阿里千问做了个开源的ChatGPT Images 2.5,生成任何你想看的东西!

作者 潮汕阿幸 · · 公众号

现在闭源的图片大模型很强大了,基本你想生成什么,它就能给你生成什么,辉煌一时的本地图片大模型一时没落了。

但本地大模型也有自己的优点,因为它不联网,所以它百无禁忌,可以生成大人小孩都喜欢看的内容。

国庆这几天,我就给自己的电脑装了ComfyUI,试了好几个出名的图片大模型,Flux和SD都试过了,文生图能力都还不错,都可以通过lora和文本编码器来绕过限制,做一些大胆的尝试。

但图生图这边都各有各的缺点,Flux的图生图很难越狱,我试了很多方法都不行,SD倒是可以而且生成的速度还挺快的,但是质量很差。

就在我多次尝试无果后,让我捡到宝了,了解到了Qwen-Image-2.1 开源越狱模型,强,真的太强了,文生图很强,图生图更是牛逼,说是开源界的ChatGPT Images 2.5都不为过。

图生图工作流示例

文生图工作流示例

它的参数7B,可以在配置较低的机器上跑起来,最低门槛是「6GB 显存 N 卡 + 16GB 内存」,但想舒服地用,建议 8GB 显存(RTX 3060/4060 级别)+ 32GB 内存。

为了方便大家使用这个模型,我把自己的安装过程做成了skill,这个技能解决的是一件很具体的事:给你手头这台电脑装 Qwen-Image 2.1。它会做三个动作:

第一步,它自己跑探测脚本,把你的显存、内存、显卡架构、磁盘余量、ComfyUI 版本摸清楚——你不需要回答"你显存多大"这种问题。

第二步,它按你的硬件算出该下哪个量化档位的主模型、配哪个文本编码器和 VAE,给你一张清单:文件名、体积、sha256、放到哪个目录、用什么节点加载。

如果带不动,它会直接说"不合适",并告诉你卡在显存还是内存,以及可以考虑的替代模型,而不是让你先下十几 GB 再失败。

第三步,你确认之后才开始下载,下完自动校验文件完整性。

下载模型本身它不代劳,aria2、迅雷、浏览器随你习惯。真正省事的是后面:它会按你选的档位把模型名改好、加载节点换对、缺的插件自动降级,然后把两张配好的工作流(文生图、多图编辑)装进 ComfyUI,最后跑一张图验证。

#本地AI生图 #本地AI大模型 #文生图 #图生图 #ai

常见问题(FAQ)

Qwen-Image-2.1 是什么?

阿里千问开源的图片生成模型,文中称其文生图很强、图生图更强,堪称开源界的「ChatGPT Images 2.5」。

本地图片大模型相比闭源有什么好处?

本地大模型不联网,所以没有那么多限制,可以生成一些闭源模型不允许的内容。

相比 Flux 和 SD 强在哪里?

文中提到 Flux 的图生图很难「越狱」,SD 虽然可以且速度快但质量很差,而 Qwen-Image-2.1 在文生图和图生图两端都很强。

跑 Qwen-Image-2.1 需要什么配置?

模型是 7B 参数。最低门槛是「6GB 显存 N 卡 + 16GB 内存」,想舒服使用建议「8GB 显存(RTX 3060/4060 级别)+ 32GB 内存」。

有安装好的工作流可以用吗?

有,文中作者把安装过程做成了一个技能(skill),最后会把文生图、多图编辑两张配好的工作流装进 ComfyUI,并跑一张图验证。

这个技能会帮我下载模型吗?

不会,模型需要你自己下载(aria2、迅雷、浏览器都行);技能负责的是探测硬件、给出量化档位清单、校验完整性、配置节点和缺失插件。

在哪里获取文中的资源?

本页文末提供了夸克网盘下载链接。

浏览「AI工具」专题全部 18 篇 ›
← 手机控制电脑屏幕亮度,太容易了!提取视频音频,PDF转图片,批量压缩文件,音频格式互转......这个免费的电脑右键格式转换工具太强大了! →