Na edição, em vez de escrever vagamente «melhore mais», é mais fácil testar escrevendo na seguinte ordem.

1. O que mudar.
2. De qual imagem de referência trazer o elemento.
3. O que não pode mudar em hipótese alguma.
4. Como preservar luz, fundo, tipo físico, pose e composição.
5. Quais elementos propensos a falhas incluir em instruções negativas.

Por exemplo, em uma composição de produto, deixe claro o objeto e as condições de preservação: «Preserve a pessoa e a pose da imagem 1 e coloque apenas o relógio da imagem 2 no pulso. Não altere tipo físico, fundo ou iluminação.» Em múltiplas referências, é importante não deixar ambígua a correspondência entre <image1> e <image2>.

Para imagens transparentes, exemplos compartilhados no Reddit indicam explicitamente «RGBA image», «alpha channel» e «background is transparent». Caso queira editar também a borda transparente, use processamento de máscara com suporte a alfa, como LanPaint.

Para quem é indicado

Qwen-Image 2.1 combina bem com os seguintes usos.

• Pessoas que querem produzir localmente com ComfyUI.
• Quem quer alterar apenas partes de pessoas ou produtos.
• Quem quer reunir diversos materiais de referência em um único anúncio ou cenário.
• Quem quer criar materiais de definição de personagens ou imagens de referência para vídeo.
• Quem quer criar PNGs transparentes ou assets para jogos e Web.
• Equipes de pesquisa e desenvolvimento que querem operar APIs de geração e edição de imagens em servidores dedicados.

Em contrapartida, para restauração fotográfica totalmente fiel, identidade rigorosa em obras longas e contínuas, poses complexas em que mãos e dedos são importantes, infográficos densos em letras pequenas ou adoção incondicional visando uso comercial, é indispensável comparar com outros modelos e verificar a licença.

Conclusão

A essência do Qwen-Image 2.1 está em integrar, em uma parte geradora relativamente pequena de 7 bilhões de parâmetros, T2I, edição de imagens, até 10 referências, edição local, RGBA transparente e extração de sujeitos. O que mais desperta entusiasmo no Reddit não é a simples geração de garotas bonitas, mas usos que encurtam etapas de produção: substituição de relógios e latas, fichas de personagem, transferência de fundo e iluminação, outpainting e edição alfa.

Por outro lado, a avaliação dos exemplos depende muito das configurações. CFG, sampler, número de passos, resolução, reescrita de prompt e LoRAs de aceleração podem mudar os resultados a ponto de parecerem modelos diferentes. É mais seguro começar pelas configurações oficiais, comparar uma alteração por vez e, em trabalhos importantes, fazer comparações cegas com outros modelos.

E o maior ponto de atenção é a licença. O fato de os pesos serem públicos não torna o uso comercial automaticamente livre. Tecnicamente o modelo é muito atraente, mas, para adotá-lo no trabalho, decida somente após conferir a licença oficial e as condições mais recentes.

Links principais

• Blog oficial do Qwen-Image 2.1
• Repositório oficial no GitHub
• Documentação do Hugging Face Diffusers
• Modelo para ComfyUI
• Reddit: coleção de exemplos 1girl
• Reddit: Editing Beast
• Reddit: dicas de edição
• Reddit: outpainting
• Reddit: inpainting do canal alfa
• Reddit: Qwen-Image 2.1 Fix v2.0

※Este artigo foi elaborado com base em informações oficiais e publicações públicas da comunidade disponíveis em 4 de outubro de 2026. Os votos no Reddit, as ferramentas ao redor do modelo e as condições de licença podem mudar.