Qwen-Image 2.1 Turbo 教程：8 步加速、ComfyUI 与智能体接入

Qwen-Image 2.1 Turbo 是什么？

根据千问的官方模型卡，Turbo 是基于 7B 图像生成架构的加速 checkpoint，支持文生图和图像编辑。推荐使用 8 步去噪、CFG=1，并可通过 prefix KV cache 复用上下文。智能体的聊天模型仍负责理解请求，图像后端负责生成图片。

本文由 JimmyMo 的10 月 10 日微信公众号文章引出。该文区分了官方 Turbo 与之前的第三方加速 LoRA。下面依据官方和 Comfy-Org 仓库说明配置，不把不同加速适配器混用。

完整 Turbo 权重，还是底座加 LoRA？

Comfy-Org 模型仓库同时说明了完整模型与 LoRA 两种方案。LoRA 目录中的文件由 Kijai 上传，大小约 913 MB；它不能替代底座、文本编码器和 VAE。默认不要在完整 Turbo 模型上再叠加同一份 Turbo LoRA。

ComfyUI 正确配置：8 步与专用 sigmas

1. 更新 ComfyUI，并更新工作流使用的自定义节点。从官方文生图模板或图像编辑模板开始。它们是基础模型模板，需要修改采样路径才成为 Turbo 工作流。
2. 从 Comfy-Org 下载匹配文件：扩散模型放入 ComfyUI/models/diffusion_models/，qwen3vl_8b 编码器放入 models/text_encoders/，qwen_image_2.1_vae_bf16.safetensors 放入 models/vae/。
3. 使用 LoRA 时保留基础扩散模型，把适配器放入 models/loras/，在采样前接入仅加载模型的 LoRA 节点。使用完整 Turbo 时，改选 Turbo 扩散权重即可。
4. 使用支持自定义 sigmas 的采样路径，采用 Euler、CFG=1。原文使用 KJNodes 的自定义 sigmas 节点；缺少节点时更新该扩展。替换基础模板的普通 KSampler 路径，保留模型、条件和 latent 连接。
5. 填入下面的调度，包含末尾的零，共对应 8 个去噪区间。先固定 seed 跑一张草稿，检查结果，再加入编辑参考图或批量任务。

1.0, 0.978453, 0.954180, 0.926626, 0.895080, 0.845148, 0.704534, 0.414568, 0.0

前 8 个非零值可在官方管线配置中核对；ComfyUI 的自定义 sigma 列表还需要末尾的零。只把普通采样器步数调到 8，不等于采用了这套调度。图像编辑应保留编辑模板的参考图输入与预处理。

Python / Diffusers 示例

先准备兼容 CUDA 的 PyTorch 环境，再安装支持管线内置 sigma 配置的新版 Diffusers 源码。相关支持见 Diffusers 的对应更新。

pip install git+https://github.com/huggingface/diffusers.git
pip install "transformers>=5.17.0" accelerate pillow

# 保存为 qwen_turbo.py，然后执行 python qwen_turbo.py
import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16
).to("cuda")
image = pipe(
    prompt="白色桌面上的蓝色陶瓷杯，棚拍产品照片。",
    width=2048,
    height=2048,
    use_kv_cache=True,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("qwen-turbo.png")

checkpoint 会自动加载保存的采样调度，单独设置 num_inference_steps 不会覆盖它。编辑图片仍使用同一管线，并传入 image 参数；参考图预处理按官方模型卡示例执行。

自部署 Hermes Agent：调用你的 ComfyUI 工作流

核对的上游 Hermes 图像工具通过提供商插件或 fal 路由执行。填入 Hugging Face 权重名称并不会自动创建 ComfyUI 提供商。可以用终端工具调用自己的工作流 API 客户端，也可以安装已验证的自定义集成。

如果 ComfyUI 与 Hermes 在同一台机器上，按照上游配置示例，把以下终端设置合并进现有配置，并通过 hermes tools 启用终端工具：

# ~/.hermes/config.yaml — 自部署示例
terminal:
  backend: local
  cwd: /absolute/path/to/your/qwen-workflows

将跑通的图通过 Export (API) 导出为 qwen-turbo-api.json。API 节点 ID 可能与画布模板不同。修改图中的实际提示词输入，再生成包含 {"prompt": YOUR_EXPORTED_GRAPH} 的 request.json，由客户端提交一次：

curl --fail-with-body http://127.0.0.1:8188/prompt \
  -H 'Content-Type: application/json' \
  --data-binary @request.json

# 将 PROMPT_ID 替换为上一步返回的 ID，轮询这个任务。
curl --fail-with-body http://127.0.0.1:8188/history/PROMPT_ID

ComfyUI 的官方 API 客户端示例展示了等待完成并通过 /view 下载输出的方法。将已测试的客户端交给 Hermes，要求它返回保存的图片。失败时先查看任务错误，避免重复提交。容器里的 127.0.0.1 指向容器自身，跨机器应使用经过认证且可访问的 GPU 服务地址。

自部署 OpenClaw：配置 ComfyUI 提供商

按上游 Comfy 提供商文档操作。新版本可通过 openclaw plugins install @openclaw/comfy-provider 安装，旧版本可能内置该插件。先确认自己的版本，再将下面的本地示例合并进 ~/.openclaw/openclaw.json：

{
  "plugins": {
    "entries": {
      "comfy": {
        "enabled": true,
        "config": {
          "mode": "local",
          "baseUrl": "http://127.0.0.1:8188",
          "image": {
            "workflowPath": "/absolute/path/qwen-turbo-api.json",
            "promptNodeId": "REPLACE_WITH_YOUR_PROMPT_NODE_ID",
            "promptInputName": "prompt",
            "outputNodeId": "REPLACE_WITH_YOUR_SAVE_IMAGE_NODE_ID"
          }
        }
      }
    }
  },
  "agents": {
    "defaults": {
      "mediaModels": {
        "image": { "primary": "comfy/workflow" }
      }
    }
  }
}

将两个节点占位符替换为导出 API 图中的 ID。这里以字面值 prompt 输入为例，例如断开上游连接的 TextEncodeQwenImage21 提示词输入。如果模板使用提示词增强器或字符串节点，应改为实际的上游输入节点，并把 promptInputName 设为其真实字段名。尺寸和采样参数仍由图决定。编辑时还需设置参考图加载器的 inputImageNodeId 与 inputImageInputName；文档中的提供商上传路径支持一张参考图。保留原有聊天模型与频道配置。

OpenClaw Launch 托管平台现在能做什么？

API Keys 页面提供 OpenClaw 的 ComfyUI 密钥路径。平台同步凭据，但用户仍需提供兼容的云端工作流和提示词节点。保存密钥不会把本地 Turbo 图自动发布到云端，也不能证明云端已安装相应权重和自定义节点。

Hermes 的情况不同：当前托管图像模型解析器明确拒绝 comfy/workflow。本文尚未核实托管 Hermes 一键选择 Qwen-Image 2.1 Turbo 的路径。自部署时可连接单独测试过的 GPU 服务；托管用户应从面板中实际列出的图像模型选择。不要在托管智能体服务器安装扩散模型权重。

显存、费用与许可证

小型智能体服务器可以编排请求，图像推理需要独立 GPU 资源。显存占用与精度、分辨率、编码器是否常驻及 offload 设置有关；本文没有确认最低显存，也不保证固定的五倍提速。先跑一张草稿，记录自己硬件上的峰值显存和耗时。

checkpoint 发布没有确立统一的每张图片 API 价格。本地成本来自 GPU 使用，云服务按各自规则收费。公开权重使用 Qwen Research License，允许非商业研究和评估，商业使用需要另行取得许可。规划生产环境商品图或收费生成服务前，应先核对条款。

常见故障怎么查？

• 缺节点或模型：更新相关 ComfyUI 组件，逐个核对文件名和模型目录。只有 LoRA 不能运行。
• 8 步出图质量差：先检查完整 sigmas、CFG、底座与 Turbo 的选择，以及 LoRA 接线。
• 显存不足：降低分辨率或 batch size，再查看模型文档中的量化和 offload 选项。
• API 拒绝工作流：导出可执行的 API 图，不要直接提交画布 JSON；查看返回的节点错误。
• 智能体连不上：在智能体实际运行环境检查地址和认证。更换聊天模型不能修复缺失的图像后端。

常见问题

继续阅读

• 千问聊天模型与智能体
• 图像生成与编辑基础（英文）
• OpenClaw 与 ComfyUI（英文）
• OpenClaw 安装部署教程
• Hermes 托管方案
• English: Qwen-Image 2.1 Turbo guide