El 20 de septiembre de 2026, el equipo de Qwen lanzó el modelo de generación de imágenes «Qwen-Image 2.1». Su principal característica es reunir en un solo modelo la generación de imágenes desde texto, la edición con imágenes de referencia, la composición de varias imágenes, la edición local y la generación y edición con fondo transparente (RGBA). El componente generativo tiene 7.000 millones de parámetros. En lugar de apostar únicamente por modelos cada vez más grandes, busca un tamaño y una eficiencia de procesamiento manejables también en entornos locales.

En resumen, Qwen-Image 2.1 resulta más interesante no como un modelo para crear la imagen perfecta desde cero, sino como un modelo de producción que evita alterar excesivamente imágenes existentes, combina varios materiales y modifica con precisión las partes deseadas. En Reddit, las valoraciones se concentran especialmente en la edición, la consistencia de personajes, la composición de productos, el outpainting y los recursos transparentes. Por otro lado, también se han reportado debilidades claras en manos y dedos, rostros lejanos, ruido de detalle, negros empastados, restauración de fotografías antiguas y estilos anime.

Este artículo organiza todas las funciones a partir de la información oficial y recorre los principales hilos de Reddit para reunir las pruebas de generación y edición más comentadas como una selección de 100 ejemplos. Las 100 entradas no representan 100 publicaciones independientes, sino temas de imagen y operaciones de edición individuales probados dentro de varias publicaciones, galerías y flujos de trabajo populares.

Qué es Qwen-Image 2.1

Qwen-Image 2.1 es un modelo integrado de generación y edición de imágenes de la familia Qwen. Según la explicación oficial, incorpora un DiT de flujo único de 32 capas y 7.000 millones de parámetros en su componente de generación. Qwen3-VL 8B transforma las instrucciones de texto y las imágenes condicionales en una representación común, mientras que una VAE RGBA de 64 canales se encarga de una compresión espacial de 16× y de la transparencia nativa.

Las cuatro mejoras que destaca oficialmente son las siguientes.

1. Compacto y eficiente: mejora el equilibrio entre calidad y coste computacional mediante atención de granularidad mixta y reutilización de la caché KV de prefijo.
2. Integración de generación y edición: permite generar y editar imágenes normales y transparentes con el mismo modelo.
3. Edición versátil: admite hasta 10 imágenes de referencia, indicaciones locales mediante máscaras o anotaciones dibujadas, y preservación de la identidad de personas y productos.
4. Textura y estética: mejora la tipografía, la iluminación de retratos y las texturas finas.

Fuentes: blog oficial de Qwen, GitHub oficial, documentación de Diffusers

Todas las funciones, organizadas

1. Generación de imágenes a partir de texto

Admite el flujo habitual de Text-to-Image. Puede manejar no solo indicaciones cortas, sino también instrucciones largas en lenguaje natural mediadas por Qwen3-VL, con composición, luz, materiales, primer plano, fondo y elementos de texto. Los ejemplos oficiales usan 40 pasos como referencia, aunque la comunidad también ha probado LoRA acelerados de 8 a 16 pasos y configuraciones de 30 a 40 pasos centradas en la calidad.

2. Edición de imágenes

Al proporcionar simultáneamente una imagen de entrada y una instrucción, se pueden modificar el color, el clima, el fondo, la ropa, la pose, los materiales, la iluminación o el ángulo de cámara. En Reddit abundan las opiniones de que destaca más en edición que en T2I puro.

3. Hasta 10 imágenes de referencia

Puede tomar personas, ropa, zapatos, bolsos, sombreros, muebles y productos de imágenes separadas e integrarlos en una escena. Los ejemplos oficiales incluyen una foto de grupo que reúne seis rostros, una prueba virtual con cinco materiales y un diseño de interior con diez muebles. Sin embargo, la comunidad también señala que, cuanto más crece el número de referencias, más fácil es que surjan instrucciones en conflicto o mezcla de atributos.

4. RGBA nativo y fondo transparente

No se limita a eliminar el fondo en posproducción: puede generar directamente imágenes que incluyen un canal de transparencia. Es apropiado para extraer sujetos de fotografías, editar la forma de materiales transparentes o crear recursos con transparencia que contienen varios elementos.

5. Edición local y con máscaras

Permite indicar las zonas que se deben cambiar mediante círculos, anotaciones pintadas o máscaras independientes. En ComfyUI se han probado instrucciones como pintar una zona de la imagen y pedir «cambia solo la ropa de la región roja». En combinación con LanPaint, también es posible hacer inpainting del propio canal alfa, no solo del color.

6. Outpainting

Puede ampliar el lienzo por arriba, abajo, izquierda o derecha y completar el espacio vacío según el contexto de la imagen original. En Reddit llamó la atención un informe que indicaba que puede expandir varias direcciones simultáneamente y más rápido que los flujos de trabajo especializados tradicionales.

7. Preservación de identidad

Su uso principal consiste en conservar el rostro, la ropa y la pose de una persona, o la forma y los elementos de marca de un producto, mientras se modifica solo el fondo o algunos atributos. Es especialmente comentado para hojas de personaje y producción de planos consecutivos, aunque conviene comprobar la deriva con ángulos extremos, expresiones intensas o secuencias largas.

8. Renderizado de texto y diseño

Es compatible con imágenes que incluyen pósteres, empaques, carteles y tipografía. Es popular un flujo de trabajo que organiza primero la composición, la jerarquía de información, el tamaño del texto y los espacios en blanco con un LLM externo. Sin embargo, también hay informes de texto chino no deseado mezclado en infografías en inglés.

9. Reescritura de prompts

El repositorio oficial incluye reescritores de prompts para T2I e I2I. Amplían una petición breve a una composición detallada y, durante la edición, la convierten en una instrucción que conserva todo salvo la zona que se desea modificar. La comunidad también ha indicado que, en algunos casos, las plantillas específicas por uso funcionan mejor que la reescritura estándar.

10. Aceleración, bajo consumo de memoria y cuantización

Es compatible con CPU offload de Diffusers, caché KV de prefijo de vLLM-Omni, CUDA Graph, FP8, paralelismo tensorial y offload de memoria y kernels optimizados de SGLang. Para ComfyUI también han aparecido variantes derivadas BF16, INT8 ConvRot, GGUF y de 4 bits. Hay informes de usuarios que apuntan a aproximadamente el doble de velocidad con un LoRA de 4 pasos, así como nodos personalizados que ejecutan expansión de prompts con 8 GB de VRAM, aunque conviene comprobar siempre el compromiso entre velocidad y calidad.

11. Entornos compatibles

Se indican la implementación oficial, Hugging Face Diffusers, ComfyUI, vLLM-Omni, SGLang-Diffusion, LightX2V y ModelScope. También se presentan ejemplos de ROCm para AMD Radeon y compatibilidad con varios chips a través de FlagOS.

12. Consideraciones sobre la licencia

Los pesos del modelo están publicados, pero no se ofrecen bajo Apache 2.0, sino bajo el «Qwen Research License Agreement». La licencia oficial especifica que el uso comercial requiere una licencia comercial independiente. También incluye obligaciones de notificación al redistribuir y la indicación «Built with Qwen» o «Improved using Qwen» en la documentación de modelos de IA derivados. Revisa siempre el texto original antes de adoptarlo en un entorno profesional.

Fuente: licencia oficial

50 perspectivas a partir de ejemplos oficiales

Aquí se presentan 50 ejemplos, centrados en las muestras oficiales de Qwen-Image 2.1 publicadas por el equipo de Qwen y relacionados con los temas especialmente debatidos en Reddit. En lugar de limitarse a imágenes bonitas, incluyen entradas, resultados de edición, máscaras, referencias múltiples, cambios de cámara y generación de materiales, para mostrar en qué parte del proceso creativo puede ayudar el modelo.

Recursos transparentes y generación de ilustraciones

Ejemplo 1: ilustración transparente con motivo de danza del león. Un caso que trata a la vez adornos de contorno fino y fondo alfa.

Ejemplo 2: ilustración decorativa de una mujer rodeada de flores. Incluye límites complejos entre cabello, pétalos y hojas.

Ejemplo 3: profesional usando un portátil. Ilustración recortada para recursos web o presentaciones.

Ejemplo 4: varios adornos colgantes. Integra en una sola imagen semitransparencias, hilos finos y distintas sensaciones de material.

Ejemplo 5: numerosos personajes de perros. Ejemplo de diferenciación de múltiples sujetos y composición grupal.

Edición de imágenes y sustitución de texto

Ejemplo 6: imagen original de un oficinista cansado. Imagen condicional para compararla con el siguiente resultado de edición.

Ejemplo 7: oficinista con expresión y ambiente modificados. Cambia la emoción del personaje conservando el diseño.

Ejemplo 8: letras florales «BLOOM». Ejemplo de referencia para texto, adornos y colocación central.

Ejemplo 9: sustitución del texto por «Qwen-Image». Edición tipográfica que conserva el estilo floral.

Ejemplo 10: fotografía de una torre de día. Ejemplo de entrada para edición de hora del día y fondo.

Fondo, hora del día y varias personas

Ejemplo 11: árbol en flor nocturno. Permite observar la capacidad de convertir una fotografía diurna en una escena nocturna y modificar la atmósfera.

Ejemplo 12: generación de una foto grupal a partir de varias referencias de personas. Muestra el núcleo de la función de hasta 10 referencias.

Ejemplo 13: conjunto creado con referencias múltiples de ropa y persona. Cercano a la idea de una prueba virtual.

Ejemplo 14: interior compuesto a partir de numerosas imágenes de muebles. Uso para colocar un catálogo de productos en una habitación.

Ejemplo 15: indicaciones dibujadas con color alrededor de un gato. Entrada para una indicación local mediante anotación.

Edición local, máscaras y composición

Ejemplo 16: modificación únicamente del gato en la zona indicada. Sustituye el sujeto manteniendo la ropa de cama y a la persona.

Ejemplo 17: tiburón bajo el agua e indicación local. Entrada de edición con trazos directos sobre el objeto.

Ejemplo 18: escena submarina con un buzo añadido. Composición que iguala la luz y la escala bajo el agua.

Ejemplo 19: imagen original de una persona montada en un burro. Fotografía que sirve como referencia para la edición con máscara.

Ejemplo 20: máscara que indica a la persona y al burro. Otro método que delimita el área de cambio en blanco y negro.

Reubicación de personas y conservación del rostro

Ejemplo 21: resultado de edición de una persona con máscara. También permite comparar la coherencia con el prado del fondo.

Ejemplo 22: retrato de referencia facial. Imagen base para la siguiente generación de cuerpo entero en un nuevo entorno.

Ejemplo 23: expansión de la persona de referencia a una foto de cuerpo entero al aire libre. Lleva el rostro y la ropa a una nueva composición.

Ejemplo 24: foto facial casi frontal. Condición de entrada para la edición de peinado.

Ejemplo 25: foto facial con peinado cambiado. Conserva los rasgos y el fondo, alargando solo el cabello.

Poses, escenas y fotografía de producto

Ejemplo 26: persona agachada en un puerto. Caso con postura compleja, accesorios y paisaje lejano.

Ejemplo 27: persona abriendo una caja en interiores. Composición para observar dedos, caja y superposición corporal.

Ejemplo 28: cosmético sostenido en la mano. Fotografía de producto que incluye el texto de la etiqueta y el contacto con los dedos.

Ejemplo 29: conversión del cosmético en una toma de producto para interiores. Añade luz natural, mesa y pequeños elementos de comida.

Ejemplo 30: prenda colocada en un maniquí. Referencia de producto para la siguiente generación de prueba sobre una persona.

Prueba virtual y composición de accesorios

Ejemplo 31: vestir a una persona con la prenda de referencia. Adapta el estampado, el largo y la silueta al cuerpo.

Ejemplo 32: fotografía de producto de una pulsera aislada. Imagen condicional para composición de uso.

Ejemplo 33: pulsera colocada en la muñeca de una persona. Ajusta de forma natural el contacto con la piel y las sombras.

Ejemplo 34: selfie delante de una torre. Foto de entrada para cambiar el punto de vista.

Ejemplo 35: de selfie a perspectiva de un tercero. Reconstruye a la misma persona y lugar en un encuadre más amplio.

Hojas de personaje y continuidad

Ejemplo 36: retrato de una persona con ropa blanca. Entrada para material de referencia de personaje.

Ejemplo 37: hoja de diseño que reúne la configuración de una persona. Integra rostro, ropa, accesorios e información textual.

Ejemplo 38: hoja de personaje con vista frontal, lateral y trasera. Para materiales de referencia de vídeo o cómic.

Ejemplo 39: misma persona colocada en varias escenas. Sirve para observar la conservación de rostro y ropa al cambiar postura y lugar.

Ejemplo 40: diagrama explicativo de un edificio. Generación de materiales que integra texto, planos, muestras de materiales y anotaciones en una imagen.

UI, documentos y fotografías naturales de personas

Ejemplo 41: UI de una aplicación de reservas de viajes. Diseño de pantalla con texto pequeño, tarjetas, fotos y botones.

Ejemplo 42: documento con problemas de geometría. Permite observar la dificultad de generar páginas con texto largo y figuras.

Ejemplo 43: retrato exterior con luz natural. Representación de sombrero, cabello y luz filtrada entre árboles.

Ejemplo 44: fotografía de una persona en una marina. Ejemplo fotorrealista con detalles de fondo como cuerdas, barcos y herramientas.

Ampliaciones y puntos de vista alternativos fáciles de comparar

Ejemplo 45: ampliación de una parte del resultado de la foto grupal. Permite comprobar rostros, poses e iluminación al reunir múltiples referencias en un espacio.

Ejemplo 46: ampliación del interior tras integrar los muebles. Crea perspectiva y luz de toda una habitación a partir de referencias individuales de productos.

Ejemplo 47: recorte cuadrado tras cambiar el punto de vista de cámara. Hace más fácil ver la relación de escala entre la torre del fondo y la persona.

Ejemplo 48: ampliación de la hoja de diseño de personaje. Permite comprobar la calidad local de variantes faciales, texto y accesorios.

Ejemplo 49: ampliación de parte de la serie que sitúa a la misma persona en varias escenas. Observa la coherencia de ropa y rostro, importante en producciones largas.

Ejemplo 50: ampliación de una infografía arquitectónica. Muestra el reto compuesto de dibujo lineal, materiales, anotaciones y diseño de espacios en blanco.

Fuente de las imágenes: muestras oficiales de «Qwen-Image-2.1» del equipo de Qwen. Las seis ampliaciones son recortes editados para facilitar la comparación.

100 ejemplos y pruebas comentados en Reddit

A continuación se organizan en 100 puntos los patrones de creación y edición que realmente generaron conversación en las principales publicaciones sobre Qwen-Image 2.1 en Reddit. Como incluyen la subjetividad de quienes publicaron y diferencias de entorno, no deben leerse como un benchmark, sino como un catálogo práctico de pruebas que revelan el carácter del modelo.

A. Fotografías de personas y retratos (1–10)

1. Fotografía amateur de una mujer, como tomada con un smartphone.
2. Retrato cotidiano tomado en el pasillo de un supermercado.
3. Fotografía de persona con contraluz cinematográfica.
4. Reiluminación de una persona con un paisaje nocturno de fondo.
5. Cambio simultáneo de clima y hora del día a una noche lluviosa.
6. Fotografía de moda que conserva la textura de la piel.
7. Toma lateral derecha desde una posición baja de cámara.
8. Cambio de cámara de una foto frontal a un ángulo de tres cuartos.
9. Regeneración facial con un gran cambio de expresión.
10. Generación de un «rostro de referencia» integrado a partir de varias condiciones de iluminación.

Fuentes destacadas: prueba de más de 200 imágenes de 1girl (aprox. 1.483 votos), reseña inicial

B. Consistencia de personajes (11–20)

11. Hoja frontal, lateral y trasera de un mismo personaje.
12. Material de configuración que reúne un primer plano facial y una imagen de cuerpo entero.
13. Generación de un único rostro consistente a partir de referencias faciales 2×2.
14. Traslado de la misma persona a otro lugar manteniendo el rostro.
15. Cambio exclusivo de ropa en la misma persona.
16. Cambio exclusivo de peinado en la misma persona.
17. Sustitución exclusiva de pose en la misma persona.
18. Representación de la misma persona en versión fotorrealista y versión cómic.
19. Creación de varias poses para planos consecutivos.
20. Uso de una hoja de personaje como material de referencia para generación de vídeo.

Fuentes destacadas: hoja de diseño de personajes, referencias faciales de cuatro direcciones (aprox. 157 votos), Qwen frente a FLUX.2 Krea (aprox. 116 votos)

C. Transferencia de pose, cámara y composición (21–30)

21. Transferir la pose de la referencia 2 a la persona de la referencia 1.
22. Colocar a una persona sentada en la silla amarilla de otra imagen.
23. Cambiar una pose de pie a una sentada conservando la ropa.
24. Convertir una composición frontal en un plano medio desde ángulo bajo.
25. Ampliar solo el encuadre conservando el tamaño del sujeto.
26. Transferir la postura desde una imagen de estudio de poses a una persona fotorrealista.
27. Convertir una persona fotorrealista al estilo de Los Simpson conservando la postura.
28. Conservar la posición de un producto colocado incluso al cambiar el ángulo de cámara.
29. Aplicar una profundidad de campo profunda tanto al primer plano como al fondo.
30. Convertir varias personas en una foto grupal sin romper su disposición.

Fuentes destacadas: consejos de edición (aprox. 513 votos), Editing Beast (aprox. 840 votos)

D. Productos, publicidad y prueba virtual (31–40)

31. Sustituir de una vez una lata de Coca-Cola aplastada por la lata de otro producto.
32. Cambiar solo el color y el diseño conservando la deformación de la lata.
33. Reflejar el color del producto en las superficies blancas circundantes.
34. Colocar de forma natural el reloj de otra imagen en la muñeca de una persona.
35. Anuncio de relojes que conserva la pose, la complexión y la iluminación originales.
36. Prueba con cinco referencias: modelo, ropa, zapatos, bolso y sombrero.
37. Colocar el logotipo de otra imagen en una fotografía de producto.
38. Cambiar solo el empaque y conservar el set fotográfico.
39. Recorte de producto con fondo transparente para comercio electrónico.
40. Mostrar el mismo producto con varios fondos e iluminaciones.

Fuentes destacadas: Editing Beast (aprox. 840 votos), ejemplos oficiales de referencias múltiples

E. Edición de fondo, iluminación y materiales (41–50)

41. Cambiar un fondo diurno por una noche lluviosa.
42. Sustituir solo el fondo manteniendo a la persona.
43. Transferir simultáneamente la iluminación y el fondo de una imagen de referencia.
44. Sustituir una pared por la textura verde de otra imagen.
45. Cambiar un interior a iluminación cálida de atardecer.
46. Cambiar a iluminación nítida de sesión de alta costura.
47. Recalcular las sombras de la persona según la luz del fondo.
48. Comparar el fotorrealismo de ruido normal y ruido browniano.
49. Comparar la textura de los samplers Euler y personalizado eta 0.50.
50. Combinar nitidez y naturalidad mediante un sampler de dos etapas.

Fuentes destacadas: consejos de edición, hilo de pruebas de configuración (aprox. 80 votos)

F. PNG transparentes, recortes y edición local (51–60)

51. PNG con fondo transparente de un único personaje.
52. Recurso de producto con fondo transparente.
53. Material de diseño transparente compuesto por varios elementos.
54. Extraer solo a una persona de una fotografía.
55. Editar un sujeto situado sobre una capa transparente.
56. Inpainting de formas que incluyen bordes alfa.
57. Cambiar simultáneamente la forma de unos auriculares y sus zonas transparentes.
58. Sustituir solo la zona de ropa pintada de rojo.
59. Editar solo un accesorio rodeado con un círculo.
60. Edición local que restaura por completo lo que queda fuera de la máscara.

Fuentes destacadas: edición alfa con LanPaint (aprox. 77 votos), reseña inicial

G. Outpainting y restauración (61–70)

61. Ampliar el lienzo solo por la izquierda.
62. Ampliar el lienzo solo por la derecha.
63. Ampliar el lienzo solo por arriba.
64. Ampliar el lienzo solo por abajo.
65. Ampliar izquierda, derecha y abajo de una vez.
66. Completar las zonas vacías de una fotografía inclinada en diagonal.
67. Restaurar un fondo perdido por un mal recorte.
68. Completar el entorno de un sujeto parcialmente cortado.
69. Convertir a gran angular conservando el fondo original.
70. Comparar cambios en grano y contraste durante la restauración de una fotografía antigua.

Fuentes destacadas: prueba de outpainting (aprox. 62 votos), evaluación crítica de restauración fotográfica

H. Pósteres, texto y diseño gráfico (71–80)

71. Póster de evento con un gran titular.
72. Diseño publicitario cuya composición y jerarquía informativa se deciden primero.
73. Comparativa para estabilizar texto grande a 2–2,5 MP.
74. Comparativa para elevar el detalle de visuales sin texto a alrededor de 4 MP.
75. Diseño de empaque con nombre de producto.
76. Gráfico de una televisión vintage que muestra «Qwen».
77. Componer de forma natural letreros o logotipos sobre otra imagen.
78. Diseño complejo mediante prompts largos.
79. Prueba de texto deformado e inserción de chino en una infografía en inglés.
80. Póster que compara la calidad de diseño con modelos de imagen de tipo GPT.

Fuentes destacadas: plantilla de prompts para diseño, reseña breve y ejemplo de TV vintage

I. Transformación de estilo, ilustración y creación narrativa (81–90)

81. Transformación de una fotografía fotorrealista a estilo cómic.
82. Transformación de una persona fotorrealista al estilo de Los Simpson.
83. Transferir únicamente el estilo de una imagen de referencia a otra imagen.
84. Transformación de tono que conserva personaje y fondo.
85. Generación de imágenes con aspecto de fotografía Polaroid.
86. Generación de storyboard en formato de cuatro viñetas.
87. Situar a la misma persona en varias escenas.
88. Planos narrativos consecutivos que conservan animales, coches y personas.
89. Ilustración similar a una captura de pantalla de anime moderno.
90. Comparativa de fallos de estilo anime que se arrastra hacia una estética fotorrealista.

Fuentes destacadas: experimento Polaroid, comparación con Krea 2 para uso anime, reseña inicial

J. Flujo de trabajo, velocidad y comparativas de calidad (91–100)

91. Comparar composición, textura y contraste con CFG de 1 a 5.
92. Comparar CFG inferior a 2 con el resultado «demasiado cocido» de CFG 4.
93. Generación rápida con 16 pasos, 1 MP e INT8.
94. Prueba de calidad de edición a 25 pasos y 2K.
95. Escalado de 2K a 4K a partir de 30 pasos.
96. Edición que busca aproximadamente el doble de velocidad con LoRA de 4 pasos.
97. Generación de persona en unos 45 segundos con 8 pasos, 1024×1280 y RTX 3060.
98. Comparación de velocidad de hojas de personaje entre Qwen y FLUX.2 Krea.
99. Prueba de precisión de píxel a 2K e integración de 10 imágenes de referencia.
100. Comparación para reducir ruido de detalle mediante Fix v2.0 y un sampler especializado.

Fuentes destacadas: hilo de lanzamiento de modelos para ComfyUI (aprox. 106 votos), 4 pasos con poca VRAM (aprox. 44 votos), resultados de experimentos, Fix v2.0

Resumen de la valoración en Reddit

Aspectos mejor valorados

• Rendimiento de edición: conserva relativamente bien la imagen original incluso al cambiar color, fondo, materiales, pose o producto.
• Referencias múltiples: destaca al combinar personas, productos, moda y accesorios en una producción.
• Consistencia de personajes: es prometedor como punto de partida para materiales de configuración y planos consecutivos.
• Imágenes transparentes: puede generar y editar el propio alfa, no solo hacer recortes.
• Outpainting: es fácil de usar para ampliar varias direcciones de una vez.
• Tamaño y velocidad: resulta práctico para un componente generativo de 7B y ofrece muchas opciones de cuantización y aceleración.

Debilidades señaladas repetidamente

• Manos, dedos, brazos y estructuras corporales complejas son inestables.
• Los rostros distantes y las líneas finas tienden a degradarse.
• La salida predeterminada puede presentar sensación de ruido o desorden en los detalles.
• El contraste puede ser fuerte y los negros pueden quedar demasiado cerrados.
• En restauración fotográfica, puede alterar por su cuenta el grano original o las formas finas.
• Hay críticas de que los cuerpos resultan rechonchos en hojas de personaje.
• Al aumentar las imágenes de referencia, son más probables las mezclas de atributos y las alucinaciones.
• Algunos estilos anime se ven arrastrados hacia una dirección fotorrealista o cinematográfica.
• Aunque hay buenos ejemplos de texto, el texto pequeño y las infografías en inglés son inestables.
• La configuración, la reescritura de prompts y el sampler cambian mucho los resultados.

Lo que se desprende de estas opiniones favorables y desfavorables es que Qwen-Image 2.1 no es «un modelo universal perfecto de una sola vez», sino «un modelo de producción centrado en la edición que mejora cuanto más se afinan la configuración y el flujo de trabajo».

Cómo empezar de forma práctica

En ComfyUI, actualiza a la última versión y elige Text-to-Image o Image Edit desde las plantillas integradas. Los flujos de trabajo compatibles oficialmente también están disponibles en GitHub. Conviene crear primero una imagen de referencia con los 40 pasos cercanos a la configuración oficial y después bajar a 16, 8 y 4 pasos para comparar velocidad y calidad.

Durante la edición, en vez de escribir de manera ambigua «hazlo mejor», es más fácil probar si se escribe en este orden.

1. Qué se quiere cambiar.
2. De qué imagen de referencia se debe tomar.
3. Qué no debe cambiarse bajo ningún concepto.
4. Cómo se deben conservar la luz, el fondo, la complexión, la pose y la composición.
5. Añadir a la instrucción negativa los elementos propensos a fallar.

Por ejemplo, para una composición de producto: «Conserva a la persona y la pose de la imagen 1 y coloca únicamente el reloj de la imagen 2 en la muñeca. No cambies la complexión, el fondo ni la iluminación». Es importante dejar clara la correspondencia entre <image1> y <image2> cuando se usan varias referencias.

Para imágenes transparentes, los ejemplos compartidos en Reddit especifican «RGBA image», «alpha channel» y «background is transparent». Si también se quiere editar hasta el borde transparente, utiliza procesamiento de máscaras compatible con alfa, como LanPaint.

Para quién es adecuado

Qwen-Image 2.1 encaja bien con los siguientes usos.

• Personas que quieren crear localmente con ComfyUI.
• Personas que quieren cambiar solo una parte de una persona o producto.
• Personas que quieren reunir varios materiales de referencia en un único anuncio o escena.
• Personas que quieren crear hojas de configuración de personajes o imágenes de referencia para vídeo.
• Personas que quieren crear PNG transparentes y recursos para juegos o web.
• Equipos de investigación y desarrollo que quieren operar una API de generación y edición de imágenes en servidores dedicados.

Por el contrario, para restauración fotográfica completamente fiel, identidad estricta en obras largas y consecutivas, poses complejas donde las manos y dedos son importantes, infografías con mucho texto pequeño o adopción incondicional orientada al uso comercial, es imprescindible compararlo con otros modelos y confirmar la licencia.

Conclusión

La esencia de Qwen-Image 2.1 reside en integrar T2I, edición de imágenes, hasta 10 referencias, edición local, RGBA transparente y extracción de sujetos en un componente generativo relativamente compacto de 7.000 millones de parámetros. Lo que más entusiasmo despierta en Reddit tampoco es la simple generación de chicas bonitas, sino usos que acortan el proceso de producción: sustituir relojes o latas, crear hojas de personaje, transferir fondos e iluminación, hacer outpainting y editar el alfa.

Por otro lado, la evaluación de los ejemplos depende mucho de la configuración. CFG, sampler, número de pasos, resolución, reescritura de prompts y LoRA de aceleración pueden cambiar los resultados hasta el punto de que parecen modelos distintos. Lo más seguro es crear primero una referencia con la configuración oficial, comparar los cambios de uno en uno y realizar comparativas ciegas con otros modelos en proyectos importantes.

Y la mayor precaución es la licencia. Que los pesos estén publicados no significa que el uso comercial sea automáticamente libre. Es una propuesta muy atractiva desde el punto de vista técnico, pero, si se va a adoptar en el trabajo, conviene decidirlo tras revisar la licencia oficial y sus condiciones más recientes.

Enlaces principales

• Blog oficial de Qwen-Image 2.1
• Repositorio oficial de GitHub
• Documentación de Hugging Face Diffusers
• Modelo para ComfyUI
• Reddit: colección de ejemplos 1girl
• Reddit: Editing Beast
• Reddit: consejos de edición
• Reddit: outpainting
• Reddit: inpainting del canal alfa
• Reddit: Qwen-Image 2.1 Fix v2.0

※Este artículo se elaboró a partir de información oficial y publicaciones públicas de la comunidad disponibles el 4 de octubre de 2026. Los votos de Reddit, las herramientas que rodean al modelo y las condiciones de licencia pueden cambiar.