Qwen-Image-2.1 Test: zehn Bilder aus zehn Welten
Vom Produktfoto bis zur Vektorgrafik: Wo das Modell konkurrenzlos ist und wo man die Nähte sieht - mit Bewertungstabelle und zehn Beispielen.
👁 116 Aufrufe
- Qwen-Image-2.1 ist am stärksten bei Produktfotografie, Architektur und Makroaufnahmen, am schwächsten bei flachen Vektorgrafiken und 3D-Renderings.
- Jedes der zehn Testbilder entstand in 40 bis 80 Sekunden auf einer RTX 4090, die gesamte Serie kostete etwa sieben Cents an Strom.
- Das Modell eignet sich als Ersatz für eine Bildbank bei Genre-Fotos und Texturen, nicht aber für Logos oder visuelle Identität.
Der Benchmark sagt, Qwen-Image-2.1 erreicht 60,28 Punkte. Das ist eine Zahl, aus der nichts folgt, solange Sie nicht sehen, was das Modell tatsächlich ausgibt. Wir haben zehn Bilder aus zehn verschiedenen Welten durch das Modell geschickt - vom Produktfoto bis zur Vektorgrafik - um zu sehen, wo es stark ist und wo man die Nähte sieht.
Fazit in einem Absatz
Am stärksten ist es in der Produktfotografie und Architektur, am schwächsten in Grafiken, die nach Handarbeit aussehen sollen. Produktfotos, Innenräume und Makroaufnahmen erreichen ein Niveau, das wir ohne Hinweis für echt halten würden. Vektorgrafik und 3D-Rendering sind korrekt, aber generisch - sie sehen aus wie Hunderte ähnliche. Jedes dieser Bilder entstand in 40-80 Sekunden und kostete einen Bruchteil eines Cents, die Einstiegshürde zum Testen des eigenen Anwendungsfalls liegt also nahe null.
Fotografie: hier ist das Modell am stärksten
Produktfoto: matter Keramik-Dripper, ein hartes Licht von rechts, tiefer Schatten auf Beton. Katalogniveau.
Das Produktfoto ist ein Test für Material und Licht zugleich. Matte Keramik darf nicht wie Glas glänzen, und der Schatten muss die richtige Kantenschärfe haben. Beide Bedingungen erfüllt - das ist ein Bild, das ohne Vorbehalte in eine Produktkarte passen würde.
Brutalistisches Treppenhaus mit einem Oberlicht, scharfes Nachmittagslicht, Weitwinkel, ohne Menschen.
Die Architektur fiel ebenso gut aus. Der Beton hat Textur statt flachem Grau, und das Licht vom Oberlicht fällt entsprechend der Geometrie des Raums - das bedeutet, das Modell hat das Licht nicht auf eine fertige Szene geklebt, sondern zusammen mit ihr konstruiert.
Makro: Tautropfen auf Grashalm bei Sonnenaufgang, geringe Schärfentiefe, kalte Unschärfe im Hintergrund.
Tatra im Nebel im Herbst: Schichten von Bergkämmen, die in Grau verschwimmen, gedämpfte Palette.
Die Landschaft mit Nebelschichten ist ein klassischer Test dafür, ob das Modell Tiefe versteht. Die Bergkämme verblassen graduell, nicht sprunghaft - genau so funktioniert Luftperspektive.
Regnerische Straßenbahnhaltestelle in der Dämmerung: Reflexionen auf nassem Asphalt, warme Schaufenster, dokumentarischer Charakter.
Pierogi auf abgesplittertem Emailleteller, mit Zwiebeln und einem Klecks Sauerrahm, Holztisch, weiches Tageslicht.
Das Essen besteht den Test, an dem viele Modelle scheitern: Die Pierogi sehen handgeformt aus, nicht aus einer Form gestanzt - jeder hat eine andere Form und eine andere Randfalte.
Grafik: korrekt, aber ohne Charakter
Flache Vektorgrafik: Fuchs, der ein Buch liest, drei Farben, dicke Konturen. Korrekt, aber ohne individuellen Charakter.
Die Vektorgrafik ist sauber, hält die Palette und hat gleichmäßige Konturen. Und das ist ihr größtes Problem: Sie sieht aus wie eine Stock-Illustration, die sich niemand merken wird. Das Modell reproduziert die Konvention, bringt aber nichts Eigenes ein.
Dieselbe Anmerkung gilt für das 3D-Rendering - technisch einwandfrei, visuell tausendmal gesehen.
3D-Rendering: weiche abgerundete Formen in pastellfarbenem Ton, subtile Schattierung, rosa Hintergrund.
Charakterdesign: älterer Fischer in Ölzeug, malerische digitale Illustration, neutraler Hintergrund.
Das Charakterdesign fiel besser aus als die flache Illustration - der malerische Ansatz gibt dem Modell mehr Raum für Details, und Details sind das, worin es gut ist.
Zerrissene Schichten von handgeschöpftem Papier in Ocker und Olive, Draufsicht, füllt den Rahmen.
Texturen sind ein Anwendungsfall, der leicht übersehen wird, aber sehr praktisch ist: Hintergründe, Unterlagen für Überschriften, Füllungen. Hier ist das Modell konkurrenzlos gegenüber Bildbanken, weil es genau die Palette generiert, die Sie brauchen.
Wo verläuft die Grenze
| Anwendung | Bewertung | Anmerkung |
|---|---|---|
| Produktfoto | sehr gut | Material und Schatten korrekt |
| Architektur und Innenräume | sehr gut | Licht konsistent mit Geometrie |
| Makro und Landschaft | sehr gut | Korrekte Tiefe und Unschärfe |
| Texturen und Hintergründe | sehr gut | Palette nach Wunsch |
| Straßenfotografie | gut | Stimmung ja, Hintergrunddetails schwächer |
| Charakterdesign | gut | Malerisch besser als flach |
| Vektorgrafik | durchschnittlich | Korrekt, aber generisch |
| 3D-Rendering | durchschnittlich | Wie oben |
| Kleiner Text in Grafiken | schwach | Separat beschrieben |
Drei praktische Schlussfolgerungen
- Für Fotografie ja, für visuelle Identität nein. Das Modell ersetzt eine Bildbank, nicht einen Grafiker, der ein Logo entwirft.
- Je mehr Physik in der Szene, desto besser. Licht, Material, Tiefe und Textur sind seine Stärken. Abstraktion und Vereinfachung - schwächer.
- Testen Sie Ihren eigenen Anwendungsfall, nicht den anderer. Zehn Bilder sind eine Viertelstunde und ein Bruchteil eines Cents an Strom. Das ist günstiger als zu lesen, wie es bei jemand anderem funktioniert hat.
Wie Sie es bei sich aufsetzen, haben wir in der Schritt-für-Schritt-Anleitung beschrieben, und was es real kostet - in einer separaten Berechnung. Das Ganze haben wir im Leitfaden zusammengefasst.
Häufig gestellte Fragen
Worin ist Qwen-Image-2.1 am besten?
In Produktfotografie, Architektur, Makro und Texturen - überall dort, wo Licht und Material zählen.
Eignet es sich für Illustrationen?
Für malerische und konzeptionelle ja. Flache Vektorgrafik kommt korrekt, aber generisch heraus.
Ersetzt es eine Bildbank?
Für Genre-Fotos, Hintergründe und Texturen - in unserem Test ja. Für Logos und visuelle Identität - nein.
Wie lange dauert ein Bild?
Von 40 bis 80 Sekunden auf einer RTX 4090 in der int8-Variante, abhängig von Auflösung und Kartenauslastung.
Was kostet so eine Serie?
Zehn Bilder sind etwa sieben Cents an Strom. Die Rechnung zerlegen wir in einem separaten Text.
Quellen und Prüfdatum
Alle zehn Bilder haben wir selbst generiert am 22. September 2026 lokal auf einer RTX 4090, mit dem Modell Qwen-Image-2.1 in der int8-Variante über ComfyUI: 25 Schritte, Euler, cfg 1.0, ein Seed für die gesamte Serie, ein Versuch pro Thema, ohne Retusche und ohne Auswahl des besten aus mehreren Versuchen. Die Bewertungen in der Tabelle sind unsere und subjektiv - das ist das Ergebnis eines Durchlaufs, keine Messung. Das Ergebnis von 60,28 Punkten stammt aus dem vom Hersteller veröffentlichten Ranking.
Häufig gestellte Fragen
Worin ist Qwen-Image-2.1 besonders gut?
Das Modell liefert die besten Ergebnisse bei Produktfotografie, Architektur, Makro und Texturen - überall dort, wo Licht, Material und Tiefe eine Rolle spielen. Produktfotos und Innenräume erreichen laut Test ein Niveau, das ohne Hinweis für echt gehalten würde.
Wie lange dauert die Generierung eines Bildes mit Qwen-Image-2.1?
Ein Bild dauert zwischen 40 und 80 Sekunden, abhängig von Auflösung und Kartenauslastung. Die Tests wurden lokal auf einer RTX 4090 in der int8-Variante über ComfyUI mit 25 Schritten durchgeführt.
Kann Qwen-Image-2.1 eine Bildbank ersetzen?
Für Genre-Fotos, Hintergründe und Texturen - ja, laut Test schon. Für Logos und visuelle Identität ist das Modell dagegen nicht geeignet, weil es dort Konventionen reproduziert, ohne eigenen Charakter einzubringen.
Wie gut ist Qwen-Image-2.1 bei Vektorgrafiken und Illustrationen?
Flache Vektorgrafiken kommen korrekt heraus, sehen aber generisch aus wie eine Stock-Illustration. Malerische digitale Illustrationen fallen besser aus, weil der Ansatz dem Modell mehr Raum für Details lässt.
More on this from WISSNOX
benchmarks·Qwen-Image-2.1: Modefotografie in zwölf Stilen getestet35-mm-Film, Mittelformat, Polaroid, 90er-Flash, High Key und Low Key. Eine Basisbeschreibung, nur die Technik variiert - zwölf unterschiedliche Bilder.