daniil-kzn/qwen-image-2

Qwen-Image-2.0

Qwen-Image-2.0 (publicado el 10 de febrero de 2026) es un único modelo para texto a imagen y edición de imágenes: un codificador Qwen3-VL de 8B más un decodificador de difusión de 7B, salida nativa en 2K, instrucciones de hasta aproximadamente 1000 tokens. Sus puntos fuertes son el texto denso y correctamente escrito en chino e inglés (diapositivas, pósters, infografías, cómics, calendarios, caligrafía), fotorrealismo con bajo "aspecto AI", y ediciones multiimagen. Los idiomas de indicación compatibles oficialmente son chino e inglés.

La ejecución se realiza a través de fal-runner (registro, precio, aprobación, descarga). La elaboración de indicaciones para fotogramas iniciales de vídeo permanece en storyboard-keyframes / kling-video-prompt; esta habilidad cubre los parámetros específicos de Qwen y las reglas de indicaciones. La anatomía, la fidelidad de referencia y la transferencia de partes para cualquier modelo están en image-edit-fidelity (§4a). Los resultados de pruebas con fecha están en references/observations.md; los detalles de la API, tamaños y límites en references/api.md; las plantillas de indicaciones listas en references/prompt-patterns.md.

0. Verificación de disponibilidad (hacerlo primero en una tarea nueva)

fal marcó los cuatro endpoints fal-ai/qwen-image-2/* como deprecated el 18 de agosto de 2026; el sucesor alibaba/qwen-image-3/* está activo. El endpoint estándar de texto a imagen todavía sirvió una solicitud el 8 de noviembre de 2026, pero los endpoints obsoletos pueden dejar de funcionar en cualquier momento. Antes de la primera llamada de pago de una tarea:

1. python3 ~/.claude/skills/fal-runner/fal_run.py models qwen-image-2 y schema <endpoint>.
2. Verificar references/observations.md para la última fecha de ejecución exitosa.
3. Si una llamada falla con 404/410/"deprecated"/"not found", informar al usuario y ofrecer las alternativas de references/api.md (Alibaba Model Studio necesita DASHSCOPE_API_KEY, no configurada en esta máquina al 8 de noviembre de 2026; WaveSpeed; o Qwen-Image-3 en fal como un modelo diferente que necesita su propia prueba). Nunca cambiar el modelo silenciosamente: el usuario pidió Qwen 2.

1. Nivel y endpoint

Tarea	Endpoint fal	Precio observado (2026-11-08)
Borradores, exploración, pruebas de diseño	fal-ai/qwen-image-2/text-to-image	0.035 USD/imagen
Imagen final, texto denso, realismo	fal-ai/qwen-image-2/pro/text-to-image	0.075 USD/imagen
Edición de borrador	fal-ai/qwen-image-2/edit	0.035 USD/imagen
Edición final, fusión multiimagen	fal-ai/qwen-image-2/pro/edit	0.075 USD/imagen

Nombres en Model Studio: qwen-image-2.0 (acelerado) y qwen-image-2.0-pro, ambos sirven generación y edición en un solo endpoint (references/api.md). Iterar la composición y el texto en el nivel estándar, pasar a Pro una vez que la indicación esté definida, y comparar el costo de la imagen aceptada incluyendo reintentos, no el precio de una sola salida.

2. Parámetros que cambian el resultado

• Tamaño. fal tiene como valor predeterminado square_hd = 1024x1024, un cuarto del 2K nativo. Siempre pasar image_size: {"width": W, "height": H}. Píxeles totales entre 512x512 y 2048x2048, lados en múltiplos de 16. Preajustes 2K: 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> calcula cualquier otra relación. Para ediciones sin image_size, la salida sigue a la ÚLTIMA imagen de entrada.
• Expansión de indicación (enable_prompt_expansion en fal, prompt_extend en Model Studio), valor predeterminado true: un LLM reescribe la indicación y añade detalles, estilo y palabras de cámara (el ejemplo oficial convirtió un gato de una línea en una indicación estilo "Canon EOS R5, National Geographic"). Predeterminado para esta habilidad: escribir la indicación completa tú mismo según las reglas de §3/§4 y establecerlo en false cuando la imagen lleve texto exacto, un diseño fijo, una serie que debe coincidir, o una comparación de semillas. Mantener true solo para indicaciones exploratorias cortas donde se desee variedad.
• Indicación negativa, como máximo 500 caracteres. Predeterminado de texto a imagen (la lista oficial de Qwen): 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, más la lista de anatomía (§4a). Ediciones: la lista de fidelidad más la lista de anatomía (el valor predeterminado de edición del script de payload; --negative blank envía " "), más el fallo que realmente se vio (altered face, misspelled text). Las exclusiones van aquí; la indicación positiva no enumera objetos con "no".
• Longitud de indicación. Edición fal: 800 caracteres (esquema). Texto a imagen fal: sin límite en el esquema; Model Studio trunca silenciosamente después de 1300 tokens; WaveSpeed permite 800 caracteres. qwen_payload.py advierte sobre los límites. Cuando el espacio se acabe, mantener, en orden: cadenas de texto exactas, sus posiciones, sujetos y relaciones espaciales, una o dos pistas de estilo.
• Cantidad y semilla. num_images 1-4 (texto a imagen fal), 1-6 (edición fal, Model Studio). seed 0..2147483647; la misma semilla da salidas similares, no idénticas.
• Entradas de edición. 1-3 imágenes, orden = "imagen 1/2/3" en la indicación, 384-5000 px por lado en fal (384-3072 recomendado por Alibaba), como máximo 10 MB, PNG sin canal alfa (el script aplana el alfa). Los archivos locales se ingresan como "@file:/ruta/absoluta" para fal_run.py.
• Verificador de seguridad está activado por defecto; desactivarlo requiere autorización de la cuenta.

3. Reglas de indicación de texto a imagen

Estas siguen las indicaciones del sistema de reescritura oficial de Qwen (prompt_utils.py, prompt_utils_2512.py en QwenLM/Qwen-Image) y los ejemplos de lanzamiento de 2.0. Escribir la indicación de esta manera hace el trabajo del reescritor de antemano, por lo que la expansión puede permanecer desactivada.

1. Prosa descriptiva natural en un solo bloque, no listas de palabras clave o sopa de etiquetas. El contenido estructurado (infografías, tablas, cómics) puede usar saltos de línea y secciones "Fila 1: ...", pero cada elemento sigue siendo una frase descriptiva.
2. Nombrar el estilo general explícitamente: fotografía realista, instantánea casual de smartphone, póster de película, infografía plana, pintura gongbi de la dinastía Song, render 3D, ilustración de anime.
3. Orden: sujeto, apariencia, ropa de cabeza a pies, pose, mirada y manos, otros objetos, entorno, luz (dirección, intensidad, temperatura de color), cámara y composición, textura y ambiente. Restringir el detalle en escenas simples; añadir detalle donde se resuelva una elección real.
4. Personas: etnia, género y una edad específica ("alrededor de 30", no "joven"); forma de la cara, ojos, tono y textura de la piel, maquillaje; color, longitud y corte del cabello; cada prenda y accesorio; postura corporal, dirección de la mirada, lo que hace cada mano. Alrededor de 200 palabras para un retrato. Para realismo, los ejemplos oficiales usan "instantánea casual de iPhone, iluminación interior típica, sin iluminación escenificada".
5. Cada cadena visible entre comillas dobles, exactamente como debe aparecer, con su posición, orientación (horizontal, vertical, columnas de derecha a izquierda), fuente (sans-serif, serif, escrita a mano, un estilo de caligrafía nombrado), color, tamaño y soporte (tubo de neón, tiza, lámina de oro en relieve, bordado). El texto implícito se convierte en texto concreto: no "una lista de nombres" sino los nombres. Cerrar una imagen de texto con "No other text appears in the image."; una imagen sin texto recibe "The image contains no recognizable text."
6. Mantener los nombres propios, marcas, lemas, URL y números textualmente.
7. Diseños: describir primero la cuadrícula o columnas, luego cada bloque en orden de lectura con su texto exacto; tablas y calendarios celda por celda; cómics como "una cuadrícula de 4x6 con divisores blancos", luego "Fila 1, panel 1: ... Burbuja de diálogo: "..." ". Repetir la descripción de identidad corta de un personaje recurrente palabra por palabra en cada panel (el cómic oficial hace esto) para mantenerlos consistentes. Las imágenes dentro de una diapositiva van entre paréntesis junto a su nodo.
8. Idioma: escribir la descripción en inglés o chino; mantener las cadenas entre comillas en el idioma en que deben aparecer. Otros alfabetos no son compatibles oficialmente. Cirílico probado el 8 de noviembre de 2026: palabras cortas comunes a menudo correctas, palabras más largas o raras distorsionadas (2 de 3 cadenas rusas tenían letras incorrectas mientras que el inglés era exacto). Para texto en ruso: mantener las cadenas cortas, esperar reintentos, verificar cada palabra y planificar corregir palabras incorrectas en un editor o mediante una pasada de edición.
9. Sin sufijos de etiqueta de calidad ("8K, masterpiece, ultra HD"): los ejemplos de 2.0 no los usan y empujan hacia el brillante aspecto AI que la indicación negativa combate.

Las plantillas para pósters, diapositivas, infografías, retratos, productos, cómics y calendarios están en references/prompt-patterns.md.

4. Reglas de instrucciones de edición

Del mejorador de indicaciones de edición oficial y los ejemplos de edición de 2.0:

• Una instrucción directa y específica: verbo, objetivo, atributos, posición. "Añadir un gato gris claro en la esquina inferior derecha, sentado y mirando a la cámara", no "añadir un animal".
• Reemplazo: "Reemplazar Y con X", luego las características visuales clave de X.
• Texto: Replace "old text" with "new text", comillas incluidas, mismo idioma y mayúsculas; posición, color y fuente solo cuando cambien.
• Personas: nombrar lo que debe permanecer (etnia, género, edad, rostro, peinado, expresión, vestimenta). Cambios de expresión y maquillaje sutiles, nunca exagerados.
• Transferencia de estilo: describir el estilo de destino por características visibles (paleta, línea, textura, luz), y colocar la frase de estilo después de los cambios de contenido.
• Mover una parte de una referencia a otra, intercambio de cabeza: image-edit-fidelity §3 (ver §4a).
• Multiimagen: decir qué imagen proporciona qué ("la chica de la imagen 1 lleva el vestido negro de la imagen 2 y se sienta en la pose de la imagen 3"), qué imagen da el fondo, y describir la ropa y pose de cada persona. El aspecto de salida sigue a la última imagen: poner la imagen base al final o establecer image_size.
• Cláusula de preservación nombrando cosas concretas: "No cambiar los edificios reales, calles, vehículos o personas; mantener la foto realista", "mantener la forma, logotipo y diseño del producto sin cambios". Con una referencia adjunta seguir siempre image-edit-fidelity §2 (ver §4a).
• El modelo vuelve a renderizar todo el fotograma. Comparar las áreas no modificadas lado a lado con la entrada; cuando una pequeña edición local dañó el resto, pegar solo la región editada de nuevo sobre el original con una máscara difuminada (ref_diff.py --paste-back, ver §4a).
• Plantilla de coloreado: "Restore and colorize the photo." Las plantillas de inpaint/outpaint del mejorador Qwen-Image-Edit ("Perform inpainting on this image. The original caption is: ...", "Extend the image beyond its boundaries using outpainting. The original caption is: ...") aún no están verificadas en 2.0.

4a. Anatomía, fidelidad de referencia, transferencia de partes: image-edit-fidelity

Las reglas independientes del modelo residen en la habilidad image-edit-fidelity (~/.claude/skills/image-edit-fidelity/SKILL.md) y se aplican a cada llamada de Qwen con personas o una imagen de referencia: anatomía intacta para cada persona (su §1), cambiar solo lo que se pidió con reference_inventory.md y una división CAMBIO/MANTENER (§2), transferencia de exactamente una parte e intercambio de cabeza (§3), la verificación con ref_diff.py y la reparación de pegado inverso. Cargarla junto con esta habilidad.

Cómo se asignan esas reglas a Qwen-Image-2.0:

• Las exclusiones de anatomía y fidelidad van en negative_prompt (máximo 500 caracteres): el script de payload añade la lista de anatomía al valor predeterminado de texto a imagen y usa fidelidad + anatomía como valor predeterminado de edición.
• enable_prompt_expansion: false para cada edición con una referencia.
• La salida sigue a la ÚLTIMA imagen en image_urls: poner la referencia base (el objetivo de una transferencia de partes) al final; el script de payload establece el tamaño de edición a partir de ella por defecto.
• La indicación de edición, incluida la cláusula MANTENER, cabe en 800 caracteres (el script advierte).
• Recortes de origen para transferencia de partes e intercambio de cabeza: al menos 384 px por lado.
• qwen_payload.py check advierte cuando una edición no tiene una cláusula de preservación nombrada, ningún "No añadir ni quitar personas u objetos", una indicación multiimagen sin "only"/"nothing else", o personas sin anatomía y colocación de manos.
• Verificar: python3 ~/.claude/skills/image-edit-fidelity/scripts/ref_diff.py <referencia> <salida> --allow <caja>.

5. Flujo de trabajo

1. Preguntar solo qué cambia la imagen: propósito y relación de aspecto, las cadenas de texto exactas y su idioma, foto o ilustración, imágenes de referencia. De lo contrario, tomar los valores predeterminados anteriores.
2. Verificar disponibilidad y esquema (§0), elegir el nivel (§1). Con personas o una imagen de referencia: cargar image-edit-fidelity y escribir primero reference_inventory.md con la división CAMBIO/MANTENER.
3. Escribir la indicación en la carpeta del proyecto (prompt.txt) y construir el 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 (ediciones: añadir --image a.png --image b.png). Corregir cada advertencia que imprima.
4. Citar modelo, número de imágenes, tamaño y precio y esperar aprobación (reglas de fal-runner).
5. fal_run.py submit <endpoint> payload.json --label "<qué>" --wait.
6. Verificar cada salida a tamaño completo antes de mostrar (§6).
7. Mostrar el resultado de la manera en que el usuario revisa medios: una página HTML con mosaicos de <img> etiquetados en el panel del navegador integrado (instrucciones globales), naturalWidth > 0 verificado, no SendUserFile. Copiar los archivos finales de ~/.cache/fal-jobs/ con nombres descriptivos.
8. Iterar cambiando una cosa por ronda. Registrar nuevos hallazgos con una fecha en references/observations.md (los fallos permanecen listados).

6. Verificación de defectos

• Cada cadena entre comillas carácter por carácter a tamaño completo (recortar y ampliar texto pequeño con PIL): ortografía, dígitos, fechas, puntuación, saltos de línea; sin texto extra inventado, sin duplicados.
• Diseño: conteos de filas y columnas, orden de celdas, alineación, nada cortado por el borde del fotograma.
• Anatomía de cada persona, incluidas figuras de fondo (image-edit-fidelity §1): una cabeza, dos ojos, dos brazos, dos manos con cinco dedos, dos piernas, cada extremidad unida a su propio cuerpo en el hombro o la cadera, sin cuerpos fusionados. Cualquier violación invalida la imagen.
• Personas y objetos: conteos, objetivos de la mirada, quién está de pie dónde.
• Ediciones: ref_diff.py contra la referencia, luego cada línea de reference_inventory.md (conteo e identidad de personas, objetos y posiciones, fondo, luz, detalles de la escena). Rehacer si hay alguna diferencia no intencionada.

7. Scripts

• qwen_payload.py en scripts/: build (construir payload JSON desde indicación y parámetros), size (calcular píxeles para una relación dada), check (verificar payload en busca de errores comunes de edición). Ejecutar --help para ver los argumentos.
• fal_run.py en la habilidad fal-runner: submit (enviar trabajo, esperar, mostrar resumen y precio), models (listar modelos disponibles de fal, filtrar por nombre), schema (mostrar esquema del endpoint).

references/

Archivo	Contenido
api.md	Nombres de endpoints, documentación de parámetros y límites para fal y Model Studio
observations.md	Resultados de pruebas con fecha y notas de implementación
prompt-patterns.md	Plantillas para pósters/diapositivas/infografías/retratos/productos/cómics/calendarios