4090实测Qwen-Image 2.1：易触发违规内容，1328²出图仅两毛

网友实际用48GB显存的RTX 4090部署测试了通义千问图像生成模型Qwen-Image 2.1，测试发现该模型非常容易触发NSFW（不适宜公开浏览）内容，仅用提示词“一个性感的美女”就能生成相关内容。

测试称模型整体表现不错，生成中文字体也不会出错。使用bf16精度加载权重后，模型常驻占用38GB显存，剩余可用显存仅为7到8GB。

不同尺寸图像的生成性能（bf16精度、固定随机种子42、40步生成）如下：
1328×1328尺寸图像生成用时39.1秒，显存峰值占用41.0GB；
1664×928尺寸中文海报生成用时33.9秒；
1024×1024尺寸图生图用时25.5秒；
开启分块生成（tiling）的2048×2048尺寸图像生成用时114.9秒，显存占用32.5GB。

生成速度约为每百万像素22到24秒，速度随像素量呈线性变化，可按生成图像面积估算用时。按每小时18元的算力成本计算，生成一张1328×1328尺寸的图像仅约0.2元。

测试提示，若不对2048×2048尺寸生成做优化，会出现显存不足（OOM）。问题出在VAE解码环节：256×256的隐空间一次性上采样到2048×2048×3，中间张量占用几十GB显存，和38GB的常驻权重叠加就会溢出。

开启分块生成可以解决这个问题；使用cpu_offload（CPU卸载）也能生成2048×2048尺寸图像，但生成速度会慢9%，生成1328×1028尺寸会额外增加9.1秒。测试认为CPU卸载更适合小显存显卡兜底，不适合作为常规配置。

本次测试的详细模型部署及调优指南可参考原文链接。