【2026 最新】Qwen-Image 2.1 ComfyUI 教學：8／16／24GB 顯卡選擇＋透明 PNG 與局部編輯

你下載了 Qwen-Image 2.1，打開 ComfyUI 卻看不到節點；好不容易跑出一張「棋盤格背景」圖片，又不知道那究竟是真 alpha，還是模型把棋盤格畫進圖裡。這篇 Qwen-Image 2.1 ComfyUI 教學就是為這三個現實問題而寫：版本要多新、8／16／24GB 顯卡該選哪組權重，以及怎麼交付可重跑的透明 PNG 與局部編輯。

這不是速度排行榜，也不是另一篇發布摘要。本文以 2026 年 9 月 22 日的ComfyUI v0.37.0 穩定版、官方工作流模板與 Comfy-Org 權重包為基準，專為第一次碰本地圖像工作流的讀者寫。AlphaLab 沒有把社群單機成績包裝成自家實測；硬體分流是保守的操作起點，不是官方最低規格或速度保證。

如果你想先理解模型為什麼能輸出 RGBA、完整權重為何不只「7B」，可先讀Qwen-Image 2.1 原生透明圖與授權解析；這一篇只做一件事：把它變成能驗收、能重跑、能交接的 ComfyUI 資產流程。

先說結論：低摩擦的起點不是把所有檔案都下載

• 版本：截至 2026 年 9 月 22 日，穩定版 v0.37.0 已內建 Qwen-Image 2.1 與 templates v0.11.66，不必為了基本工作流追 development commit。
• 權重：16GB 先照官方模板用 INT8 DiT＋INT8 text encoder＋BF16 VAE；8GB 才考慮把 encoder 換成模型包裡的 W4A8，並接受大量 offload；24GB 可試 BF16 DiT＋INT8 encoder，但不是整套 BF16 常駐。
• 透明圖：一定存 PNG，檢查 alpha 通道，再把同一張圖放到黑、白、彩色背景上看邊緣。
• 可重跑：固定 ComfyUI 版本、三個模型檔名、workflow、輸入順序、尺寸與 seed；只保存成品圖還不夠。

本文的錨點公式：可重跑成品 ＝ 固定版本＋固定權重＋固定 workflow＋固定 seed＋alpha 驗收。少任何一項，都比較像一次性的漂亮結果，不像可交付資產。

一、Qwen-Image 2.1 ComfyUI 教學的版本基線

發布第一天有人找不到 default workflow，是因為當時的穩定版仍落後主線；現在情況已不同。ComfyUI v0.37.0 的 release note 明列 Qwen-Image 2.1，模板索引也把最低版本寫成 0.37.0。原生 v0.36 不符合這份模板的最低版本；遇到缺節點時，先檢查 core 與 requirements，但不能只憑版本就排除權重檔或路徑問題。

先更新，再匯入 workflow

• ComfyUI Desktop：從 Manage／Update 選 Stable。
• Windows Portable：執行 update/update_comfyui_stable.bat。
• Git 手動安裝：日常更新依序執行 git pull、pip install -r requirements.txt，再重啟 python main.py。若要把可重跑環境精確鎖在此版本，先 git fetch --tags，再 git checkout v0.37.0 並記錄版本。

不要只做 git pull 就停手；模板與前端套件也會透過 requirements 更新。完整方式以ComfyUI 官方更新文件為準。若你平常靠大量 custom nodes，第一次先用乾淨環境或 --disable-all-custom-nodes 排除舊節點衝突。

二、8／16／24GB 顯卡怎麼選？

Comfy-Org 官方模型包目前提供兩個 DiT、三個 Qwen3-VL encoder 與一個 VAE。INT8 DiT 約 7.26 GB、INT8 encoder 約 9.35 GB、W4A8 encoder 約 6.31 GB、BF16 DiT 約 14.23 GB、VAE 約 0.68 GB。這些是十進位檔案容量，不是顯存門檻。

8GB：依檔案大小推導的嘗試路線

從 INT8 DiT＋W4A8 encoder＋BF16 VAE、batch 1、約 1MP、單一參考圖開始，三檔共約 14.24 GB。W4A8 在官方模型包裡，但不是官方模板預設；如果載入失敗，先降解析度、關閉占用 GPU 的程式。編輯模板的實驗性 QwenImage21Cache 可設 device=cpu, dtype=int8，或用 device=off 每步重算 prefix；仍然 OOM 時才把 --novram 當低記憶體後備。系統 RAM 要保留多少，仍要依平台與工作負載量測。

16GB：先完全照官方 INT8 三件套

INT8 DiT＋INT8 encoder＋BF16 VAE 合計約 17.28 GB（16.10 GiB），也是官方模板的預設組合。ComfyUI 具備分段載入與 offload 機制，但這個檔案總量不能證明任一 16GB 環境一定能完成推理。第一輪不要追 2K、多張參考圖或 40 steps；先嘗試 1024×1024、25 steps、單張輸入。

24GB：把 BF16 DiT 當成精度 A/B 路線

BF16 DiT＋INT8 encoder＋VAE 的檔案量約 24.26 GB，可作為較高精度權重的 A/B 實驗路線；是否改善，必須固定 seed、輸入與其他參數比較。完整 BF16 三件套約 32.44 GB（30.21 GiB），尚未計入 activation 與 cache，因此 24GB 顯卡也不該被描述成「全套常駐」。截至 2026 年 9 月 22 日，本文查閱的 Qwen model card、Comfy-Org model card 與 v0.11.66 模板未列 8／16／24GB 的逐級品質矩陣；不能把量化差異說成肉眼必然可見或完全無損。若你還在建立本地顯存觀念，可搭配本地 AI 顯存規劃指南。

三、下載三個檔案，放進正確資料夾

ComfyUI/models/diffusion_models/qwen_image_2.1_int8_convrot.safetensors
ComfyUI/models/text_encoders/qwen3vl_8b_int8_convrot.safetensors
ComfyUI/models/vae/qwen_image_2.1_vae_bf16.safetensors

新手先只下載這三個。不要把整個 70GB 以上的模型 repository 全部抓下來，也不要把 Qwen3.5 的 pe_t2i／pe_i2i 檔案誤當基本模板必需品；截至本文查核時，三份官方工作流仍接 Qwen3-VL 8B。放好檔案後重啟 ComfyUI，讓下拉選單重新掃描。

若要讓別人驗證下載內容，除了檔名，也記完整 SHA-256：INT8 DiT 是 cb74113cb03faecd79611b01fd7fd642f0aa60d6f0b95086abee214d75eaa57d、INT8 encoder 是 8bfd0f6e12abf2d2d697ecc888e5e90b0d6741d6708f05799f53afa560452e8f、VAE 是 bb21f7473051e1ac368515dd3f2e15cd44d7a11748ee8823e1ddca3e4876b7c9。這三筆綁定本文使用的 Comfy-Org model pack revision ace0edeb3791a594ddfa36ed5f41a178a394e921。

接著從內建 Templates 開啟 Qwen Image 2.1 的 Text to Image、Image Edit 或 Background Removal；也可以下載固定在 commit 371a7b7171bbd11e9cc92ef615ba5ad223d7e5b4 的官方 T2I JSON與官方 Edit JSON。本文使用的模板版本是 v0.11.66；若未來模板更新，先另存舊 JSON，再比較節點差異。

四、Qwen-Image 2.1 ComfyUI 教學：透明 PNG 生成與驗收

官方 T2I 模板的基準是 1024×1024、25 steps、CFG 1、Euler／simple、PNG 8-bit sRGB。先保留這組設定；CFG 1 時 negative prompt 不參與結果，因此不要一開始就花時間堆負面提示詞。要生成透明素材，把主體描述放進官方模板使用的 RGBA 句型：

This is an RGBA format image with transparency. A single blue ceramic robot, centered, soft studio light. The image has an alpha channel and a transparent background.

提示詞只是要求，不是驗收證據。輸出必須是 PNG；JPEG 沒有 alpha。你至少要確認檔案通道不是單純 RGB；只要 minima.a < 1，檔案裡就存在透明像素。對一般去背素材，才會進一步期待最小值接近 0、最大值接近 1；均勻半透明圖則可能有相同的最小值與最大值。若電腦已有 ImageMagick，可用：

magick identify -format '%[channels] %[fx:minima.a] %[fx:maxima.a]\n' output.png

上面的單引號可用於 macOS／Linux shell 與 PowerShell；若在 Windows cmd.exe 執行，請把格式字串改用雙引號。

視覺上再檢查四件事：外輪廓有沒有白邊或黑邊、髮絲與半透明材質是否被硬切、主體內部是否被挖洞、背景顏色是否滲進邊緣。若只需要傳統高品質去背，不一定要讓大型生成模型重畫整張；MultiMatte 本地去背教學更適合做邊界修整與對照組。

五、局部編輯怎麼做到可重跑？

1. 固定來源：把原圖放在 image_1；第二張起才是參考圖。提示中以 <image1>、<image2> 指名，不靠「左邊那張」之類含糊說法。
2. 先跟原尺寸：第一輪讓 custom_size=false，避免同時改內容與畫布。若必須指定尺寸，使用 32 的倍數並記錄數值。
3. 一次改一件事：例如「只把 <image1> 的杯子改成藍色，人物、手部、桌面與光線保持不變」。每一輪都從原始圖出發，減少多代重繪累積漂移。
4. 固定 seed：官方 Edit 模板內層 KSampler 預設是 randomize。進入／unpack subgraph，把 control after generate 改成 fixed，抄下 seed。T2I 模板則已是 fixed。
5. 比對未改區：不要只看目標物有沒有變。把輸入與輸出疊圖，檢查臉、手、文字、邊界與光線是否意外漂移。
6. 保留收據：保存輸出 PNG、workflow JSON、原始輸入、prompt、seed、尺寸、steps、sampler、scheduler、三個權重 SHA-256、模板 commit 與 ComfyUI 版本。

ComfyUI 會把 workflow metadata 寫進支援的 PNG，日後可拖回介面還原 graph；但團隊交付仍應另外保存 JSON 與文字紀錄，避免平台清除 metadata。這個「提示詞＋工作流＋輸出資產」思路，也能延伸到GPT Image 2 的 prompt-as-code與可編輯 AI 海報工作流。

六、跑不動或跑歪時，用這個順序排錯

1. 找不到模板／節點：確認 v0.37.0、requirements 已更新並重新啟動；先關掉 custom nodes 對照。
2. 模型下拉選單是空的：逐字核對三個目錄與檔名，不要把 text encoder 放進 checkpoints。
3. OOM：先回到 batch 1、1MP、單張參考圖；再關閉 cache 或把 cache 移到 CPU，最後才用 --novram。一次只改一個變因。
4. 輸出全是噪點：先確認 encoder 是 Qwen3-VL 8B 版本，而不是來源不明的 Qwen3.5／GGUF 組合；重新載入官方 JSON。
5. 透明圖其實不透明：確認 Save 節點輸出 PNG，檢查 alpha extrema，再用黑白底合成，不要只信 UI 棋盤格。

以下列出三個截至 2026 年 9 月 22 日、與本文編輯流程直接相關的使用者回報，並不是完整 issue 清單。第一，ComfyUI 官方 repository 的單一 MPS 回報指出 reference-image VAE encode 失真，該環境以 --cpu-vae 改善；這不等於所有 Mac 都不能生成。第二，1024 reference grid 噪點回報仍是開放狀態；原回報者在該配置中認為 992 或 1056 較乾淨，可拿來做診斷對照，但不是已確認的通用修正。第三，高解析度 scheduler 差異回報質疑固定 shift 與上游 dynamic shifting 在 2K／4MP 時的差距；尚未定案前，不要把 ComfyUI 高解析度輸出視為已和上游完全對齊。

七、授權與成本：跑得動，不代表可以直接接商案

Qwen-Image 2.1 權重採 Qwen Research License；條款把非商業用途限於研究或評估，使用模型 Materials 做商業用途需要另取得商業授權。不要把「可下載」寫成 Apache／MIT 式自由商用。若你準備把這套流程用在客戶交付、付費服務或產品功能，先完成授權審閱，再談部署。

運算成本也不只有 VRAM。8GB 路線會把等待轉移到 CPU、RAM 與磁碟；多參考圖與 2K 會增加記憶體壓力，40 steps 則主要增加運算時間。較省硬體升級成本的做法，是先用一組 1MP 驗收集找出可接受的權重與參數，而不是一開始就升級所有硬體。若你想系統化學 AI 工具與工作流，可從 AlphaLab 的線上課程與AI 文章專區繼續。

常見問題 FAQ

1. 8GB 顯卡一定能跑 Qwen-Image 2.1 嗎？

不能保證。截至 2026 年 9 月 22 日，本文查閱的 Qwen model card、Comfy-Org model card 與 v0.11.66 模板未列 8GB 最低需求。INT8 DiT＋W4A8 encoder、1MP、batch 1 是依檔案大小設計的嘗試路線，仍會受 GPU backend、系統 RAM、參考圖與 offload 影響。

2. 一定要更新到 latest commit 嗎？

基本工作流不用。穩定版 v0.37.0 已包含原生支援與 templates v0.11.66。只有追蹤尚未發布的修正時，才考慮 development branch，並另存環境版本。

3. 匯入 workflow 後紅色節點怎麼辦？

先更新 core 與 requirements，再重啟。若仍缺節點，用乾淨環境載入官方 JSON；不要先安裝來源不明的同名 custom node。

4. 有棋盤格就代表是真透明嗎？

不代表。棋盤格可能只是檢視器背景，也可能被畫進 RGB。用上面的 ImageMagick 指令時，要確認 PNG 有 alpha；若 minima.a < 1，代表至少存在透明像素，若最小值與最大值都等於 1，就是全不透明。最後仍要依素材目的在黑白底檢查邊緣。

5. 為什麼 negative prompt 沒有效果？

官方模板預設 CFG 1，negative prompt 不會參與。先把正向提示寫清楚；不要為了硬套負面提示而任意提高 CFG，除非你保留固定 seed 做 A/B 比較。

6. 同一個 seed 為什麼還是不一樣？

seed 只是其中一項。模型 SHA、ComfyUI／PyTorch 版本、sampler、scheduler、attention backend、尺寸、輸入順序與工作流都要一致；Edit 模板還要把 randomize 改為 fixed。

7. Mac 可以做局部編輯嗎？

可以嘗試，但要做 encode／decode 對照。目前有一份 MPS reference encode 失真回報，該回報以 --cpu-vae 改善。它是範圍性 issue，不應被泛化成所有 Mac 都失效。

8. 生成的透明 PNG 可以商用嗎？

不能只看檔案格式下結論。目前模型 Materials 是研究／評估授權，商業流程需另取授權；成品還可能涉及輸入素材、商標、肖像與其他權利。產品使用前應針對你的情境審閱條款。

給新手的 7 個重點

1. 先固定 v0.37.0，不要把 day-one 的 latest-commit 建議照搬到今天。
2. 只下載 DiT、Qwen3-VL encoder、RGBA VAE 三個必要檔案。
3. 16GB 先用官方 INT8 三件套；8GB 與 24GB 都是調整路線，不是保證級別。
4. 第一輪用 1MP、25 steps、CFG 1、Euler／simple。
5. 透明度要驗 alpha extrema，再看黑白底與邊緣。
6. 局部編輯要固定 seed、輸入順序與原始圖，每輪只改一件事。
7. 交付 PNG＋workflow JSON＋環境紀錄，商用前另行確認授權。