Qwen-Image-2512

Qwen-Image-2512

根据英文或中文提示词生成图片，在人物真实感、自然细节和图中文字上比八月的 Qwen-Image 更好。适合使用 diffusers 的开发者和设计师。

由 Qwen 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Qwen-Image-2512 是 Qwen-Image 文生图模型的十二月更新版，约有 20.4B 参数。你写一段提示词，它就画出一张图，包括带文字的图片。

与八月的版本相比，模型卡列出了三项改进。人物看起来不那么像人工生成，自然景物和动物皮毛的细节更细腻，图中文字更清晰，排版也更好。

适合谁：它适合想要能自己运行的开源图像模型、并且常常需要清晰文字或真实人物的开发者、设计师和创作者。

行业 | 谁在用 | 怎么用 | 例子
设计 | 视觉设计师 | 起草文字清晰的海报和封面 | 做一张带标题的封面
营销 | 内容团队 | 根据简短需求生成图片 | 生成一个产品场景
软件 | 开发者 | 给应用加上图像生成 | 在代码里调用流水线
研究 | 机器学习工程师 | 比较开源图像模型 | 用英文和中文提示词测试

如果你没有大显存 GPU，或者不想自己运行模型，可以跳过它，因为完整权重在 BF16 下约 40.9 GB。

用在哪里：这个模型通过 Python 里的 diffusers 库在 Windows、macOS 或 Linux 上运行。模型卡以 CUDA GPU 为主要路径，也有 CPU 的后备方案。

• 使用 diffusers 的 Python 脚本
• 速度合理需要 CUDA GPU
• 七种固定的宽高比，从方形到 16:9

用途 | 谁 | 得到什么
文生图 | 创作者 | 根据你的提示词画出的图片
带文字的图片 | 设计师 | 字体和排版更清晰的图像
真实人物 | 营销团队 | 面部和场景更细腻的人像

如何设置：你需要带 pip 的 Python、PyTorch 和较新的 diffusers，模型卡说要从 GitHub 上的源码仓库安装 diffusers。还需要足够放权重的磁盘空间。

• 带 pip 的 Python
• PyTorch 和最新的 diffusers
• BF16 权重约需 40.9 GB 磁盘空间

1. 安装 Hugging Face hub 包。
2. 下载模型文件，或让 diffusers 自动获取。
3. 按模型卡的说明安装最新的 diffusers。

pip install -U huggingface_hub
hf download Qwen/Qwen-Image-2512

如何使用：你先加载流水线，再传入提示词、负面提示词、宽高和步数来调用它。模型卡用 50 步和 4.0 的 true_cfg_scale。

from diffusers import DiffusionPipeline
import torch

model_name = "Qwen/Qwen-Image-2512"

# Load the pipeline
if torch.cuda.is_available():
    torch_dtype = torch.bfloat16
    device = "cuda"
else:
    torch_dtype = torch.float32
    device = "cpu"

pipe = DiffusionPipeline.from_pretrained(model_name, torch_dtype=torch_dtype).to(device)

image = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    width=width,
    height=height,
    num_inference_steps=50,
    true_cfg_scale=4.0,
    generator=torch.Generator(device="cuda").manual_seed(42)
).images[0]

image.save("example.png")

宽高比 | 宽和高
1:1 | 1328 乘 1328
16:9 | 1664 乘 928
9:16 | 928 乘 1664
4:3 | 1472 乘 1104
3:4 | 1104 乘 1472
3:2 | 1584 乘 1056
2:3 | 1056 乘 1584

示例：你写一段带店铺招牌的街景提示词，选 16:9 的尺寸并运行流水线。它返回一张图片，你把它保存成 example.png。

新手与专家：如果你是新手，用一段简短的提示词在方形尺寸下运行示例，看看保存下来的图片。然后试一段要求带几个字的招牌的提示词。

如果你懂这个领域，流水线接受负面提示词和 true CFG 系数。模型卡的示例用了一段中文负面提示词，列出低质量、畸形的手和 AI 感。

加载 diffusers 流水线
写提示词和负面提示词
选尺寸和步数
保存生成的图片

注意事项：模型卡称，在 AI Arena 上做了超过 10,000 轮盲测，它在开源模型中排第一，与闭源模型相比也有竞争力。这是作者自己的说法，所以请用你自己的提示词测一测。

• License: apache-2.0
• Cost to run: 未提及费用，但要用得舒服需要性能强的 GPU
• Data it reaches: 你下载的文件，以及你写的提示词
• Not for: 低内存机器，因为 BF16 权重约 40.9 GB

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 框架：diffusers
• 参数量：20.4B
• Weights: about 40.9 GB in BF16; about 10.2 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：37,650
• 点赞：991
• 许可证：apache-2.0
• 语言：en, zh
• Quantized versions: 26
• Fine-tunes: 43
• 标签：diffusers, safetensors, text-to-image

链接

• 模型：https://huggingface.co/Qwen/Qwen-Image-2512
• 文件：https://huggingface.co/Qwen/Qwen-Image-2512/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Qwen/Qwen-Image-2512

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。