同一句提示词，两种审美：本地跑 Qwen-Image-2.1 与 Krea 2

同一句提示词、同一个种子、同一个输出尺寸，两台跑在自己 Mac 上的出图模型，交出了两套完全不同的审美。

本文速览

这个周末我把两个本地出图模型放在同一张桌子上比：Qwen-Image-2.1-Turbo（7B DiT + 8B 文本编码器）和 Krea 2 Anime v2.0（12.8B 单流 DiT + 4B 编码器）。用的是同一个 ComfyUI、同一组中国题材提示词、同一组固定种子、同样的 1024×1344、同样是 8 步。

结论很直接：默认参数下 Qwen 出的是「这人真的存在」的照片，Krea 的底子是动漫，不挂写实 LoRA 根本拍不了真人；挂上 real_3d 滑杆到 3.5，它才从「二次元帅哥」变成「像真人」。

一句话：Qwen 更真，Krea 更细。发丝、眼神光、光线的过渡，Krea 2 放大看明显更完成；Qwen 赢在皮肤和场景的「不完美」。

代价是速度：Qwen 平均 101 秒一张，Krea 178 秒一张，差 1.7 倍。12 张图、28 分钟、0 元，全程离线。

先把变量钉死

对比两个出图模型，唯一公平的做法是把变量钉死：同一句提示词、同一个种子、同一个 1024×1344。这个尺寸对两家都是主场——Krea 2 的原生档就是 1024 级，Qwen 2.1 的默认档是 1008×1344。

剩下的差异，才是模型本身的差异。

参数：各自调到能用

先说明口径：这不是裸模型对裸模型，而是「各自调到能用」。Qwen 开箱即用；Krea 必须挂上 3 个质量底座和 real_3d 写实滑杆，才进入同一条赛道。下表的耗时里，Krea 背着这 4 个 LoRA——但后面的 A/B 会看到，LoRA 本身几乎不增加耗时，1.7 倍主要来自 12.8B 的 DiT。

两家的体量差得不少：Qwen 是 7B 的 DiT + 8B 文本编码器，Krea 2 是 12.8B 的单流 DiT + 4B 编码器——这也是后面速度差 1.7 倍的主要原因之一。

两个细节值得记一下：

1. Qwen 的 8 步不能用普通 KSampler。 Turbo 的 sigma 表尾部很不均匀（…0.7045, 0.4146），换成通用调度器按 8 步均匀切，画质肉眼可见地掉。必须用 SamplerCustom + SigmasFromList 把官方那串值原样喂进去。
2. CFG 1 的时候负向提示词是废的。 CFG 1 意味着负向分支根本不参与计算，Krea 那边干脆接了个 ConditioningZeroOut，Qwen 的模板里 negative 也是空的。写一长串 negative 不会被读到——想要「不要什么」，只能把它写成正向描述的反面。

六个场景：谁更像照片，谁更像画册

提示词是同一份、英文写的（两个模型都吃英文更稳），种子一一对应。六个人物都是虚构的中国面孔，着装保守。

01 帅哥 · seed 6101

Qwen 那张像街拍：皮肤有毛孔和色差，发丝边缘是散的，背景的行道树和自行车带着自然的空气感。Krea 那张像品牌画册：五官更「标准」、皮肤更平，但牛仔衬衫的洗水质感和口袋走线反而更清楚。要真人感选 Qwen，要画册感选 Krea。

Editorial lifestyle photo of a handsome 23-year-old Chinese young man with short neat black hair, clean-shaven, warm brown eyes and a friendly confident half-smile. He wears a plain white crew-neck T-shirt under an unbuttoned light-blue denim shirt with dark chinos, standing relaxed on a sunny Shanghai side street with plane trees, parked bicycles and a small cafe behind him. Shot on an 85mm lens at f/1.8, soft late-afternoon sunlight, shallow depth of field, natural skin texture, warm neutral color grading, waist-up framing, photorealistic, high detail.

02 美女 · seed 6102

同一句「月洞门、竹林、锦鲤池、85mm f/2」，Qwen 给了一个侧身、眼神偏开的自然瞬间，逆光柔和耐看；Krea 直接把构图做成了海报——站姿更正、景深更浅、人脸更亮。前者真实，后者第一眼更抓人，看久了会觉得脸修过。

Portrait photo of a beautiful 22-year-old Chinese young woman with long straight black hair and a gentle natural smile, wearing a modest long-sleeved pale mint linen dress with a thin jade bracelet, standing in a classical Chinese garden beside a moon gate with bamboo and a koi pond. Soft dappled late-spring sunlight, 85mm lens at f/2, shallow depth of field, light natural makeup, three-quarter body framing, elegant and fresh, photorealistic, delicate skin detail, refined color grading.

03 儿童 · seed 6103

这一组两家都稳。Qwen 更像家长随手抓拍，雨衣的塑料反光和地面积水很自然；Krea 的衣服材质与褶皱更清楚，但脸圆了一圈，更「广告童模」。儿童题材上，Qwen 的自然感更讨喜。

Candid documentary photo of a cheerful 6-year-old Chinese child with a neat bowl haircut and rosy cheeks, wearing a bright yellow rain jacket and small green rubber boots, laughing while holding a red pinwheel and running through shallow puddles in a neighborhood playground after rain. Soft overcast light, 50mm lens at f/2.2, entire figure visible from head to toe, puddles reflecting the sky, joyful innocent mood, natural colors, photorealistic, sharp detail.

04 宠物 · seed 6104

Qwen 的毛发层次和景深过渡更真实，胡须有几根自然虚焦；Krea 把毛色推得更饱和、眼睛更亮、红外套和铜铃的对比更强，像宠物摄影棚里打了两盏灯。生活照选 Qwen，写真选 Krea。

Close portrait of a fluffy orange-and-white Chinese domestic cat sitting on the stone step of a Beijing hutong courtyard, round amber eyes, one white paw lifted, wearing a small red collar with a brass bell. Grey brick wall, potted green plants and a red paper lantern softly blurred behind. Golden-hour side light, 85mm lens at f/2, shallow depth of field, individual whiskers in sharp focus, adorable and alert, photorealistic, fine fur detail.

05 运动 · seed 6105

Qwen 的构图更松，动作对，但光线偏平、动态不够；Krea 的侧逆光、地板反光和运动模糊更有体育摄影的张力，代价是脸和手偶尔过度锐化。动作场景里，Krea 的戏剧性更强。

Dynamic action photo of a 22-year-old Chinese female college student with a high ponytail playing basketball, wearing a white and red jersey with knee-length shorts and white sneakers, dribbling past a defender with a focused expression, indoor gymnasium with polished wooden floor, blurred teammates and spectators behind. Fast shutter speed, 70-200mm lens at f/2.8, dramatic side lighting, motion energy, full body visible, healthy athletic mood, photorealistic, crisp detail.

06 卡通人物 · seed 6106

这一组 Krea 没挂写实 LoRA——它的动漫底子本来就是干这个的。两家都交出了皮克斯味的 3D 卡通小孩：Krea 的光照更暖、灯笼与街景层次更多，Qwen 更干净、更接近海报。卡通 / 二次元题材直接选 Krea。

Cute 3D animated cartoon character of a Chinese boy about 8 years old, big expressive dark eyes, round friendly face, short spiky black hair, wearing a red hoodie with a yellow lightning-bolt print, blue shorts and oversized white sneakers, jumping joyfully with a small yellow backpack on a bright stylized Chinese street with red lanterns, a noodle shop and blue sky. Pixar-style 3D animation render, soft global illumination, vibrant saturated colors, full body, clean composition, family-friendly, highly detailed.

一句话：Qwen 更真，Krea 更细

六组看下来，最稳的一条结论是：Qwen 更像「拍到的」，Krea 2 更像「做出来的」。

Qwen 的真实感来自不完美：毛孔、肤色不均、几根散掉的头发、背景里没被虚化干净的路人。Krea 2 正好相反——发丝是一组一组画清楚的，眼神光、侧逆光的过渡、衣料的褶皱都更「完成」，放大看细节明显更多；但也因为太完成，脸和光会带一点修图感。

所以这不是「谁画质更好」，而是两种细节观：Qwen 把细节用在「像真的」，Krea 把细节用在「好看」。

写实 LoRA：2.0 不够，3.5 才过线

Krea 的底子是 100 万张动漫图训出来的，你给它一句「85mm 人像」，它也会给你一张动漫脸。我做了同种子 A/B：

2.0 不够，3.5 才过线。再往上我没试——这类滑杆的刻度很大，超过某个点颜色和五官会开始崩。

代价几乎为零：挂了 LoRA 之后耗时和原生同档（160–192 s），瓶颈始终是 12.8B 的 DiT 本身，不是 LoRA。

速度账：差 1.7 倍，但都能接受

• Qwen 非常稳，96–104 秒，抖动只有 ±4%，适合批量。
• Krea 波动大一些（±10%），第一张还要额外背模型加载的时间。
• 两个模型共用同一个 ComfyUI，但内存装不下同时常驻，切换时会互相把对方挤出去——批量跑的时候一定一个跑完再跑另一个，别交替。

提示词：三条真正有用的经验

1. 用摄影师的语言，不用形容词堆砌。 「85mm、f/1.8、soft window light、shallow depth of field」这四样对画面的改变，比十个「beautiful、stunning、masterpiece」加起来都大。
2. 构图要明说。 想要全身就写「entire figure visible from head to toe」，否则默认给你半身。Krea 尤其吃这一套，它是按 dense caption 训的，一句话越具体越听话。
3. 同种子 = 可复现的 A/B。 同一个 seed + 同一句提示词，只改一个变量（尺寸、LoRA、步数），你才知道是什么在起作用。

什么时候用哪个

如果只留一个：做真人内容留 Qwen，做风格化内容留 Krea。两个都装，磁盘上差不多 60GB（Qwen：DiT 13G + 8B 编码器 16G；Krea：12.8B DiT 24G + 4B 编码器 8.3G），切换成本就是一次模型加载。

最后：选型是在选先验

把两个模型放在同一张桌子上，最有意思的不是谁赢，而是它们对同一句话的默认理解差多远。

Qwen 的默认答案是「这个人真的存在」；Krea 的默认答案是「这个人被画出来过」。写实 LoRA 能把后者往前推，但推不彻底——3.5 之后脸还是偏「作品」，不是偏「路人」。

所以本地出图走到今天，画质已经不是分水岭。真正的分水岭是：你愿意相信哪一种脸。要纪实，选 Qwen；要风格，选 Krea；两个都留着，是因为这两种相信都有人需要。

一点说明

所有人物均为虚构，着装保守（T 恤、长袖连衣裙、球衣、雨衣），无裸露、无色情暗示；儿童形象只出现在阳光、日常的场景里。对比图上带 @zhiwehu 水印，图片由本地 ComfyUI 生成，未使用任何云端 API。