Sanbot.两个月里出了两个「文生图 + 改图」合一的开源权重模型：9 月的 Qwen-Image-2.1，和 11 月刚放出的 MiniMax-H3-Image。两者都是一个模型同时管生成和多图参考改图，都能在 ComfyUI 里用官方模板跑。但它们的体量差了好几倍，协议的限制方向也完全不同。
这篇按官方资料把两者放在一张表里，再按显卡和协议说怎么选。
数据来自官方和社区，未经本站实测。本文的参数、文件体积和用法来自两家的 Hugging Face 模型卡、协议原文、GitHub 仓库和 ComfyUI 官方教程，核实日期均为 2026-11-12（KST）。两家都没有公布分档显存数字，所以各档显卡能不能跑、要多久，除了文中注明的官方数据，一律写「待核实」。文件体积不等于显存占用，不能直接拿来判断显卡够不够。
一张表看区别
| 项目 | MiniMax-H3-Image | Qwen-Image-2.1 |
|---|---|---|
| 发布方 | MiniMax | 通义千问团队（Qwen） |
| 发布时间 | 协议日期 2026-11-10 | 2026-09-20 |
| 生成部分参数量 | 33.1B | 7B |
| 文本编码器 | 沿用 MiniMax-H3 的 Qwen3-VL 文本编码器 | Qwen3-VL 8B |
| 原生分辨率 | 约 16MP（1:1 为 4096×4096），有效范围约 4–20MP | 2K（1:1 为 2048×2048） |
| 默认步数 | 6 步，不用 CFG | 官方示例 40 步；ComfyUI 模板 25 步；另有 8 步的 Turbo 版 |
| 改图参考图 | 最多 16 张 | 模型卡写最多 10 张；ComfyUI 节点留了 16 个位置，模板接了 10 个 |
| 透明背景图 | 模型卡没提 | 支持，可生成和编辑带透明通道的图 |
| 负面提示词 | 不支持 | ComfyUI 模板默认不起作用，调高 CFG 后才生效 |
| 提示词 | 官方建议写详细的英文整图描述，可选配提示词扩写模型 | 可选配提示词增强模型 |
| 协议 | MiniMax-H3-Image 社区许可，有地区限制 | Qwen 研究许可，只允许非商业用途 |
（2026-11-12 核实：H3-Image 模型卡、H3-Image 协议、ComfyUI H3-Image 教程、Qwen-Image-2.1 模型卡、Qwen-Image-2.1 仓库、ComfyUI Qwen-Image-2.1 教程）
一句话概括：H3-Image 体量大、出图大，官方说靠蒸馏到 6 步，把 16MP 大图的计算量压到日常可用；Qwen-Image-2.1 小而全，7B 的生成部分，2K 出图，还能直接出透明背景图。
两个模型各自擅长什么
MiniMax-H3-Image
- 一个模型同时做文生图和改图，改图时最多可以给 16 张参考图，提示词里用
<Picture 1>、<Picture 2>指代。官方示例之一是把一张空房间照片和九件家具合成一间布置好的客厅。 - 不用放大器，直接出约 16MP 的大图，最长边可到 6272×2688（21:9）。
- 官方说它要读「详细的英文整图描述」。官方 API 会先把短提示词扩写成这种描述；本地可以配可选的扩写模型 MiniMax-H3-Image-PE（NVFP4，约 17.9GB）。
（2026-11-12 核实，H3-Image 模型卡）
Qwen-Image-2.1
- 同样是文生图和改图一体，改图支持多张参考图，也支持用圈画或蒙版指定局部修改。
- 原生支持透明通道：可以直接生成透明背景的贴纸、图标，也能抠出照片里的主体。
- 官方强调排版能力，适合海报、信息图、界面草图这类带大量文字的图。
- 2026-10-09 又发布了 8 步出图的 Qwen-Image-2.1-Turbo，架构相同，用同一份研究许可。
（2026-11-12 核实，Qwen-Image-2.1 模型卡、Qwen-Image-2.1 仓库、ComfyUI 教程）
要下载多少：按 ComfyUI 官方模板算
ComfyUI 官方给两个模型都准备了文生图和改图模板，生成模型和文本编码器默认都用 INT8 版。下面是模板要放进 ComfyUI/models 的文件：
| 文件 | MiniMax-H3-Image | Qwen-Image-2.1 |
|---|---|---|
| 生成模型（INT8） | 精简版，约 21GB | 约 7.26GB |
| 文本编码器（INT8） | Qwen3-VL-32B，约 25.28GB | Qwen3-VL 8B，约 9.35GB |
| VAE | 约 1.17GB | 约 0.68GB |
| 提示词扩写 / 增强（可选） | Qwen3.5 9B W4A8，约 7.34GB | Qwen3.5 9B INT8，约 9.47GB（文生图、改图各一个） |
| 不算可选项的合计 | 约 47GB | 约 17GB |
（2026-11-12 核实：ComfyUI H3-Image 教程、ComfyUI Qwen-Image-2.1 教程；Qwen 一列的体积取自 Comfy-Org/Qwen-Image-2.1 文件列表）
再看原版权重：H3-Image 官方仓库里生成模型是 BF16，约 66.28GB，文本编码器要另外从 MiniMax-H3 仓库下载，约 66.7GB。Qwen 这边，ComfyUI 仓库里的 BF16 生成模型约 14.23GB，BF16 文本编码器约 17.53GB。（2026-11-12 核实，H3-Image 模型卡、Comfy-Org/Qwen-Image-2.1）
ComfyUI 的 H3-Image 仓库里还有更小的 W4A8 生成模型（约 12.55GB），MiniMax-H3 仓库里有 NVFP4 文本编码器（约 15.69GB），但官方教程没写怎么搭配使用，画质和显存占用待核实。（2026-11-12 核实，Comfy-Org/MiniMax-H3-Image）
软件版本：H3-Image 的官方模板要求 ComfyUI 0.45.0 以上、模板包 0.11.104 以上。ComfyUI v0.45.0 在 2026-11-11（KST）发布。Qwen-Image-2.1 发布当天 ComfyUI 就原生支持。H3-Image 在 ComfyUI 里的升级、下载和模板设置，见 ComfyUI 跑 MiniMax-H3-Image。（2026-11-12 核实，ComfyUI H3-Image 教程、ComfyUI v0.45.0、Qwen-Image-2.1 仓库）
按显卡看
两家都没给「多少显存能跑」的官方数字。下面每一档只写官方明确说过的内容，没说的标待核实。
| 显卡档位 | MiniMax-H3-Image | Qwen-Image-2.1 |
|---|---|---|
| 8GB | 待核实 | 待核实。官方给了 CPU offload 的省显存写法，没给显存数字 |
| 10–16GB | 待核实 | 待核实 |
| 24–32GB | 待核实。官方模板默认只开 4MP 画布，教程说是为了让低显存机器不爆显存 | 待核实。官方教程给了一组 RTX 5090 的速度：改图画布约 12MP 时约 6 秒/步，约 1MP 时约 0.3 秒/步 |
| 48GB 以上及多卡 | 官方部署示例用 H200、RTX PRO 6000 Blackwell、AMD MI350X 等，支持单卡和多卡并行；最低显存和速度待核实 | 官方推荐的 vLLM-Omni、SGLang 都支持多卡并行；显存和速度待核实 |
（2026-11-12 核实：H3-Image 模型卡、ComfyUI H3-Image 教程、Qwen-Image-2.1 模型卡、Qwen-Image-2.1 仓库、ComfyUI Qwen-Image-2.1 教程）
几条官方给出的省显存、提速办法：
- H3-Image：先用模板默认的 4MP 画布，显卡有余量再往上调；改图爆显存时，打开模板里自带的缩放图片节点，把图片像素调低再采样。模板用的是轻量的 9B 扩写模型，ComfyUI 官方说这样它能和 21GB 的生成模型放在同一张卡上。
- Qwen-Image-2.1：改图时画布大小决定耗时，把改图节点的分辨率设置调小就快很多（结果图也会变小）；用 8 步的 Turbo 版或官方 Turbo LoRA，步数从 25 步降到 8 步。
- 非 NVIDIA 设备：Qwen 官方仓库写了 AMD Radeon（ROCm）、Intel Arc Pro B70 和 Core Ultra Series 3 核显（OpenVINO）、Apple Silicon（官方写的是 Turbo 版，用 LightX2V-Mac-App）的支持渠道；H3-Image 官方写的是支持 NVIDIA 和 AMD 加速卡，举的例子是 H200、RTX PRO 6000 Blackwell、MI350X 等。消费级 AMD、Mac 上能不能跑 H3-Image，待核实。
（2026-11-12 核实，同上）
不想在本地跑的话，两家都有官方付费 API：MiniMax 开放平台提供 H3-Image 的文生图和改图接口（官方文档），Qwen 官方仓库写明 Qwen-Image-2.1 的 Pro 和 Turbo 接口已在阿里云百炼上线。价格待核实，以官方价格页为准。
协议：一个限地区，一个限用途
这一节只转述协议里写了什么，不下法律结论，以协议原文为准。
MiniMax-H3-Image 社区许可
（2026-11-12 核实，协议原文，协议日期 2026-11-10）
- 地区限制：协议的适用地区是「全球，但不含排除地区」。排除地区写明是欧盟、英国、韩国和美国。协议禁止在适用地区以外使用、复制、修改、分发或展示模型和它的输出。排除地区的人想部署，协议写的是可以联系 MiniMax 另外申请许可。
- 商用门槛：你和关联方的年化收入超过 100 万美元，或者要把模型做成托管服务提供给第三方，都要先通过官方申请页拿到 MiniMax 的书面授权。
- 标注要求：商用产品或服务的界面上，要显著标出「MiniMax-H3-Image」。
- 输出的用途：不能用模型或它的输出去改进其他 AI 模型（H3-Image 和它的衍生模型除外）。
- 公开发布要标明：可接受使用政策写明，把生成内容发布到公开环境时，要清楚标明是机器生成的。
- 可选的扩写模型 MiniMax-H3-Image-PE 也受同一份协议约束。
Qwen 研究许可（Qwen-Image-2.1 和 Turbo 版）
（2026-11-12 核实，协议原文，协议日期 2026-09-20）
- 只限非商业用途：协议对「非商业」的定义是「仅用于研究或评估」。商业使用要另外向通义申请商业许可，协议里给了申请邮箱。
- 地区：授权范围写的是「全球」，另外提醒模型可能受中国、美国等地的出口管制约束。
- 衍生模型的标注：如果用它或它的输出训练、微调出别的模型并对外提供，要在相关文档里显著标出「Built with Qwen」或「Improved using Qwen」。
想找能商用的同类改图模型，本站另一篇FLUX 3 klein 和 Qwen-Image-Edit 的对比写了 Apache-2.0 协议的 Qwen-Image-Edit-2511。
怎么选
- 想要超大图、多参考图合成（例如十几张素材拼成一张场景图）：MiniMax-H3-Image。前提是显卡和硬盘都够大，人和业务也在协议的适用地区内。
- 显卡一般、想先跑起来：Qwen-Image-2.1，官方模板的文件合计约 17GB，比 H3-Image 的约 47GB 小得多；还可以用 Turbo 版提速。具体多少显存能跑仍待核实。
- 要透明背景、带大量文字的图：Qwen-Image-2.1，透明通道是原生支持的。
- 要商用：两者都要先看协议。Qwen-Image-2.1 的研究许可不允许商业用途，要另外申请；H3-Image 允许在适用地区内使用，但年收入超过 100 万美元或做托管服务要先拿书面授权。以协议原文为准。
小结
- MiniMax-H3-Image：33.1B 的生成部分，6 步出约 16MP 大图，最多 16 张参考图；ComfyUI 模板文件合计约 47GB，要 ComfyUI 0.45.0 以上。
- Qwen-Image-2.1：7B 的生成部分，2K 出图，最多 10 张参考图，原生透明背景；模板文件合计约 17GB，另有 8 步 Turbo 版。
- 两家都没公布分档显存数字，各档能不能跑待核实；Qwen 有一组 RTX 5090 的官方速度。
- 协议方向相反：H3-Image 不覆盖欧盟、英国、韩国、美国，Qwen-Image-2.1 只允许非商业用途。都以协议原文为准。
站内推荐
- 能商用的改图模型对比：FLUX 3 klein 和 Qwen-Image-Edit：按显卡怎么选改图模型
- 在 ComfyUI 里跑 H3-Image 的步骤：ComfyUI 跑 MiniMax-H3-Image：版本要求、官方模板和低显存设置
- 用什么工具跑这些模型：WanGP 和 ComfyUI、SwarmUI、FreeVideo 怎么选：本地生图生视频工具横评
- 本地改图方案按显卡分档：本地生图生视频 · 可编辑生图
- 不想本地跑，先用免费接口：国内免费生图 API 对比：硅基流动、智谱、百炼等 6 家
- 更多本地工具对比：本地生成工具