Qwen-Image-2.1-LoRA für NSFW: die Lizenz, Ihre alten LoRAs und was wirklich funktioniert

Alibaba veröffentlichte Qwen-Image-2.1 am 20. September 2026 mit offenen Gewichten. Darauf folgten drei Fragen: Kann ich es kommerziell nutzen, funktionieren meine vorhandenen LoRAs, und eignet es sich für Arbeiten ohne Zensur? Dieser Leitfaden beantwortet sie, beschreibt einen Workflow für Bilder ohne Zensur, in dem LoRAs eine optionale, zu prüfende Ergänzung sind, und erklärt zum Schluss, wie Sie Standbilder mit Wan 2.2 in Videos verwandeln.

Die kurzen Antworten: nicht ohne eine separate Lizenz; wahrscheinlich nicht, und nichts weist Sie darauf hin; und ja, solange Sie sich nicht auf ein LoRA verlassen, das möglicherweise nichts bewirkt.

Um die heute aufrufbaren Bildmodelle mit ihren Inhaltsrichtlinien und aktuellen Preisen zu vergleichen, nutzen Sie den API-Katalog für Bilderzeugung ohne Zensur.

Die Antworten zuerst

• Die Gewichte sind offen, die Lizenz nicht. Qwen-Image-2.1 verwendet die Qwen Research License, die die Nutzung „nur für nichtkommerzielle Zwecke“ erlaubt. Die beiden früheren Qwen-Image-Versionen standen unter Apache 2.0. Qwens offizieller Account sagt, dass Ihnen die erzeugten Bilder gehören, aber das steht nicht in der Lizenzdatei und deckt den Betrieb des Modells in einem kostenpflichtigen Produkt nicht ab.
• Rechnen Sie damit, dass für Qwen-Image 1.0 oder 2512 trainierte LoRAs nicht übertragbar sind, ohne dass Sie eine Meldung erhalten. Das sind 20B-Modelle; 2.1 ist eine neue 7B-Architektur. Die von uns ausgeführte 2512-Datei ließ das Bild mit ihrer Aktivierungsphrase und doppelter Stärke sichtbar unverändert, trotzdem wurde der Auftrag erfolgreich abgeschlossen und berechnet. Prüfen Sie jedes LoRA gegen einen Lauf ohne LoRA mit demselben seed.
• Native 2.1-LoRAs sind nicht mehr selten. Der Modellbaum von Hugging Face listet inzwischen 78 Adapter auf, darunter mehrere für Inhalte für Erwachsene. Die meistgeladenen sind Beschleuniger, keine Inhalts-LoRAs.
• Das Basismodell ist auch ohne LoRA für Arbeiten ohne Zensur geeignet. Referenzbearbeitung bewahrt die Identität einer Figur über mehrere Szenen hinweg, und ein NSFW-LoRA präzisierte die Anatomie, statt etwas freizuschalten, das das Basismodell nicht erzeugen konnte.
• Für Videos ist Wan 2.2 die permissive Hälfte der Pipeline. Apache 2.0, zwei LoRA-Slots, ein großes LoRA-Ökosystem.

Ist Qwen-Image-2.1 Open Source?

Gewichte, Code und Inferenzpipelines sind öffentlich. Sie können das Modell von Hugging Face oder ModelScope herunterladen und mit Diffusers, ComfyUI, vLLM-Omni, SGLang-Diffusion oder LightX2V ausführen.

Geändert hat sich die Lizenz. Qwen-Image und Qwen-Image-2512 standen unter Apache 2.0. Qwen-Image-2.1 verwendet das Qwen Research License Agreement, das Nutzung und Änderung „nur für nichtkommerzielle Zwecke“ erlaubt und diese als „nur für Forschungs- oder Evaluierungszwecke“ definiert.

Quellen: die Modellkarten von Qwen-Image, Qwen-Image-2512 und Qwen-Image-2.1 sowie die Lizenz von Qwen-Image-2.1.

Kann ich Qwen-Image-2.1 kommerziell nutzen?

Nicht unter der veröffentlichten Lizenz, wenn kommerziell bedeutet, das Modell in einem Produkt, einem kostenpflichtigen Dienst oder einer Kundenpipeline zu betreiben. Sie benötigen eine separate Lizenz von Alibaba; die Lizenz nennt model-business@notice.qwencloud.com, aber weder Preise noch ein darüber hinausgehendes Verfahren.

Fünf Klauseln sind für alle relevant, die ein Produkt entwickeln oder LoRAs veröffentlichen:

1. Nur nichtkommerziell. Abschnitt 2. Forschung und Evaluierung sind die einzigen als nichtkommerziell definierten Nutzungen. Das ist enger gefasst als „alles, wofür ich kein Geld verlange“.
2. Kennzeichnung von damit trainierten Modellen. Abschnitt 4(b): Wenn Sie das Modell „oder daraus hervorgehende Ausgaben oder Ergebnisse“ verwenden, um ein KI-Modell zu erstellen, zu trainieren, feinabzustimmen oder zu verbessern, das verteilt oder bereitgestellt wird, müssen Sie „Built with Qwen“ oder „Improved using Qwen“ anzeigen. Ein von Ihnen veröffentlichtes LoRA zählt dazu; nach dem Wortlaut auch ein mit Qwen-Image-2.1-Bildern trainiertes Modell, ein üblicher Weg zu einem Figurendatensatz.
3. Weitergabe. Abschnitt 3: Geben Sie eine Kopie der Vereinbarung mit, kennzeichnen Sie geänderte Dateien und bewahren Sie Qwens Hinweistext. Das gilt für zusammengeführte oder neu quantisierte Checkpoints, die Sie teilen.
4. Benennung. Abschnitt 4(c): „Qwen“ darf nicht der Hauptname eines abgeleiteten Werks oder Produkts sein.
5. Anwendbares Recht. Abschnitt 8: chinesisches Recht, mit ausschließlicher Zuständigkeit der Volksgerichte von Hangzhou.

Was ist mit den Bildern selbst?

Die Lizenz enthält keine Klausel dazu, wem ein erzeugtes Bild gehört. Qwens offizieller Account erklärte auf X, dass Ausgaben nicht Teil der lizenzierten Materialien sind und Nutzer die Rechte an ihren Erzeugnissen behalten. Das ist eine erklärte Position, keine Änderung der Vereinbarung, und beantwortet nur die Hälfte der Frage: Eigentum an Ihren Bildern erlaubt Ihnen nicht, das Modell produktiv zu betreiben. Es gibt auch keine offizielle Antwort darauf, ob private Hobbynutzung als „Forschung oder Evaluierung“ gilt. Wenn Einnahmen davon abhängen, holen Sie eine schriftliche Antwort von Alibaba ein.

Eine gehostete API ändert, wer die Gewichte ausführt, nicht den Inhalt der Lizenz. SpicyAPIs Bedingungen zu gehosteten Routen und Ausgaben finden Sie in unseren Nutzungsbedingungen. Fragen Sie bei jedem Anbieter, unter welcher Lizenz er das Modell betreibt, bevor Sie darauf ein kostenpflichtiges Produkt aufbauen.

Wenn Sie eine eindeutige Lizenz brauchen:

• Ein Qwen-Modell mit kommerziellen Rechten ohne Verhandlung: Qwen-Image-2512 ist Apache 2.0 und hat 202 Adapter-Repositories gegenüber den 78 von 2.1. Dafür verzichten Sie auf die neue Architektur und den Editor mit 10 Referenzen.
• Prototyping, Forschung oder Evaluierung: Qwen-Image-2.1 ist genau das, wofür die Lizenz vorgesehen ist.
• Video: Wan 2.2 ist Apache 2.0.

Funktionieren meine vorhandenen Qwen-LoRAs auf Qwen-Image-2.1?

Rechnen Sie mit nein, und das Scheitern bleibt ungemeldet.

Warum sie nicht funktionieren sollten

Ein LoRA besteht aus Gewichtsänderungen, die für die Schichten eines bestimmten Modells berechnet wurden. Qwen-Image 1.0 und 2512 sind 20B-Modelle; Qwen-Image-2.1 ist ein 7B-Single-Stream-Transformer mit 32 Schichten, einem Qwen3-VL-8B-Textencoder und einem neuen VAE mit 64 Kanälen, der Transparenz codiert. Es ist ein anderes Netz, keine neu trainierte Kopie. Entwickler berichten dasselbe: Der Autor eines weit verbreiteten Realismus-LoRA-Sets trainierte seine LoRAs für Qwen-Image 2.1 neu, statt sie wiederzuverwenden. Adapter für Qwen-Image-Edit-2509 und 2511 wurden für die früheren Bearbeitungsmodelle trainiert und unterliegen derselben Regel.

Was bei unserem Versuch passierte

Ein Loader, der eine Datei ignoriert, sieht genauso aus wie ein LoRA mit subtilem Effekt. Deshalb führten wir vier Text-zu-Bild-Läufe mit gleichem Prompt und gleichem seed am Endpoint Qwen Image 2.1 LoRA aus (3:4, 1k). Nur das LoRA änderte sich:

Alle vier Läufe waren erfolgreich und wurden mit denselben 0,03 USD berechnet. Die Antwort unterscheidet Lauf 2 durch nichts von Lauf 1.

Unsere Tests vom Oktober 2026 zeigten: Mit der eigenen Aktivierungsphrase der 2512-Datei und festem seed bei einem jugendfreien Prompt änderte die 2512-Datei das Bild um etwa 0,2% bei Stärke 1 und 0,5% bei Stärke 2, bei gleicher Pose, gleichem Raum und Stil: keine sichtbare Änderung. Ein gleich ausgeführtes Qwen-Image-2.1-LoRA änderte es um etwa 7%, mit neuem Bildausschnitt, Requisiten und Licht. In diesem Test lieferte ein wiederholter Lauf ohne LoRA ein pixelidentisches Bild, sodass der sichtbare Unterschied vom LoRA stammt. Führen Sie den Kontrolllauf selbst zweimal aus, wenn ein Ergebnis grenzwertig wirkt. Eine winzige messbare Änderung ist keine sichtbare, daher gilt: Ein geladenes Qwen-LoRA ist nicht automatisch ein auf 2.1 funktionierendes LoRA; das zeigt nur der Vergleich mit einem Lauf ohne LoRA bei gleichem seed. Der Leitfaden zu Qwen Image 2.1 NSFW-LoRAs enthält Messungen für die einzelnen 2.1-LoRA-Dateien.

So prüfen Sie ein LoRA, bevor Sie ihm vertrauen

1. Lesen Sie das Basismodell auf der Modellkarte des LoRA. Steht dort Qwen-Image, Qwen-Image-2512, Qwen-Image-Edit-2509 oder 2511, gehen Sie davon aus, dass es auf 2.1 nicht funktioniert.
2. Führen Sie einen Kontrolllauf und einen LoRA-Lauf mit gleichem seed und Prompt aus, mit Aktivierungsphrase und empfohlener Stärke des Autors. Eine Stildatei kann ohne ihre Aktivierungsphrase wirkungslos aussehen. Führen Sie zuerst den Kontrolllauf zweimal aus: Unterscheiden sich die Bilder, ist das Ihr Grundrauschen, und nur eine deutlich größere Änderung zählt als LoRA-Effekt. Können Sie den LoRA-Lauf nicht vom Kontrollbild unterscheiden, versuchen Sie eine höhere Stärke. Bleibt er im Grundrauschen, bewirkt die Datei nichts, egal was die Logs sagen.
3. Kombinieren Sie kein ungeprüftes LoRA mit bereits geprüften, sonst machen Sie die falsche Datei verantwortlich.

Wo sind die Qwen-Image-2.1-LoRAs?

Inzwischen gibt es Dutzende. Die Hugging-Face-API listet 78 für Qwen-Image-2.1 deklarierte Adapter, daneben 53 Fine-Tunes, 109 quantisierte Varianten und 8 Zusammenführungen. Die Zahlen ändern sich täglich. Derselbe Filter liefert 505 für das ursprüngliche Qwen-Image und 202 für 2512, und keines davon lässt sich übertragen.

Die 78 sind eine Mischung aus Beschleunigern, Bearbeitungshilfen, Steuerungsdateien, Stildateien und Paketen. Die Zahl misst Aktivität, nicht fertige NSFW-LoRAs:

Drei Gewohnheiten entscheiden, ob sich ein Eintrag lohnt:

• Isolieren Sie eine Datei. Eine Galerie aus Bildern mit mehreren kombinierten LoRAs zeigt nicht, was eine einzelne Datei tut. Prüfen Sie einen Adapter gegen einen Kontrolllauf ohne LoRA, bevor Sie kombinieren.
• Erkennen Sie Kopien. Derselbe Civitai-Download erscheint oft unter mehreren Hugging-Face-Accounts. Vergleichen Sie Version, Datei-Hash und angegebenes Basismodell. Zwei Kopien sind ein Adapter.
• Bewahren Sie das Rezept bei der Datei auf. Das von uns ausgeführte NSFW-Komplett-LoRA empfiehlt mindestens 25 Schritte, CFG 3 bis 5, Stärke 0,8 und den Sampler er_sde mit dem Scheduler beta. Das ist ein lokales Rezept. Unser gehosteter Endpoint nimmt Prompt, Seitenverhältnis, Auflösung, Ausgabeformat, seed und die Liste loras entgegen, ohne Felder für Schritte, CFG, Sampler oder negativen Prompt. Nur Stärke und Prompt sind daher übertragbar.

Auf unserem Endpoint änderten ein NSFW-Komplett-LoRA, ein Realismus-LoRA und ein Qualitätskorrektur-LoRA für 2.1 jeweils das Bild deutlich bei gleichem seed. Der Leitfaden zu Qwen Image 2.1 NSFW-LoRAs listet Dateien, Stärken und gemessene Unterschiede. Als Community-Verzeichnis mit Details zum Selbsthosting ist awesome-qwen-image die vollständigste von uns gefundene Liste; sie kennzeichnet selbst die Repositories für Erwachsene.

Training wird ebenfalls unterstützt: ModelScope bietet LoRA-Training für 2.1 über DiffSynth-Studio, und ai-toolkit führt es als Basismodell auf. Alles, was Sie verteilen, muss „Built with Qwen“ und die nichtkommerziellen Bedingungen enthalten.

Ist Qwen-Image-2.1 ohne Zensur?

Die offenen Gewichte. Das Repository beschreibt weder Sicherheitsprüfung noch Inhaltsfilter oder Ablehnungsverhalten. In unserem Test mit gleichem seed erreichte das normale Qwen Image 2.1 bereits ohne LoRA unsere Stufe L4, wenn auch nicht in jedem Lauf. Das NSFW-LoRA präzisierte die Anatomie, statt die Szene freizuschalten. Das ist die realistische Rolle eines LoRA für Erwachsene bei diesem Modell.

Community-Varianten „ohne Zensur“. Viele Ergebnisse sind nur neu verpackt: Von den 109 quantisierten Varianten tragen 45 „ohne Zensur“ oder „NSFW“ im Namen. Die beliebteste beschreibt Quantisierungen der ursprünglichen Gewichte ohne eingebaute Sicherheitsprüfung, aber die ursprüngliche Veröffentlichung hat keine, die entfernt werden könnte. Lesen Sie das Wort also als Etikett. Aussagen zusammengeführter Checkpoints über Inhalte für Erwachsene ohne LoRA sind Behauptungen ihrer Autoren. Ein Repository argumentiert, dass eine „abliterierte“ Kopie des Qwen3-VL-Textencoders eine Tendenz zur Zurückhaltung beseitigt. Alle sind Ableitungen der Basisgewichte, die nichtkommerziellen Bedingungen gelten also weiterhin.

Unsere gehosteten Endpoints. Qwen Image 2.1 und Qwen Image 2.1 LoRA gehören zur Inhaltsstufe unrestricted: Es gibt keine Reifegradoption zu setzen und keinen separaten Zugang zu beantragen. Auf unserer fünfstufigen Skala (L1 Anzüglich, L2 Erwachsenenthemen, L3 Stark, L4 Intensiv, L5 Extrem) setzte Qwen Image 2.1 fast jeden Prompt wie formuliert um, mit einem abgeschwächten Ergebnis bei L4 und ohne Ablehnung. Die LoRA-Familie setzte alle ihre 32 Läufe wie angefragt um. Wir prüfen LoRA-Dateien nicht: Vorab wird nichts hochgeladen, jede Datei wird bei Ausführung der Anfrage von Ihrer URL abgerufen.

Ein Workflow für Bilder ohne Zensur mit Qwen-Image-2.1

Nutzen Sie, was 2.1 von Haus aus gut kann: detaillierte Prompts und Referenzbearbeitung. Fügen Sie ein LoRA zuletzt hinzu.

Schritt 1: Figur per Prompt erstellen, dann mit einer Referenz festhalten

Figuren-LoRAs dienen vor allem dazu, eine Person wiedererkennbar zu halten. Der Bearbeitungsmodus von Qwen-Image-2.1 übernimmt viel davon ohne LoRA: Er akzeptiert eine bis zehn Referenzbilder und soll die Identität bei Szenenwechseln bewahren. Auf der Modellseite von Qwen Image 2.1 LoRA war ein neutrales Studioporträt einer Frau mit kupferrotem Haar und Sommersprossen die einzige Referenz für drei neue Bilder: in einer Neongasse, einem Weizenfeld und einer Bibliothek. Gesicht, Sommersprossen und Frisur blieben in allen drei erhalten, ohne Figuren-LoRA.

1. Erzeugen Sie per Text-zu-Bild eine saubere, neutrale Referenz Ihrer eigenen erwachsenen Figur: schlichter Hintergrund, gleichmäßiges Licht, Gesicht und Körper klar sichtbar.
2. Bewahren Sie dieses Bild als Figurenreferenz auf.
3. Verwenden Sie für jede neue Szene den Bearbeitungsendpoint mit dieser Referenz und beschreiben Sie neue Umgebung, Pose und Kleidung.

Referenzen müssen eine erwachsene fiktive Figur oder eine Person zeigen, die dieser Nutzung zugestimmt hat.

Schritt 2: Benennen Sie den Beitrag jeder Referenz

Bei mehreren Referenzen leitet das Modell die Rollen nicht aus Bildreihenfolge oder Dateinamen ab. Schreiben Sie es aus: "The first image is the woman. The second image is the room she is standing in. The third image is the coat." Ohne das vermischt eine Anfrage mit mehreren Referenzen die Quellen meist zu einem Durchschnitt.

Schritt 3: Schutzvorgaben in die Anweisung aufnehmen

Der Bearbeitungsendpoint hat keinen negativen Prompt. Nach eigenem Ermessen bereinigt ein Bearbeitungsmodell Dinge, die Sie nicht bereinigen lassen wollten. Bei Arbeiten ohne Zensur ist das meist das ganze Problem: Die Wirkung wird abgeschwächt, Posen werden zurückhaltender, Haut wird geglättet. Benennen Sie, was erhalten bleiben muss: "Keep her wardrobe, pose and skin texture exactly as in the source, change nothing else."

Bei den Standardaufgaben von Qwen Image 2.1 ist Prompt-Erweiterung standardmäßig aktiv: Der Endpoint formuliert Ihren Prompt zu einer ausführlicheren Szenenbeschreibung um. Muss Ihre Formulierung exakt erhalten bleiben, setzen Sie enable_prompt_expansion auf false. LoRA-Aufgaben haben dieses Feld nicht. Die Option wird bei 1k und 2k akzeptiert, bei 1.5k abgelehnt und auch mit den Seitenverhältnissen 2:1, 1:2, 3:1, 1:3, 5:4 und 4:5 abgelehnt.

Für den stärksten Schutz akzeptiert die Standardbearbeitung außerdem mask_url: ein Schwarz-Weiß-Bild, bei dem Weiß neu zu malende Bereiche markiert und Schwarz erhalten bleibt. Es erfordert genau ein Referenzbild, wird nur bei 1k und 2k angeboten und lässt sich nicht mit transparentem Hintergrund kombinieren.

Für freigestellte Figuren lieferte die Standard-Text-zu-Bild-Aufgabe von Qwen Image 2.1 mit background auf transparent und output_format auf png in unseren Läufen echte RGBA-Dateien, die sich sauber auf eine einfarbige Fläche setzen ließen (eine Tasse und eine Ganzkörperfigur, 1k, Prompt-Erweiterung aus). Die LoRA-Aufgaben haben keine Hintergrundoption. Stellen Sie deshalb eine LoRA-Ausgabe selbst frei oder erzeugen Sie das Motiv mit der Standardaufgabe. Öffnen Sie die Datei und prüfen Sie den Alphakanal, bevor Sie darauf einen Compositing-Schritt aufbauen.

Schritt 4: LoRA nur hinzufügen, wenn Sie eine Wirkung nachweisen können

Fügen Sie ein natives 2.1-LoRA zuletzt hinzu und prüfen Sie es mit dem oben beschriebenen Vergleich bei gleichem seed. Drei Regeln halten die Ergebnisse zuordenbar:

• Beginnen Sie mit der vom Autor empfohlenen Stärke. Scale 1 ist der neutrale Wert im Schema, aber Autoren empfehlen niedrigere Werte: Die zwei nativen 2.1-Dateien, die wir nach Autorenempfehlung ausführten, verwendeten 0,6 und 0,8. Gehen Sie niedriger, wenn ein Gewicht den Prompt überlagert, und nur dann über die Empfehlung, wenn es sich in einer komplexen Szene behaupten muss.
• Ändern Sie pro Lauf einen Wert und halten Sie den seed fest.
• Beschreiben Sie im Prompt nicht, was das LoRA bereits weiß. Wenn Sie mit geladenem Figuren-LoRA die Merkmale der Figur erneut nennen, ziehen Sie das Bild in zwei Richtungen. Eine Ausnahme ist die Aktivierungsphrase einer Stildatei.

Verzichten Sie auf unserem Endpoint auf Turbo-Adapter mit wenigen Schritten: Sie wurden für eine bestimmte Schrittzahl und einen bestimmten Ablauf trainiert, beides können Sie nicht einstellen. Ihr Laden ändert daher meist den Look, statt den Auftrag zu beschleunigen.

Jede Anfrage akzeptiert bis zu drei LoRAs, jedes mit eigener Stärke von 0 bis 4, sowohl für Text-zu-Bild als auch für Bearbeitung. Die Anzahl der LoRAs ändert den Preis nicht.

Schritt 5: Für den ersten Aufruf Zeit statt Geld einplanen

LoRA-Dateien werden beim Ausführen der Anfrage abgerufen. Eine große Datei kostet daher Zeit, nicht mehr Geld: Läufe ohne Gewichte dauerten etwa 8,5 bis 10,7 Sekunden, mit einer kleinen Datei etwa 28,7 Sekunden und mit einer 1,18-GB-Datei etwa 36,5 Sekunden. Ihr eigenes LoRA auf einer gehosteten API ausführen erklärt die Zeiten und welche Fehler beim Einreichen oder erst danach auftreten: Ein 404, eine Webseite oder ein privater oder fehlender Hugging-Face-Pfad wird beim Einreichen blockiert. Ein bloßer user/repo-Name, ein nicht auflösbarer Host oder ein später ausfallender Link wird dagegen akzeptiert und scheitert anschließend mit einer allgemeinen Meldung.

Qwen-Image-2.1 selbst hosten oder eine API nutzen

Wenn die Lizenz zu Ihrer Nutzung passt, ist Selbsthosting realistisch. Der Generator hat 7B, und die Veröffentlichung dokumentiert CPU-Offload für GPUs mit begrenztem Speicher, nennt aber keinen Mindestwert für VRAM. Planen Sie zwei große Modelle ein, denn der visuell-sprachliche 8B-Textencoder lädt zusammen mit dem Generator. Eine GGUF-Modellkarte der Community zeigt den üblichen Trick für kleinere GPUs: ein quantisierter 4,6-GB-Generator auf der GPU und der 9,35-GB-int8-Textencoder ausgelagert in den Arbeitsspeicher des Systems.

Selbsthosting ist besser, wenn:

• Sie Steuerelemente brauchen, die unsere gehosteten LoRA-Aufgaben nicht anbieten, etwa Schritte, CFG, eigene Scheduler, Turbo-Adapter oder mehr als drei LoRAs;
• Sie bereits eine geeignete GPU besitzen und sie auslasten;
• Ihre LoRAs private Dateien sind, die Sie hinter keiner URL bereitstellen wollen.

Ein gehosteter Endpoint ist besser, wenn Sie keine zwei großen Modelle, Treiber und eine ComfyUI-Version verwalten möchten, wenn schwankende Mengen eine ungenutzte GPU teurer machen als den Preis pro Bild, oder wenn Sie LoRA per URL ohne eigenen Loader nutzen wollen.

Auf unseren gehosteten Endpoints wird Qwen Image 2.1 LoRA pro Bild nach Auflösungsstufe berechnet, bei Bearbeitung zusätzlich nach der Anzahl der Referenzbilder (Preisangebote sind kostenlos):

Prüfen Sie Stufe und Referenzanzahl, bevor Sie einen Stapel einreihen: Eine Bearbeitung mit einer Referenz bei 2k kostet das 3,6-Fache des 1k-Preises; eine Bearbeitung mit zehn Referenzen bei 2k kostet 0,366 USD. Normales Qwen Image 2.1 ohne LoRA-Slots kostet bei 1k weniger (0,024 USD für Text-zu-Bild; 0,036 USD, 0,06 USD und 0,144 USD für Bearbeitung mit 1, 3 und 10 Referenzen). Sein 2k-Bearbeitungspreisangebot liegt unabhängig von der Referenzanzahl bei 0,048 USD, günstiger als die 1.5k-Stufe. Bearbeitungen am LoRA-Endpoint dauern bei 1k etwa 17 Sekunden im Median und bei 2k etwa 52 Sekunden.

Vom Standbild zum Video: Wan 2.2 LoRA

Wan 2.2 ist der übliche Videoschritt nach einem Standbild: Es steht unter Apache 2.0, erzeugt Bild-zu-Video mit dem Standbild als Anfangsframe und hat ein großes, aktives LoRA-Ökosystem.

Das Standbild bestimmt den Inhalt

Bei Bild-zu-Video legt der Anfangsframe Motiv, Kleidung, Körper, Pose und Bildausschnitt fest. Der Prompt beschreibt nur Bewegungen und Kameraverhalten. Klären Sie alles Wichtige in einem günstigen Standbild, das Sie erneut erzeugen können, und lassen Sie den teuren Videodurchgang die Bewegung umsetzen.

Zwei Experten, drei LoRA-Slots

Die 14B-Modelle von Wan 2.2 nutzen zwei Experten: Der High-Noise-Experte übernimmt frühes Denoising und legt das Layout fest; der Low-Noise-Experte übernimmt später und verfeinert Details. LoRA-Autoren folgen dieser Aufteilung, und viele Wan-2.2-LoRAs werden als zwei Dateien veröffentlicht, eine pro Experte. Der Endpoint Wan 2.2 LoRA stellt das als drei Felder bereit:

Jedes Feld akzeptiert bis zu drei LoRAs, jedes mit einer Stärke von 0 bis 4. Bei der normalen Wan-2.2-LoRA-Familie darf jede Datei bis zu 1 GB groß sein. Neben direkten Links akzeptiert sie Civitai-Modell- oder Downloadlinks und Hugging-Face-Links mit /blob/ oder /resolve/; Seiten hinter einem Login lassen sich nicht abrufen. Unser Test der beiden Slots mit gleichem seed zeigt, was jeder Slot änderte.

Der häufigste Fehler ist, die High-Noise-Hälfte eines Paars in loras zu laden, wodurch sie auf beide Experten angewendet wird.

Was lokale Nutzer fragen und auf einem gehosteten Endpoint anders funktioniert

• Geschwindigkeits-LoRAs. Beschleuniger wie die Vier-Schritt-LoRAs Lightning und lightx2v hängen von einer bestimmten Schrittzahl und einer Guidance-Skala von 1 ab. Schrittzahl und Guidance sind keine Felder unseres Endpoints, ihr Laden reproduziert diese Einstellungen also nicht. Verwenden Sie LoRAs für Stil, Bewegung und Figuren.
• Stärke. Beginnen Sie bei 1 und testen Sie etwa 0,5 bis 1,5 bei unverändertem Frame, Prompt und seed. Oberhalb von etwa 1,5 beginnt ein Stil meist, das Motiv zu ersetzen.
• Kombinieren. Drei LoRAs in einem Slot mischen sich, statt Schichten zu bilden. Fügen Sie sie einzeln hinzu.
• Den Stil doppelt beschreiben. Den Stil im Prompt zu nennen und zugleich ein LoRA dafür zu laden, verdoppelt tendenziell den Effekt.
• Wan-Animate. Die Veröffentlichung warnt davor, Wan-2.2-LoRAs mit ihrem Animate-Modell zu verwenden. Das gilt nicht für Bild-zu-Video.

Video ohne Zensur: welcher Endpoint?

Beide Wan-2.2-LoRA-Familien gehören zur Stufe unrestricted, und beide erzeugten die Prompts der höheren Stufen:

• Wan 2.2 LoRA ist nur Bild-zu-Video, 5 oder 8 Sekunden bei 480p oder 720p. Jede andere Dauer wird abgelehnt statt gerundet.
• Wan 2.2 Spicy LoRA ergänzt einen Videoverlängerungsendpoint, der einen Clip ab seinem letzten Frame fortsetzt und dieselben drei LoRA-Listen akzeptiert.

Für eine längere Szene laden Sie bei jedem Durchgang dieselben LoRAs mit denselben Stärken, sonst ändert sich der Look an der Schnittstelle. Das verlängerte Video enthält am Anfang das Ausgangsmaterial. Schneiden Sie es vor dem Zusammenfügen ab. Die Quelle muss ein direkter Link zur Videodatei sein, keine Seite, die das Video abspielt.

Was Selbsthosting von Wan 2.2 pro Clip kostet

Die Wan-2.2-Veröffentlichung nennt für das 14B-Bild-zu-Video-Modell auf einer H100 oder H800 mit Standardeinstellungen 327,8 Sekunden für einen 480P-Clip und 1.055,9 Sekunden für 720P, bei maximalem Speicherbedarf von 41 GB und 59,7 GB. Der Standardclip hat 81 Frames bei 16 fps, etwa fünf Sekunden.

Bei einem On-Demand-Preis für H100 SXM 80 GB von 2,69 USD pro Stunde (Community-Cloud-Tarif auf RunPods öffentlicher Preisliste; der Secure-Cloud-Tarif beträgt 3,49 USD pro Stunde, etwa 30% mehr):

Die gehosteten Preise sind aktuelle Preisangebote für eine Fünf-Sekunden-Anfrage. 480p-Aufträge mit fünf Sekunden wurden im Median nach 46 Sekunden abgeschlossen (90. Perzentil: 70 Sekunden).

Das ist kein Vergleich unter gleichen Bedingungen. Selbsthosting kann deutlich schneller als die Standardeinstellung sein: Vier H100 benötigen 92,4 Sekunden und acht 52,9 Sekunden für 480P, bei mehr GPU-Stunden pro Clip. Geschwindigkeits-LoRAs und Quantisierung reduzieren Zeit und Kartenkosten weiter. Der Selbsthosting-Wert enthält aber nur Rechenleistung, nicht Leerlauf, Modellladen, Speicher oder Ihre Wartungszeit, während der gehostete Wert den gesamten Preis umfasst. Wenn Sie eine GPU rund um die Uhr auslasten und die Pipeline optimieren, kann Selbsthosting günstiger als sekundengenaue Abrechnung sein. Bei stoßweise anfallendem Volumen meist nicht.

Erst im Playground ausprobieren, dann die API aufrufen

Beginnen Sie auf der Modellseite von Qwen Image 2.1 LoRA. Wählen Sie im Playground-Tab (konfigurieren, schätzen, ausführen) Text to image oder die Bearbeitungsaufgabe, fügen Sie Ihren LoRA-Link bei den LoRA-Einträgen hinzu, prüfen Sie die Preisschätzung und starten Sie. Führen Sie dieselbe Anfrage einmal ohne LoRA als Kontrolle aus. Qwen Image 2.1 bietet denselben Tab für Standardaufgaben. Wenn das Ergebnis stimmt, senden Sie dieselbe Eingabe aus dem Code:

import uuid

from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY from the environment

task = client.create_task(
    model="alibaba/qwen-image-2.1-lora/text-to-image",
    input_data={
        "prompt": "Candid photo of an adult woman on a hotel balcony at dusk, warm light spilling from the room behind her, shallow depth of field.",
        # Replace with your own public file; pin a commit (resolve/<sha>/) so it cannot change between runs.
        "loras": [{"path": "https://huggingface.co/your-account/your-qwen-image-2-1-lora/resolve/3be1c0a/lora.safetensors", "scale": 0.8}],
        "aspect_ratio": "3:4",
        "resolution": "1k",
        "seed": 42,
    },
    idempotency_key=str(uuid.uuid4()),  # new key per new request; reuse only to retry the same one
)

print("Resume task:", task["taskId"], flush=True)
final = client.wait_for_terminal(task["taskId"])
if final["state"] != "succeeded":
    raise RuntimeError(f"Task {task['taskId']} ended as {final['state']}")
assets = output_assets(final)
if not assets or any(a.get("pending") or a.get("unavailable") or not a.get("url") for a in assets):
    raise RuntimeError(f"Task {task['taskId']} has no ready output; check this task before a new run")
print(assets[0]["url"])  # copy it to your own storage now

Installieren Sie mit pip install spicyapi. Aufgabenerstellung, Warten und Fehlercodes behandelt die SpicyAPI-Dokumentation. Übernehmen Sie Feldnamen aus dem aktuellen Schema auf der Modellseite. Der Wan-2.2-LoRA-Clip verwendet alibaba/wan-2.2-lora/image-to-video mit image_url, high_noise_loras und low_noise_loras. Prüfen Sie das LoRA-Paar bei 480p, bevor Sie das beste Ergebnis bei 720p rendern.

Wenn ein Agent den Auftrag ausführen soll, geben Sie ihm eines der drei offiziellen Werkzeuge. Jedes zeigt den Preis und verlangt vor einem kostenpflichtigen Aufruf Ihre Bestätigung:

• CLI. spicyapi (oder npx @spicyapi/cli): spicyapi tasks create --model alibaba/qwen-image-2.1-lora/text-to-image --input-file input.json --wait, wobei input.json das obige input-Objekt enthält.
• MCP-Server. Fügen Sie den MCP-Server hinzu und bitten Sie Ihren Assistenten um das Bild. Er ruft spicyapi_task_create und dann spicyapi_task_wait auf.
• Skill. npx skills add spicyapi-ai/spicy-skill installiert den Agent Skill, damit ein Coding-Assistent das aktuelle Schema liest, statt Felder zu erraten.

Fehlerbehebung: Symptom, Ursache, Lösung

Häufig gestellte Fragen

Welches Qwen-Image-2.1-LoRA sollte ich für Inhalte für Erwachsene zuerst ausprobieren?

Wir führten vier Dateien aus, die Qwen-Image-2.1 als Basis angeben: ein NSFW-Komplett-LoRA auf Civitai (76 MB, Autorenempfehlung 0,8), eine Hugging-Face-Kopie einer früheren Version davon (159 MB, mit 0,8 ausgeführt), ein Realismus-LoRA (80 MB, Autorenempfehlung 0,6) und ein allgemeines Qualitätskorrektur-LoRA (112 MB, mit 1,0 ausgeführt). Jedes änderte das Bild deutlich gegenüber einem Lauf ohne LoRA. Probieren Sie die NSFW-Datei zuerst, wenn das Basismodell bei Ihnen die Anatomie falsch umsetzt. Beginnen Sie mit 0,8 und erwarten Sie Verfeinerung und Details, keine andere Freigabestufe. Nutzen Sie die Realismusdatei für fotografischen Look. Der Leitfaden zu Qwen Image 2.1 NSFW-LoRAs enthält Links und Messungen je Datei.

Kann ich ein Qwen-Image-Edit-2509- oder 2511-LoRA für die Bearbeitung auf 2.1 nutzen?

Gehen Sie von nein aus: Diese Adapter wurden für die früheren Bearbeitungsmodelle trainiert. Vergleichen Sie bei gleichem seed, bevor Sie sich darauf verlassen. Ändert sich nichts Sichtbares, funktioniert es nicht.

Mein LoRA wurde geladen und der Auftrag war erfolgreich. Warum sieht nichts anders aus?

Entweder wurde es für ein anderes Basismodell gebaut, oder sein Effekt auf Ihren Prompt ist subtil. Prüfen Sie das Basismodell auf seiner Karte, nutzen Sie die Aktivierungsphrase des Autors und vergleichen Sie denselben Prompt und seed mit und ohne LoRA an einem Motiv, bei dem der Effekt klar sichtbar sein sollte.

Kostet das Laden weiterer LoRAs mehr?

Nein. Standbilder werden nach Auflösungsstufe berechnet, Bearbeitungen zusätzlich nach Referenzbildanzahl und Wan-2.2-Videos nach Dauer und Auflösung. Die Anzahl der LoRAs ist kein Preisfaktor.

Kann ich ein LoRA auf Qwen-Image-2.1 trainieren?

Ja, über DiffSynth-Studio auf ModelScope oder ai-toolkit. Wenn Sie das Ergebnis verteilen, muss es „Built with Qwen“ tragen und übernimmt die nichtkommerziellen Bedingungen.

Wo werden meine LoRA-Dateien gespeichert, und wie groß dürfen sie sein?

Auf Ihrem eigenen Speicher: Jede Datei wird bei Auftragsausführung von der URL in der Anfrage abgerufen, und wir prüfen sie nicht. Verstehen Sie das nicht als Zusage, dass nichts gespeichert wird. Muss eine Datei privat bleiben, verwenden Sie einen signierten Link. Läuft der Link jedoch mitten im Stapel oder beim Wiederholen ab, scheitert jeder Auftrag, der ihn verwendet. Bei Wan 2.2 LoRA dürfen Dateien bis zu 1 GB groß sein; bei Qwen Image 2.1 LoRA führten wir eine 1,18-GB-Datei erfolgreich aus. Größere Dateien kosten Zeit, nicht mehr Geld.

Kann ich Civitai-Links verwenden?

Bei Wan 2.2 LoRA ja: Civitai-Modell- und Downloadlinks werden zur Datei aufgelöst. Bei Qwen Image 2.1 LoRA verwenden Sie einen direkten Link zu einer .safetensors-Datei oder ein Hugging-Face-Repository. Ein als nur nach Anmeldung zugänglich markierter Civitai-Downloadlink wurde in unserem Test trotzdem ohne Token geladen. Ein Link, der tatsächlich Authentifizierung verlangt, scheitert jedoch. Führen Sie deshalb vor einem Stapel einen günstigen Test aus.

Ist Qwen-Image-2.1 für Arbeiten ohne Zensur besser als 2512?

Das hängt vom Auftrag ab. 2.1 erzeugt Prompts der höheren Stufen auf unserem Endpoint und hält die Identität im Bearbeitungsmodus gut. 2512 hat eine kommerzielle Lizenz und 202 Adapter-Repositories gegenüber 78. Wenn Ihr Workflow bestimmte vorhandene LoRAs benötigt, entscheidet das die Wahl.

Was Ihre Verantwortung bleibt

Keine Prüfung Ihrer Gewichte bedeutet auch, dass niemand sie für Sie kontrolliert. Diese Verantwortlichkeiten ändern sich weder mit der Inhaltsstufe noch mit dem Betriebsort des Modells:

• Nur Erwachsene, in jeder Referenz, jedem LoRA und jeder Ausgabe. Figuren müssen eindeutig erwachsen sein.
• Keine echten, identifizierbaren Personen in intimen Inhalten ohne ihre Zustimmung und keine LoRAs oder Referenzsammlungen, die ohne Zustimmung das Aussehen einer echten Person nachbilden sollen.
• Rechte an den Gewichten und ihren Trainingsdaten. Ein heruntergeladenes LoRA unterliegt weiterhin den Bedingungen seines Autors.
• Die Lizenz des Basismodells. Bei Qwen-Image-2.1 die nichtkommerzielle Forschungslizenz und die Kennzeichnungspflicht für verteilte Ableitungen.

Wie weit das Basismodell geht und welche Prompts funktionieren, zeigt unser Qwen-Image-2.1-Test. Zu Bearbeitungen einschließlich mehrerer Bilder lesen Sie den Test ohne Zensur von Qwen Image Edit. Die Modellseiten Qwen Image 2.1 LoRA API, Qwen Image 2.1 API, Wan 2.2 LoRA und Wan 2.2 Spicy LoRA bieten das aktuelle Schema, Beispiele und die aktuelle Schätzung für jeden Endpoint.