Local image generation with Qwen-Image 2.1ローカル画像生成:Qwen-Image 2.1 の比較

Qwen-Image 2.1 running on a Mac, compared across text encoders, a realism LoRA, the 8-step Turbo model and a top closed model. Every image uses the same prompt, seed and size, so differences come from the setup alone. Each section answers one question against a baseline, outlined in green.Mac 上で動かした Qwen-Image 2.1 を、テキストエンコーダ・写実系の LoRA・8ステップの Turbo、そして最上位のクローズドなモデルと比べました。すべて同じプロンプト・seed・サイズで生成しているので、違いは設定の差だけから生まれます。各セクションで1つの問いを立て、緑の枠の基準画像と見比べます。

What the terms mean用語の説明
Base / Turbo通常版 / Turbo
Qwen-Image 2.1 (25 steps here) and its official 8-step distilled version, about 3x faster.Qwen-Image 2.1(ここでは25ステップ)と、その公式の8ステップ高速版。約3倍速い。
Official / Heretic encoder公式 / Heretic エンコーダ
The text encoder reads the prompt. Heretic is an abliterated copy of the official one: its refusal behaviour is removed.テキストエンコーダはプロンプトを読み取る部分。Heretic はその abliterated 版(断る性質を取り除いた版)。
LoRA
A small add-on that pushes the model toward a style or content. The number after it is its strength.モデルを特定の画風や内容に寄せる小さな追加部品。後ろの数字は強さ。
Change変化量
Average pixel difference from the section's baseline image (0 = identical). It shows how far the picture moved, not whether it got better.そのセクションの基準画像との平均ピクセル差(0 = 同一)。絵がどれだけ動いたかを示すもので、良くなったかどうかではない。
Promptプロンプト
Seedseed

Does the abliterated (Heretic) text encoder change the images?abliterated(Heretic)のテキストエンコーダで、画像は変わる?

Barely. Photos come out practically identical. The manga shifts a little in panel layout and lettering, at the same quality.ほとんど変わりません。写真系はほぼ同じ絵になります。4コマ漫画ではコマ割りや文字が少し変わりますが、品質は同等です。

Official encoder公式エンコーダA0Baseline基準Base · Official encoder · 25 steps · no LoRA通常版 · 公式エンコーダ · 25ステップ · LoRA なし
Abliterated encoder (Heretic)abliterated エンコーダ(Heretic)ABase · Heretic encoder · 25 steps · no LoRA通常版 · Heretic エンコーダ · 25ステップ · LoRA なし

What does a realism LoRA change?写実系の LoRA で、何が変わる?

Lenovo UltraReal gives the most natural phone-photo look of all the setups, but it also moves the scene the most (change 38), garbles the chalkboard text, and breaks the order of the manga's story.Lenovo UltraReal は、どの組み合わせよりもスマホで撮った写真らしい自然さが出ます。その反面、場面が最も大きく変わり(変化量 38)、 黒板の文字が崩れ、4コマ漫画では話の順番も崩れました。

Abliterated encoder (Heretic)abliterated エンコーダ(Heretic)ABaseline基準Base · Heretic encoder · 25 steps · no LoRA通常版 · Heretic エンコーダ · 25ステップ · LoRA なし
Lenovo UltraReal LoRA · 0.8DBase · Heretic encoder · 25 steps通常版 · Heretic エンコーダ · 25ステップ

Is Turbo (8 steps) good enough?Turbo(8ステップ)で十分?

Mostly yes. Turbo takes about a third of the time and has the cleanest lettering, but faces come out smoother and more posed.ほぼ十分です。時間は約3分の1で、文字が一番きれいです。ただ、顔がなめらかで整いすぎる傾向があります。

Abliterated encoder (Heretic)abliterated エンコーダ(Heretic)ABaseline基準Base · Heretic encoder · 25 steps · no LoRA通常版 · Heretic エンコーダ · 25ステップ · LoRA なし
Turbo (8 steps)Turbo(8ステップ)TTurbo · Heretic encoder · 8 steps · no LoRATurbo · Heretic エンコーダ · 8ステップ · LoRA なし

How does a top closed model do on the same prompts?同じプロンプトで、最上位のクローズドモデルはどう描く?

Nano Banana 2.1 picks its own composition (no seed control), so compare quality and text, not layout. It wins on realism: the street looks like the real Shibuya crossing, umbrellas and crowds included, the portrait is genuinely candid, and the chalkboard is spelled right with lifelike smudges. Qwen spells the sign just as well but frames everything tighter and more posed, and with seed 42 it dropped the umbrella. The manga is the clearest gap: Nano Banana gets the title 消えたメロンパン right (every Qwen setup drops or swaps the え), draws a real melon pan instead of a bagel, and tells the story cleanly panel by panel. Like Qwen, it set the speech bubbles vertically despite the prompt asking for horizontal text.Nano Banana 2.1 は seed を指定できず構図が毎回変わるので、構図ではなく画質と文字を見比べてください。 リアルさは Nano Banana が上です。街は傘や人混みまで含めて本物の渋谷のスクランブル交差点に見え、人物は自然なスナップになり、 黒板もチョークの消し跡まで本物らしく、つづりも正確です。Qwen も看板のつづりは正確ですが、構図が寄り気味でポーズを取った写真に見え、 seed 42 では傘も描けていません。一番差が出たのは4コマ漫画です。Nano Banana はタイトル「消えたメロンパン」を正しく書け (Qwen はどの設定でも「え」が抜けるか別の字になる)、メロンパンも網目つきで正しく描き、話の流れも各コマできれいに追えます。 なお、横書きを指示したのに吹き出しが縦書きになった点は Qwen と同じです。

Abliterated encoder (Heretic)abliterated エンコーダ(Heretic)ABaseline基準Base · Heretic encoder · 25 steps · no LoRA通常版 · Heretic エンコーダ · 25ステップ · LoRA なし
Turbo (8 steps)Turbo(8ステップ)TTurbo · Heretic encoder · 8 steps · no LoRATurbo · Heretic エンコーダ · 8ステップ · LoRA なし
Nano Banana 2.1NBGoogle AI Studio · 2:3, 1K · no seed control (sample 1 and 2 shown under the two seeds)Google AI Studio · 2:3・1K · seed 指定なし(1枚目・2枚目を各 seed の位置に表示)

All setups side by side全組み合わせを並べて表示

Every setup in config.yaml for the selected prompt and seed. Open any image to flip through them.config.yaml にある全組み合わせを、選んだプロンプトと seed で並べています。画像を開くと順に切り替えられます。

Official encoder公式エンコーダA0
Abliterated encoder (Heretic)abliterated エンコーダ(Heretic)A
Lenovo UltraReal LoRA · 0.8D
Turbo (8 steps)Turbo(8ステップ)T
Nano Banana 2.1NB

Left and right arrow keys flip between the setups in this section. Esc closes.← → キーで、このセクションの組み合わせを切り替えます。Esc で閉じます。