Qwen Image

de Alibaba

Qwen Image es un modelo text-to-image de 20B parámetros (MMDiT, Multimodal Diffusion Transformer) del equipo Qwen de Alibaba, lanzado en agosto de 2025 bajo Apache 2.0. Su capacidad estrella es el renderizado de texto de primer nivel - layouts multilínea, párrafos y letra chica - tanto en alfabetos como en escrituras logográficas (sobre todo chino). Combina un text encoder Qwen2.5-VL 7B con un VAE propio y genera de forma nativa a 1328x1328. Una revisión 2512 viene en el mismo repo de Comfy-Org.

ImagenApache 2.0Publicado en ago 202520B parámetros

Repo en Hugging Face ↗Alibaba ↗

Arrastra o haz clic para recorrer el pipeline

calidad completamás liviano

Los tiers livianos entran en GPUs más chicas y pierden algo de detalle. Empieza por el más pesado que cargue.

El modelo

Qwen Image

BF1653.7 GB

Tres piezas, tres descargas separadas.

Modelo de difusiónVa en diffusion_models/

Genera la imagen

38.0 GB↓↗

Text encoderVa en text_encoders/

Convierte tu prompt en guía para el modelo

15.4 GB↓↗

VAEVa en vae/

Decodifica el resultado en píxeles

0.2 GB↓↗

LoRAs (opcional)Va en loras/

No hay LoRAs indexados para este modelo.

SamplerKSampler

Copia estos valores en tu KSampler.

Pasos50

CFG4

Samplereuler

Schedulersimple

Res. nativa1328x1328 (native), up to 1664 long side

Shift3.1

Notas de uso

GGUF es la forma más liviana de correr este modelo.

Apache 2.0. Revisa los términos de uso en el repo oficial.

Haz clic en un nombre de archivo para copiarlo.