Neuro Art Workshop 

Более подробная информация: https://dzen.ru/a/arN7CyBH7lbASrsy

Промпт для Qwen Image 2.1 (Restore <image_1> to a high-resolution, clear, in-focus photograph with restored detail. Repair any defects, damage, or spots. Remove any JPEG artifacts or compression artifacts. Preserve their identity. Their skin is smooth and natural.) неплохо апскейлит и чистит изображения. Если после генерации или апскейла вы видите характерную для Qwen сетку на изображении то можно в схему включить De-Grid:  https://github.com/lunaaispace-eng/ComfyUI-DeGrid

WORKFLOW с DeGrid: 

Добрался я наконец до новой Qwen Image и вот собственно немного изображений которые показывают, что умеет модель. 

Начну с редактирования.СТОК ИЗОБРАЖЕНИЕ РЕФЕРЕНС

СТОК ИЗОБРАЖЕНИЕ ДОНОР

Команда Qwen (Alibaba) выкатила новую модель для работы с картинками Qwen-Image 2.1.
 
Сам к сожалению пока её погонять не могу, но по описанию и первым тестам в сообществе там есть пара действительно любопытных вещей:
 
Умеет сразу рисовать на прозрачном фоне.

Если нужен стикер или объект без фона, больше не нужно прогонять результат через сторонние «вырезалки», которые мылят края. Модель нативно выдает чистый PNG с альфа-каналом.

Всё в одной коробке. Она не только генерирует картинки с нуля по тексту, но и редактирует готовые фото: меняет фон, переодевает людей или корректирует детали в рамках одной архитектуры.

Понимает до 10 референсов одновременно.

Можно скормить ей сразу пачку исходников (например, лицо человека, нужную одежду и фон) модель соберет это в единую сцену с сохранением черт лица.

Нормально пишет текст. Обещают уверенную и аккуратную отрисовку надписей на плакатах, вывесках и этикетках без каши из букв.

Разрешение и аппетиты умеренные. Генерирует в честном 2K (до 2048×2048). При этом архитектуру визуальной части облегчили до 7B параметров, поэтому модель уже спокойно запускают дома на видеокартах с 12–16 ГБ памяти.
 
По лицензии: для личного использования и экспериментов модель открыта, но для коммерческих продуктов Alibaba теперь требует отдельную лицензию.
 
Где скачать и как запустить:
 
Официальные веса на Hugging Face:
Оригинальный репозиторий от авторов:

 
Команда ComfyUI открыла промо-страницу с анонсом нулевого дня (Day-0) для новой open-weight модели Qwen Image 2.1. Судя по всему, релиз весов от Alibaba состоится со дня на день.
 
Предыдущие версии линейки были довольно интересными, но в 2.1 обещают закрыть главные боли генеративных моделей: 
 
 - 🎯 All-in-One архитектура: теперь генерация с нуля (Text-to-Image) и умное редактирование (Image-to-Image / Inpainting) живут в одной модели.
   Переключаться между отдельными чекпоинтами больше не придётся.

 - 🖼 Нативное 2K-разрешение: генерация и обработка в честном 2K без
   обязательного апскейла и потери мелких деталей.

 - ✍️ Продвинутая типографика: модель умеет точно вписывать текст, вывески и надписи в картинку без «каши».

 - ✂️ Поддержка альфа-канала (прозрачности): умеет генерировать объекты сразу на прозрачном фоне или слоями — находка для дизайнеров и создания ассетов.
 
Команда Comfy Org подтвердила поддержку модели сразу на релизе:
 
 - Локально в ComfyUI: для нормальной работы в FP8/FP16 традиционно понадобится  видеокарта на 16–24 ГБ VRAM (RTX 3090/4090). Для карт попроще (12 ГБ) комьюнити наверняка быстро соберет GGUF-кванты.
 - В Comfy Cloud: готовые воркфлоу в один клик запустятся прямо в облаке, если  домашнего GPU не хватает.
 
Страница ожидания с подпиской на уведомление: comfy.org/qwen-image-2.1
 
Ждём выкладку весов в открытый доступ на Hugging Face. 

Исследователи из Alibaba опубликовали пейпер по своей новой визуальной модели Swift-Image (arXiv: 2608.20334). Похоже, нас ждёт отличный легковесный кандидат для локального запуска на ПК.

Что обещают:  

1. Настоящая мультимодальная унификация. Вместо того чтобы городить сложные многослойные цепочки из отдельных адаптеров под каждую задачу, Swift-Image решает ключевые сценарии «из коробки» на уровне единой архитектуры:

Text-to-Image: Классическая генерация с нуля по текстовому описанию.

Single-Image Editing: Редактирование готового кадра по инструкциям (замена объектов, смена ракурса, перенос стиля, изменение освещения).

Multi-Image Conditioning: Склейка и манипуляция несколькими референсами (например, взять персонажа с одного изображения, фон с другого и объединить их с сохранением консистентности).
 
2. Сжатие до 3B и дистилляция в 8 шагов
Флагманские диффузионки сейчас весят неприлично много и требуют промышленных или топовых GPU. В Swift-Image пошли по пути максимальной эффективности:  Базовая версия построена на однопоточном Diffusion Transformer (DiT) размером 6 млрд параметров.
Авторы провели структурный прунинг, сжав модель до 3 млрд параметров (3B) практически без просадки в качестве.
Применили few-step дистилляцию: вместо привычных 30–50 шагов генерация укладывается всего в ~8 шагов сэмплирования.

Что это даёт на практике? Модель сможет комфортно работать даже на народных видеокартах с 8–12 ГБ VRAM (уровня RTX 3060 / 4060) и выдавать результат буквально за секунды.
 
3. Разделение логики и рендеринга (Prompt Enhancer)
Маленькие модели часто «плывут», когда сталкиваются с длинными и сложными запросами. Чтобы этого избежать, архитектуру разделили на два уровня по принципу знакомому нам уже на примере модели Ernie: Prompt Enhancer: Встроенный модуль предобработки, который переводит сложный пользовательский текст в структурированные визуальные инструкции.
Рендерер: Получает готовые инструкции и занимается только генерацией пикселей, не тратя свои ресурсы на расшифровку сложного контекста.
Чёткий текст: За счёт посимвольной токенизации модель умеет корректно рендерить надписи и вывески без каши из букв.
 
💡 Статус и ожидания