Нет, Alibaba не выпускала Qwen Image 2.1 без ограничений. Слух про «Uncensored» разошёлся в соцсетях сразу после релиза 20 сентября 2026 года, но под этим словом ходят сторонние сборки, и у каждой свой состав. Японский разбор, на который опираюсь ниже, аккуратно разделяет три вещи: официальные веса, облачный API и чужие производные версии.

Источник: blog.laozhang.ai

Коротко

Источник: blog.laozhang.ai
  • Uncensored — это сборки третьих лиц на базе модели на 7 млрд параметров в визуальной части, а не отдельный выпуск Alibaba.
  • Фильтр стоит в облачном API Alibaba. В скачанных весах серверного Safety Checker нет.
  • Сборки бывают разные: одни — LoRA поверх модели, другие меняют текстовый энкодер. Поведение у них не одинаковое.
  • Лицензия официальной модели некоммерческая. Картинки для продажи лицензия не запрещает, а встраивать модель в платный сервис без разрешения нельзя.

Что пишут японские авторы про Uncensored

Первое, на что делают акцент японские авторы, — разница между тем, что выпустила команда Qwen, и тем, что ходит по сети. Вот их формулировка в переводе:

«Uncensored — не единственная версия. Это несколько производных версий, которые выпустили третьи лица на основе официальной модели».

Дальше идёт техническая часть, которую многие пропускают. В официальных весах, по словам статьи, нет Safety Checker — модуля, который фильтрует генерацию. Фильтр работает там, где его ставит сервис: в облачном API Alibaba. Если вы запускаете скачанные веса локально и не через чужой API, серверного фильтра по умолчанию нет.

«Локальный запуск модели и установка Uncensored-версии — это разные вещи».

Из этого следует главное: запустить модель и поставить конкретную сборку — разные решения. Первое — техника. Второе — доверие к тому, кто собрал веса и что в них поменял.

Что внутри сборок: LoRA и текстовый энкодер

Статья разбирает две сборки. Первая — chatrlabs. По описанию это LoRA, то есть адаптер с дополнительным обучением поверх базовой модели. Сама модель не заменяется. На странице публикации написано, что использовать её можно только в некоммерческих, исследовательских и оценочных целях.

Вторая — AtomicChat. Здесь меняют не генератор картинок, а текстовый энкодер, который читает промпт. Автор AtomicChat провёл небольшой тест и написал, что отказы в чате упали с 88,9% до 1,2%. На 45 чувствительных промптах разницы до и после не нашли. По объяснению автора, конвейер генерации картинок и раньше промпты не блокировал.

«Изменение текстовых отказов и снятие ограничений на стороне генерации картинок — разные вещи».

Оговорка самой статьи: цифры AtomicChat получены автором на маленькой выборке. Это не независимая проверка, и относиться к ним стоит как к заявлению, а не как к гарантии.

Есть и данные, которые выложила сама команда chatrlabs в посте на Reddit. Замер сделан на 960 изображениях для проверки соответствия промпту, с одинаковыми сидами и настройками (35 шагов, CFG 5.0). Замер сделан на BF16-версии, квантованные файлы отдельно не мерили.

Тест (оценка 0–100)Базовая модельСборка, шаг 32 000Сборка, шаг 90 000
Соответствие взрослым промптам85,187,489,7
Анатомия70,367,769,4
Общие SFW-промпты (300)79,875,879,6

Вывод из таблицы неоднозначный. Соответствие промпту выросло, а анатомия и общие промпты после дообучения просели или остались на месте. Так что фраза «стало лучше во всём» не подтверждается даже данными самих авторов.

Японский креатор: MV на Turbo в 8 ГБ VRAM

Полезнее всего в японских материалах рассказ про работу, а не про цензуру. Креатор maruden production делал музыкальное видео с AI-певицей на локальном ПК с RTX 3050 и 8 ГБ VRAM. Картинки для кадров он генерировал на iPad Air M2 через облачные вычисления Draw Things, видео — на LTX 2.3.

«После Qwen Image 2.1 по сравнению с прежним Qwen Image Edit 2511 качество генерации заметно выросло».

Это его оценка, замера там нет. Он делал ставку на Turbo: в облачном режиме одна картинка, по его словам, занимает около трёх минут. Промпты советует писать на английском. Потом кадр дорабатывает в krea2, чтобы убрать пластиковую кожу и «ИИ-вид».

Считает автор и время. Восьмисекундный кусок у него выходит примерно за полтора часа, а трёхминутный клип, по его расчёту, — от 35 до 40 часов. Это его собственная оценка для его процесса, на другом железе цифры будут другими.

Локальный запуск: шаги из японской статьи

Если нужен формат GGUF, сначала ставится кастомный узел ComfyUI-GGUF. Дальше порядок такой:

  1. Скачать три файла из официального репозитория Comfy-Org/Qwen-Image-2.1.
  2. Diffusion Model (сама модель генерации) положить в ComfyUI/models/diffusion_models.
  3. Qwen3-VL 8B (текстовый и условный энкодер) положить в ComfyUI/models/text_encoders.
  4. RGBA VAE (сжатие и восстановление картинки) положить в ComfyUI/models/vae.
  5. Загрузить официальный workflow: для генерации из текста или для редактирования.
  6. Первый запуск сделать на базовых настройках: Steps 40, CFG 1, Sampler Euler.
  7. При CFG 1 Negative Prompt не работает, на него время не тратьте.
  8. Сначала убедиться, что всё работает как есть, и только потом менять параметры.

Совет из статьи: не ставьте сразу сборку с Hugging Face. Сначала запустите официальные веса на официальном workflow, и только когда поймёте, как это работает, решайте, нужна ли вам другая версия.

Сколько нужно VRAM: цифры по файлам, а не требования

Разработчик не назвал минимальный VRAM для обычных видеокарт. Японская статья приводит ориентиры по размеру файлов квантов. Это оценка автора статьи, а не требование:

ВариантРазмер файла, ГБVRAM, ГБ (оценка статьи)
Q4_04,054–6
Q4_K_M4,606
Q5_K_Mзависит от сборки8
Q8_07,5924
FP8 (Turbo)8,0516
BF1614,2316–24 плюс выгрузка в RAM

В эти цифры не входят текстовый энкодер и VAE, которые тоже занимают память. Квантование экономит место, но снижает точность. По словам статьи, в Turbo огрубление заметнее всего.

По Mac в статье два примера. На MacBook Pro M2 с 32 ГБ через Diffusers и MPS картинка 1024×1024 на 40 шагах заняла около 16 минут. На M5 Max с 128 ГБ обнаружилась ошибка: VAE на MPS портит входное изображение для редактирования. Обходят её, отправляя VAE на CPU. Для Mac разработчик ничего не гарантирует.

Цены API по регионам: Turbo дешевле Pro

В японской статье цен в йенах и долларах нет. Цифры по хостед-API беру из блога LaoZhang AI, от 26.10.2026. Turbo в Alibaba Cloud Model Studio стоит так:

РегионЦена за изображение, $Цена за 10 000 изображений, $
Сингапур0,016160
Токио (Япония)0,014133около 141
Virginia, Frankfurt, Hong Kong0,014133около 141

Pro стоит в 2,5 раза дороже Turbo и даёт 20 запросов в минуту против 120 у Turbo. Курса рубля в источниках нет, поэтому пересчитывайте сами по курсу дня оплаты. Главная ловушка: цена за картинку не равна цене за готовый кадр, если вы перегенерируете.

Лицензия: картинка и модель — разные вещи

На этом месте японская статья делает главную практическую оговорку. Официальные веса распространяются по Qwen Research License, а не по Apache 2.0. По состоянию на 20.11.2026 это некоммерческая лицензия.

«При коммерческом использовании нужно отдельно разделять сгенерированное изображение и саму модель».

Ссылаясь на объяснение Qwen Developers, статья пишет, что выход модели не входит в Materials из лицензии, а права на сгенерированное изображение остаются у пользователя. По этой логике использовать готовую картинку в рекламе или товарной карточке лицензия не запрещает. А вот встроить саму модель в платный сервис, дать к ней доступ через API или дообучить и продавать — уже нужна отдельная договорённость. Контакт для этого: [email protected].

Есть и оговорка. Лицензия не гарантирует, что на картинку обязательно возникнет авторское право. Право выбора законодательства здесь китайское, а при нарушении возможно прекращение лицензии и удаление материалов.

Русскоязычный разбор на сайте Claudexia пишет жёстче: для коммерческого видео открытые веса без лицензии не использовать. Это не противоречит японской статье, разница в объекте. Одно дело картинка, другое модель внутри продукта. Для себя я бы держал эти вещи раздельно: картинки можно, встраивать модель без разрешения нельзя.

Что это меняет для русского креатора

Если перевести всё на практику, получаются четыре вещи:

  • Uncensored — это выбор конкретной сборки. Прежде чем ставить, смотрите, кто её выпустил, какая у неё лицензия и что она меняет: энкодер или LoRA.
  • Для рабочих проектов начинайте с официального Qwen Image 2.1 или Turbo, через API или локально, а не со сторонних сборок.
  • Перед продажей картинок смотрите не только на картинку, но и на лицензию модели, которой её сделали.
  • Если проект рассчитан на клиентов, считайте стоимость не за один кадр, а за итоговый набор с перегенерациями.

Где подвох

Большая часть цифр в этом разборе — либо заявления авторов сборок, либо оценки по размеру файлов, либо данные команды-разработчика сборки. Независимой проверки японские авторы не делали. Перед любым решением проверьте лицензию и условия на официальной странице, а не в пересказе.

Источники

Qwen Image 2.1: обзор, где пользоваться и как запустить

Qwen Image 2.1 Turbo API: Python Code and $0.014–$0.016 Pricing | LaoZhang AI Blog

Источникnote.com