Qwen-Image-2.1
Qwen-Image-2.1の「テキストから画像」をComfyUIで動かすには、9.5GBのVRAMが必要です。公式テンプレートの最も大きい工程（プロンプト拡張）の値で、ファイルサイズは2026年10月16日に取得しました。余裕をもって読み込める最小のGPUはRTX 5070（12GB）で、テンプレートのダウンロードは26.8GBです。
- 開発
- Qwen (Alibaba)
- ライセンス
- Qwen Research License
- 公開
- 2026年9月
- サイズ取得日
- 2026年10月16日
最大の工程は、ComfyUIのテンプレートが読み込むファイルの正確なサイズから計算しています（LoRAは含みません）。生成用の作業メモリは、これとは別に必要です。 ComfyUI 必要VRAMチェッカーで開く
最大の工程は、ComfyUIのテンプレートが読み込むファイルの正確なサイズから計算しています（LoRAは含みません）。生成用の作業メモリは、これとは別に必要です。 ComfyUI 必要VRAMチェッカーで開く
GPUごとに使えるファイル
メモリ容量ごとに、そのGPUでの最良のファイル（余裕をもって読み込める、最も精度の高い拡散モデルのファイル。ほかに収まるファイルがない場合に限り、ぎりぎり収まるファイル）と、サンプリング中に作業用メモリとして残る容量を示します。大きいGPUでは、上の答えが前提とするComfyUIのテンプレートのファイルより、精度の高いファイルになることがあります。「ストリーミング」は、最も小さいファイルでもGPUのメモリより大きいという意味で、その場合もComfyUIはシステムRAMから実行しますが、速度は落ちます。FP4のファイルは、ネイティブに扱えるBlackwell世代のGPUにだけ割り当てています。
テキストから画像
ComfyUIの「テキストから画像」のテンプレート：拡散モデルはINT8 ConvRot、テキストエンコーダはINT8 ConvRot。工程ごとの容量は、テキストエンコーダが9.4GB、プロンプト拡張が9.5GB、拡散が7.9GBです。ダウンロードは26.8GBです。
計算・2026年10月16日Turbo（8ステップ）
ComfyUIの「Turbo（8ステップ）」のテンプレート：拡散モデルはINT8 ConvRot、テキストエンコーダはINT8 ConvRot。工程ごとの容量は、テキストエンコーダが9.4GB、プロンプト拡張が9.5GB、拡散が7.9GBです。ダウンロードは26.8GBです。
計算・2026年10月16日ほかのGPUで確かめるときや、ファイルを手動で選ぶときは、ComfyUI 必要VRAMチェッカーを使ってください。LoRAやカスタムノードを加えた自分のワークフローなら、ComfyUIワークフローチェッカーにドロップして確かめられます。
どこで動かすか
テキストから画像
料金は税抜きのオンデマンド価格で、2026年10月19日に取得したものです。
Turbo（8ステップ）
料金は税抜きのオンデマンド価格で、2026年10月19日に取得したものです。
モデルについて
Qwen-Image-2.1は、Qwenのオープンな画像生成モデルです。Qwenが2026年9月に公開した画像生成モデルで、70億パラメータの生成モデルがネイティブで2K出力に対応し、80億パラメータのQwen3-VLをテキストエンコーダに使います。テキスト側（エンコーダと、ComfyUIのテンプレートに含まれる90億パラメータのプロンプト書き換えモデル）は画像生成モデルより大きく、必要なメモリを決めるのはこちらです。
テキストから画像：7.1B · Turbo（8ステップ）：7.1B テキストエンコーダ：Qwen3-VL 8B Qwen Research License 2026年9月公開
ダウンロードする前に
利用は研究と評価の目的に限られます。商用利用には、Qwenから別途ライセンスを受ける必要があります。仕事で使う前に、Qwen Research Licenseの原文（英語）を必ず確認してください。
得意なこと
- ネイティブの2K画像
- 同じファイルで、テキストからの画像生成に加えて、ComfyUIの画像編集テンプレートも動きます。
- BF16の約半分の大きさのINT8ファイル
- Turbo（2026年10月）：8回のノイズ除去ステップで画像生成と編集を行う高速化版のチェックポイントで、ファイルの大きさは元のモデルと同じです。
注意点
- Qwen Research Licenseで認められているのは、研究と評価だけです。商用利用には、Qwenから別途ライセンスを受ける必要があります。
- プロンプト書き換えモデルは別の言語モデルで、ComfyUIのテンプレートは既定でこれを読み込みます。
- Qwenは、必要VRAMの数値を公表していません。
ComfyUIが読み込むQwen-Image-2.1の全ファイル
サイズは、Hugging Faceが報告する正確なバイト数で、2026年10月16日に取得しました。「テンプレート」と付いたファイルは、ComfyUI公式のワークフローがダウンロードするものです。
| 構成要素 | 精度 | サイズ | バージョン | ファイル |
|---|---|---|---|---|
| 拡散モデル | BF16 | 14.23GB | テキストから画像 | qwen_image_2.1_bf16.safetensors |
| 拡散モデル | INT8 ConvRot · テンプレート | 7.26GB | テキストから画像 | qwen_image_2.1_int8_convrot.safetensors |
| 拡散モデル | BF16 | 14.23GB | Turbo（8ステップ） | qwen_image_2.1_turbo_bf16.safetensors |
| 拡散モデル | INT8 ConvRot · テンプレート | 7.26GB | Turbo（8ステップ） | qwen_image_2.1_turbo_int8_convrot.safetensors |
| テキストエンコーダ | BF16 | 17.53GB | 共通 | qwen3vl_8b_bf16.safetensors |
| テキストエンコーダ | INT8 ConvRot · テンプレート | 9.35GB | 共通 | qwen3vl_8b_int8_convrot.safetensors |
| テキストエンコーダ | W4A8 | 6.31GB | 共通 | qwen3vl_8b_w4a8.safetensors |
| プロンプト拡張モデル | INT8 ConvRot · テンプレート | 9.47GB | 共通 | qwen3.5_9b_qwen_image_2.1_pe_t2i.int8_convrot.safetensors |
| VAE | BF16 · テンプレート | 0.68GB | 共通 | qwen_image_2.1_vae_bf16.safetensors |
Qwenが示す必要VRAM
Qwenは、モデルカードにもGitHubのREADMEにも、必要VRAMの数値を載せていません。最も近い記述は「With just 7B parameters in its visual generation component」（訳：画像生成部分のパラメータはわずか7B）です（出典）。
メーカーの数値とこのページの数値は、測っているものが違います。メーカーの数値は、自社のスクリプトを既定の解像度で動かしたときのもので、作業用メモリも含みます。このページは各工程が保持する重みを数えており、こちらは正確です。作業用メモリは、解像度とアテンションのカーネルによって変わり、モデルごとに公表しているところもないため、残りの容量として示しています。読み込めるファイルで生成中にメモリが足りなくなったら、精度を下げる前に解像度を下げてください。ComfyUIのREADMEには、重みのストリーミングによって「can run even the biggest open source models on as low as 4GB vram + 8GB ram」（訳：最大級のオープンソースモデルでも、VRAM 4GB＋RAM 8GBという少ない構成で動かせる）とあります（出典）。つまり「ストリーミング」は、遅くなるだけで、動かないという意味ではありません。
Qwen-Image-2.1のLoRA学習
確認したトレーナー（kohyaのsd-scriptsとmusubi-tuner、ostrisのai-toolkit、diffusion-pipe、Qwen自身のリポジトリ）には、Qwen-Image-2.1の学習に必要なVRAMを公表しているものがまだありません。公表されたら、ここに載せます。
よくある質問
- Qwen-Image-2.1にVRAMはどれくらい必要？
- ComfyUI公式の「テキストから画像」のワークフローでは、最も大きい工程はプロンプト拡張で9.5GB、ワークフロー全体のダウンロードは26.8GBです。生成時の作業用メモリはこれとは別に必要で、解像度に応じて増えます。Qwenは必要VRAMの数値を公表していません。
- 8GBのVRAMでQwen-Image-2.1は動く？
- 全体は収まりません。ここで最も小さいINT8 ConvRotのファイル（7.3GB）でも、最も大きい工程で9.5GB必要で、8GBを超えます。それでもComfyUIは、システムRAMから重みをストリーミングして実行できます。動きはしますが、遅くなります。
- 12GBのVRAMでQwen-Image-2.1は動く？
- 動きます。INT8 ConvRotのファイルなら、最も大きい工程（プロンプト拡張）が9.5GBで、12GBに読み込んだうえで作業用メモリとして4.1GB残ります。
- 16GBのVRAMでQwen-Image-2.1は動く？
- 動きます。INT8 ConvRotのファイルなら、最も大きい工程（プロンプト拡張）が9.5GBで、16GBに読み込んだうえで作業用メモリとして8.1GB残ります。
- どのQwen-Image-2.1のファイルをダウンロードすればいい？
- お使いのGPUに全体が収まるなかで、最も精度の高いファイルです。24GBのGPUならBF16のファイル（14.2GB）です。ComfyUIのテンプレートがダウンロードするのは、INT8 ConvRotの拡散モデルとINT8 ConvRotのテキストエンコーダです。FP4のファイル（NVFP4）はBlackwell世代のGPU（RTX 50、RTX PRO 6000、DGX Spark）向けです。それより前の世代では、FP8かINT8を使ってください。
- ファイルとサイズ：Hugging FaceのComfy-Org/Qwen-Image-2.1。Hugging FaceのAPIから取得しています。テンプレートのファイル：ComfyUIのQwen-Image-2.1ガイド（英語）。
- モデルとライセンス：Qwen/Qwen-Image-2.1とQwen Research License。
- GPUのメモリ：各メーカーの仕様で、各GPUページと同じ値です。チェッカーの対象はNVIDIAのGPUです。ComfyUIはAMDやAppleシリコンでも動きますが、ファイル形式や速度が異なるため、ここでは容量を算出していません。
- 収まりの判定：使えるメモリの85%未満なら全体が収まる、95%まではぎりぎり収まるとしています。LLMのページと同じ基準です。
- 料金：各事業者の料金ページで、それぞれ横に記した日付に取得したものです。