阿里云通义团队开源的多模态大模型系列，能同时理解图像和文本，用于视觉问答、图文推理等视觉语言任务。
本地跑和训练大模型、扩散模型的图形界面，支持 GGUF、MLX 及 Qwen、DeepSeek、Gemma、FLUX 等主流模型，省去命令行配置的麻烦。
基于 PyTorch 的扩散模型工具箱，统一加载和训练 Stable Diffusion、FLUX 等模型，做图像、视频、音频生成。
高性能大模型与多模态模型推理服务框架，通过优化注意力机制和调度策略提升吞吐与延迟表现，支持 Llama、DeepSeek、MoE 等主流模型部署。
面向 Stable Diffusion 的专业图像生成引擎，提供行业领先的 WebUI，支持文生图、图生图、局部重绘和扩图，适合创作者与商业产品集成。
一套可直接在 Colab 跑的计算机视觉教程合集，覆盖 ResNet 到 RF-DETR、YOLO11、SAM 3、Qwen3-VL 等模型，帮你快速上手训练、微调与推理。
可自托管的个人 AI 第二大脑，能从网页和本地文档中检索答案，支持自定义智能体、定时自动化和深度研究，兼容多种在线或本地大模型。
一套统一接口搞定 100+ 大语言模型和多模态模型的微调，支持 LoRA 等高效训练方式，省去为每个模型单独写训练脚本的麻烦。
基于 ComfyUI 的全自动短视频生成引擎，串联文生图、语音合成与视频生成，一条流水线把创意直接做成短视频。
自托管的多模型 AI 图像与视频生成工作台，聚合 Flux、Midjourney、Kling、Sora 等 600+ 模型，无内容过滤，可替代闭源视频平台。
开源企业级智能体平台，可快速搭建基于知识库的问答助手和 Agent，支持接入 DeepSeek、Llama 等大模型与 MCP 工具。
开源多模态大模型家族，视觉语言能力接近 GPT-4o，支持图像分类、图文检索、语义分割和视频理解等任务。
把网页直接当像素图像来检索的 RAG 引擎，跳过 HTML 解析，靠视觉语言模型做原生搜索，适合构建多模态 Agent 的长期记忆。
面向 RAG 的文档索引方案，不依赖向量数据库，用推理方式定位和检索文档内容，适合构建 Agent 式检索流程。
…ed - FLUX.2 draws your pictures. Much faster than Qwen-Image, and Apache-2.0, so the pictures are yours for any use. It's the default once installed; Qwen-Image stays as
…nd DiffusionNFT. - Models : Stable Diffusion 3.5, Qwen-Image, FLUX.2-Klein, WAN 2.1, WAN 2.2, HunyuanVideo 1.0 / 1.5, HunyuanImage 3.0, BAGEL, Qwen3, Qwen2.5-VL, and the
[!TIP] This release brings Qwen-Image 2.1 to Diffusers, with text-to-image generation, image editing, native transparency, and LoRA training. Starting with this release,
…xperiment log: https://huggingface.co/SimpleTuner/Qwen-Image-2.1-LoRA-experiments - Caption-driven online assistant LoRA training method - Shard-first aspect bucketing fo
…EDM, EDM2, DiT, Stable Diffusion 1.5, SDXL, Flux, Qwen-Image, WAN, CogVideoX, and Cosmos Predict2. Image and video workflows Support for T2I, T2V, I2V, V2V, and autoregre
What's Changed fix: fix the ControlNet of Qwen-Image by @wallen0322 in https://github.com/nunchaku-tech/ComfyUI-nunchaku/pull/537 fix: changed device arg to meta for T5XX