daniil-kzn/qwen-image-2

Qwen-Image-2.0

Qwen-Image-2.0 (veröffentlicht am 10.02.2026) ist ein einheitliches Modell für Text-zu-Bild und Bildbearbeitung: ein 8B Qwen3-VL-Encoder plus ein 7B Diffusions-Decoder, native 2K-Ausgabe, Anweisungen bis zu etwa 1k Token. Seine Stärken sind dichter, korrekt geschriebener Text in Chinesisch und Englisch (Folien, Poster, Infografiken, Comics, Kalender, Kalligrafie), Fotorealismus mit geringem „KI-Look" und Mehrbildbearbeitungen. Offiziell unterstützte Prompt-Sprachen sind Chinesisch und Englisch.

Die Ausführung erfolgt über fal-runner (Journal, Preis, Genehmigung, Download). Die Prompt-Erstellung für Video-Startbilder verbleibt in storyboard-keyframes / kling-video-prompt; dieser Skill behandelt Qwen-spezifische Parameter und Prompt-Regeln. Anatomie, Referenztreue und Teileübertragung für beliebige Modelle befinden sich in image-edit-fidelity (§4a). Datierte Testergebnisse liegen in references/observations.md; API-Details, Größen und Grenzen in references/api.md; fertige Prompt-Vorlagen in references/prompt-patterns.md.

0. Verfügbarkeitsprüfung (zuerst in einem neuen Task durchführen)

fal hat alle vier fal-ai/qwen-image-2/*-Endpunkte am 18.08.2026 als deprecated markiert; der Nachfolger alibaba/qwen-image-3/* ist aktiv. Der Standard-Text-zu-Bild-Endpunkt hat am 08.11.2026 noch eine Anfrage bedient, aber veraltete Endpunkte können jederzeit eingestellt werden. Vor dem ersten kostenpflichtigen Aufruf eines Tasks:

1. python3 ~/.claude/skills/fal-runner/fal_run.py models qwen-image-2 und schema <endpoint>.
2. Überprüfe references/observations.md auf das Datum des letzten erfolgreichen Laufs.
3. Wenn ein Aufruf mit 404/410/"deprecated"/"not found" fehlschlägt, melde dies dem Benutzer und biete die Alternativen aus references/api.md an (Alibaba Model Studio benötigt DASHSCOPE_API_KEY, der auf diesem Rechner zum 08.11.2026 nicht konfiguriert ist; WaveSpeed; oder Qwen-Image-3 auf fal als ein anderes Modell, das eigene Tests benötigt). Wechsle das Modell niemals stillschweigend: Der Benutzer hat nach Qwen 2 gefragt.

1. Tarif und Endpunkt

Aufgabe	fal-Endpunkt	Beobachteter Preis (08.11.2026)
Entwürfe, Erkundung, Layout-Versuche	fal-ai/qwen-image-2/text-to-image	0,035 USD/Bild
Finalbild, dichter Text, Realismus	fal-ai/qwen-image-2/pro/text-to-image	0,075 USD/Bild
Bearbeitungsentwurf	fal-ai/qwen-image-2/edit	0,035 USD/Bild
Finale Bearbeitung, Mehrbildfusion	fal-ai/qwen-image-2/pro/edit	0,075 USD/Bild

Model-Studio-Namen: qwen-image-2.0 (beschleunigt) und qwen-image-2.0-pro, beide bedienen Generierung und Bearbeitung an einem Endpunkt (references/api.md). Iteriere Komposition und Text auf dem Standard-Tarif, wechsle zu Pro, sobald der Prompt feststeht, und vergleiche die Kosten des akzeptierten Bildes inklusive Wiederholungen, nicht den Preis einer einzelnen Ausgabe.

2. Parameter, die das Ergebnis verändern

• Größe. fal verwendet standardmäßig square_hd = 1024x1024, ein Viertel der nativen 2K. Übergib immer image_size: {"width": W, "height": H}. Gesamtpixel zwischen 512x512 und 2048x2048, Seiten in Vielfachen von 16. 2K-Voreinstellungen: 1:1 2048x2048, 16:9 2688x1536, 9:16 1536x2688, 4:3 2368x1728, 3:4 1728x2368, 3:2 2496x1664, 2:3 1664x2496. scripts/qwen_payload.py size <ratio> berechnet jedes andere Verhältnis. Bei Bearbeitungen ohne image_size folgt die Ausgabe dem LETZTEN Eingabebild.
• Prompt-Erweiterung (enable_prompt_expansion bei fal, prompt_extend bei Model Studio), Standardwert true: Ein LLM schreibt den Prompt um und fügt Details, Stil- und Kamerawörter hinzu (das offizielle Beispiel verwandelte eine einzeilige Katze in einen „Canon EOS R5, National Geographic"-Prompt). Standard für diesen Skill: Schreibe den vollständigen Prompt selbst nach den Regeln in §3/§4 und setze ihn auf false, wenn das Bild exakten Text, ein festes Layout, eine Serie, die übereinstimmen muss, oder einen Seed-Vergleich enthält. Behalte true nur für kurze Erkundungsprompts, bei denen Abwechslung gewünscht ist.
• Negativ-Prompt, maximal 500 Zeichen. Text-zu-Bild-Standard (die offizielle Qwen-Liste): low resolution, low quality, deformed limbs, malformed fingers, oversaturated colors, waxy skin, faces without detail, over-smoothed, AI-generated look, chaotic composition, blurry or distorted text, plus die Anatomieliste (§4a). Bearbeitungen: die Treueliste plus die Anatomieliste (der Bearbeitungsstandard des Payload-Skripts; --negative blank sendet " "), plus den tatsächlich gesehenen Fehler (altered face, misspelled text). Ausnahmen gehören hierher; der Positiv-Prompt listet keine Objekte mit „kein" auf.
• Prompt-Länge. fal-Bearbeitung: 800 Zeichen (Schema). fal Text-zu-Bild: keine Begrenzung im Schema; Model Studio kürzt stillschweigend nach 1300 Token; WaveSpeed erlaubt 800 Zeichen. qwen_payload.py warnt bei den Grenzen. Wenn der Platz knapp wird, behalte in dieser Reihenfolge: exakte Textzeichenfolgen, ihre Positionen, Subjekte und räumlichen Beziehungen, ein oder zwei Stilhinweise.
• Anzahl und Seed. num_images 1-4 (fal Text-zu-Bild), 1-6 (fal-Bearbeitung, Model Studio). seed 0..2147483647; derselbe Seed liefert ähnliche, nicht identische Ausgaben.
• Bearbeitungseingaben. 1-3 Bilder, Reihenfolge = „Bild 1/2/3" im Prompt, 384-5000 px pro Seite bei fal (384-3072 von Alibaba empfohlen), maximal 10 MB, PNG ohne Alpha (das Skript glättet Alpha). Lokale Dateien werden als "@file:/abs/path" für fal_run.py eingefügt.
• Sicherheitsprüfung ist standardmäßig aktiviert; das Ausschalten erfordert eine Kontoberechtigung.

3. Text-zu-Bild-Prompt-Regeln

Diese folgen den offiziellen Qwen-Umschreibungs-System-Prompts (prompt_utils.py, prompt_utils_2512.py in QwenLM/Qwen-Image) und den 2.0-Launch-Beispielen. Das Prompt auf diese Weise zu schreiben, erledigt die Arbeit des Umschreibers im Voraus, weshalb die Erweiterung ausgeschaltet bleiben kann.

1. Natürliche beschreibende Prosa in einem Block, keine Stichwortlisten oder Tag-Suppe. Strukturierte Inhalte (Infografiken, Tabellen, Comics) dürfen Zeilenumbrüche und "Zeile 1: ..."-Abschnitte verwenden, aber jedes Element ist dennoch eine beschreibende Phrase.
2. Benenne den Gesamtstil explizit: realistische Fotografie, beiläufiger Smartphone-Schnappschuss, Filmplakat, flache Infografik, Song-dynastische Gongbi-Malerei, 3D-Render, Anime-Illustration.
3. Reihenfolge: Subjekt, Aussehen, Kleidung von Kopf bis Fuß, Pose, Blick und Hände, andere Objekte, Umgebung, Licht (Richtung, Intensität, Farbtemperatur), Kamera und Komposition, Textur und Stimmung. Halte Details in einfachen Szenen zurück; füge Details hinzu, wo sie eine echte Wahl treffen.
4. Personen: Ethnie, Geschlecht und ein bestimmtes Alter („etwa 30", nicht „jung"); Gesichtsform, Augen, Hautton und -textur, Make-up; Haarfarbe, -länge, -schnitt; jedes Kleidungsstück und Accessoire; Körperhaltung, Blickrichtung, was jede Hand tut. Etwa 200 Wörter für ein Porträt. Für Realismus verwenden offizielle Beispiele „beiläufiger iPhone-Schnappschuss, typisches Innenraumlicht, keine inszenierte Beleuchtung".
5. Jede sichtbare Zeichenfolge in doppelten Anführungszeichen, genau wie sie erscheinen muss, mit ihrer Position, Ausrichtung (horizontal, vertikal, rechts-nach-links-Spalten), Schriftart (serifenlos, Serife, handgeschrieben, ein benannter Kalligrafiestil), Farbe, Größe und Träger (Neonröhre, Kreide, geprägte Goldfolie, Stickerei). Implizierter Text wird konkreter Text: nicht „eine Liste von Namen", sondern die Namen. Schließe ein Text-Bild mit „Kein anderer Text erscheint im Bild." ab; ein Bild ohne Text erhält „Das Bild enthält keinen erkennbaren Text."
6. Behalte Eigennamen, Marken, Slogans, URLs und Zahlen wörtlich bei.
7. Layouts: Beschreibe zuerst das Raster oder die Spalten, dann jeden Block in Lesereihenfolge mit seinem exakten Text; Tabellen und Kalender Zelle für Zelle; Comics als „ein 4x6-Raster mit weißen Trennlinien", dann „Zeile 1, Panel 1: ... Sprechblase: „..."". Wiederhole die kurze Identitätsbeschreibung einer wiederkehrenden Figur in jedem Panel wörtlich (der offizielle Comic macht das), um sie konsistent zu halten. Bilder innerhalb einer Folie stehen in Klammern neben ihrem Knoten.
8. Sprache: Schreibe die Beschreibung auf Englisch oder Chinesisch; belasse zitierte Zeichenfolgen in der Sprache, in der sie erscheinen müssen. Andere Schriften werden nicht offiziell unterstützt. Kyrillisch getestet am 08.11.2026: kurze gebräuchliche Wörter oft richtig, längere oder seltenere Wörter verstümmelt (2 von 3 russischen Zeichenfolgen hatten falsche Buchstaben, während Englisch exakt war). Für russischen Text: halte Zeichenfolgen kurz, erwarte Wiederholungen, überprüfe jedes Wort und plane, falsche Wörter in einem Editor oder durch einen Bearbeitungsdurchgang zu korrigieren.
9. Keine Qualitäts-Tag-Suffixe ("8K, Meisterwerk, Ultra-HD"): Die 2.0-Beispiele verwenden sie nicht und sie treiben in Richtung des glänzenden KI-Looks, den der Negativ-Prompt bekämpft.

Vorlagen für Poster, Folien, Infografiken, Porträts, Produkte, Comics und Kalender befinden sich in references/prompt-patterns.md.

4. Bearbeitungsanweisungsregeln

Aus dem offiziellen Bearbeitungs-Prompt-Verstärker und den 2.0-Bearbeitungsbeispielen:

• Eine direkte, spezifische Anweisung: Verb, Ziel, Attribute, Position. „Füge eine hellgraue Katze in der unteren rechten Ecke hinzu, die sitzt und zur Kamera schaut", nicht „Füge ein Tier hinzu".
• Ersetzung: „Ersetze Y durch X", dann die wichtigsten visuellen Merkmale von X.
• Text: „Ersetze "alten Text" durch "neuen Text"", Anführungszeichen beibehalten, gleiche Sprache und Groß-/Kleinschreibung; Position, Farbe und Schriftart nur, wenn sie sich ändern.
• Personen: Benenne, was bleiben muss (Ethnie, Geschlecht, Alter, Gesicht, Frisur, Ausdruck, Outfit). Ausdrucks- und Make-up-Änderungen subtil, niemals übertrieben.
• Stilübertragung: Beschreibe den Zielstil durch sichtbare Merkmale (Palette, Linie, Textur, Licht) und setze den Stilsatz nach den Inhaltsänderungen.
• Verschieben eines Teils aus einer Referenz in eine andere, Kopf-Tausch: image-edit-fidelity §3 (siehe §4a).
• Mehrbild: Sage, welches Bild was liefert ("das Mädchen aus Bild 1 trägt das schwarze Kleid aus Bild 2 und sitzt in der Pose aus Bild 3"), welches Bild den Hintergrund liefert und beschreibe die Kleidung und Pose jeder Person. Das Ausgabe-Seitenverhältnis folgt dem letzten Bild: Setze das Basisbild zuletzt oder setze image_size.
• Erhaltungsklausel mit konkreten Dingen: "Ändere nicht die echten Gebäude, Straßen, Fahrzeuge oder Personen; halte das Foto realistisch", "behalte Produktform, Logo und Layout unverändert". Mit einer angehängten Referenz befolge immer image-edit-fidelity §2 (siehe §4a).
• Das Modell rendert den gesamten Rahmen neu. Vergleiche unveränderte Bereiche nebeneinander mit der Eingabe; wenn eine kleine lokale Bearbeitung den Rest beschädigt hat, füge nur die bearbeitete Region mit einer weichen Maske auf das Original zurück (ref_diff.py --paste-back, siehe §4a).
• Kolorierungsvorlage: "Stelle das Foto wieder her und koloriere es." Inpaint/Outpaint-Vorlagen aus dem Qwen-Image-Edit-Verstärker ("Führe Inpainting an diesem Bild durch. Die ursprüngliche Bildunterschrift lautet: ...", "Erweitere das Bild über seine Grenzen hinaus mit Outpainting. Die ursprüngliche Bildunterschrift lautet: ...") sind für 2.0 noch nicht verifiziert.

4a. Anatomie, Referenztreue, Teileübertragung: image-edit-fidelity

Die modellunabhängigen Regeln leben in der Fertigkeit image-edit-fidelity (~/.claude/skills/image-edit-fidelity/SKILL.md) und gelten für jeden Qwen-Aufruf mit Personen oder einem Referenzbild: intakte Anatomie für jede Person (dessen §1), ändere nur, was mit reference_inventory.md und einer ÄNDERN/BEHALTEN-Aufteilung (§2) angefragt wurde, Übertragung von genau einem Teil und Kopf-Tausch (§3), die Überprüfung mit ref_diff.py und Paste-Back-Reparatur. Lade es zusammen mit dieser Fertigkeit.

Wie diese Regeln auf Qwen-Image-2.0 abgebildet werden:

• Anatomie- und Treueausschlüsse gehen in negative_prompt (maximal 500 Zeichen): Das Payload-Skript fügt die Anatomieliste zum Text-zu-Bild-Standard hinzu und verwendet Treue + Anatomie als Bearbeitungsstandard.
• enable_prompt_expansion: false für jede Bearbeitung mit einer Referenz.
• Die Ausgabe folgt dem LETZTEN Bild in image_urls: Setze die Basisreferenz (das Ziel einer Teileübertragung) zuletzt; das Payload-Skript setzt die Bearbeitungsgröße standardmäßig daraus.
• Der Bearbeitungsprompt, einschließlich BEHALTEN-Klausel, passt in 800 Zeichen (das Skript warnt).
• Quellausschnitte für Teileübertragung und Kopf-Tausch: mindestens 384 px pro Seite.
• qwen_payload.py check warnt, wenn eine Bearbeitung keine benannte Erhaltungsklausel, kein "Füge keine Personen oder Objekte hinzu oder entferne sie nicht", einen Mehrbild-Prompt ohne "nur"/"nichts anderes" oder Personen ohne Anatomie und Handplatzierung hat.
• Überprüfung: python3 ~/.claude/skills/image-edit-fidelity/scripts/ref_diff.py <reference> <output> --allow <box>.

5. Arbeitsablauf

1. Frage nur, was das Bild ändert: Zweck und Seitenverhältnis, die genauen Textzeichenfolgen und ihre Sprache, Foto oder Illustration, Referenzbilder. Ansonsten nimm die obigen Standardeinstellungen.
2. Verfügbarkeits- und Schema-Prüfung (§0), wähle den Tarif (§1). Bei Personen oder einem Referenzbild: Lade image-edit-fidelity und schreibe zuerst reference_inventory.md mit der ÄNDERN/BEHALTEN-Aufteilung.
3. Schreibe den Prompt in den Projektordner (prompt.txt) und erstelle das Payload: python3 ~/.claude/skills/qwen-image-2/scripts/qwen_payload.py build --endpoint <id> --prompt-file prompt.txt --ratio 16:9 --expansion off -o payload.json (Bearbeitungen: füge --image a.png --image b.png hinzu). Behebe jede gedruckte Warnung.
4. Zitiere Modell, Anzahl der Bilder, Größe und Preis und warte auf Genehmigung (fal-runner-Regeln).
5. fal_run.py submit <endpoint> payload.json --label "<was>" --wait.
6. Überprüfe jede Ausgabe in voller Größe vor dem Zeigen (§6).
7. Zeige das Ergebnis so, wie der Benutzer Medien überprüft: eine HTML-Seite mit beschrifteten <img>-Kacheln im integrierten Browser-Bereich (globale Anweisungen), naturalWidth > 0 verifiziert, nicht SendUserFile. Kopiere Finalbilder mit beschreibenden Namen aus ~/.cache/fal-jobs/.
8. Iteriere, indem du pro Runde eine Sache änderst. Zeichne neue Erkenntnisse mit einem Datum in references/observations.md auf (Fehlschläge bleiben aufgelistet).

6. Fehlerprüfung

• Jede zitierte Zeichenfolge Zeichen für Zeichen in voller Größe (kleinen Text mit PIL zuschneiden und zoomen): Rechtschreibung, Ziffern, Daten, Satzzeichen, Zeilenumbrüche; kein erfundener Zusatztext, keine Duplikate.
• Layout: Zeilen- und Spaltenanzahl, Zellenreihenfolge, Ausrichtung, nichts vom Rahmen abgeschnitten.
• Anatomie jeder Person, einschließlich Hintergrundfiguren (image-edit-fidelity §1): ein Kopf, zwei Augen, zwei Arme, zwei Hände mit fünf Fingern, zwei Beine, jedes Glied an seinem eigenen Körper an der Schulter oder Hüfte befestigt, keine verschmolzenen Körper. Jeder Verstoß lässt das Bild durchfallen.
• Personen und Objekte: Anzahl, Blickziele, wer wo steht.
• Bearbeitungen: ref_diff.py gegen die Referenz, dann jede Zeile von reference_inventory.md (Personenanzahl und Identität, Objekte und Positionen, Hintergrund, Licht, Textur, Stil).