Qwen3.5 ComfyUI 工作流示例

Qwen3.5 是一个开源多模态大语言模型，来自阿里巴巴云，在 Qwen 3.0 系列的基础上增加了图像理解能力。它同时支持文本生成和基于图像的任务，如图像描述和反向提示词工程。

模型亮点：

• 多模态 — 接受文本和图像输入，用于视觉理解任务
• 图像描述 — 能够描述图像并生成详细说明
• 反向提示词工程 — 从参考图像中提取提示词和生成参数
• ComfyUI 原生支持 — 使用内置 TextGenerate 节点，无需自定义节点
• 轻量级 — 4B 参数模型，适合消费级 GPU

使用场景

Qwen3.5 在需要将视觉理解与文本生成结合的 ComfyUI 场景中表现出色：

• 图像反推提示词 — 将参考图像输入 Qwen3.5，让模型生成一份能够复现该图像的详细提示词。当你看到一张效果很好的图片但不知道它的 prompt 是怎样写的时，这个功能尤其有用。
• 提示词优化 — 加载现有提示词和图像构思，让 Qwen3.5 生成、细化或扩展更丰富的描述以获得更好的生成效果。
• 图像描述 — 自动为生成的图片生成标题、描述或元数据标签，适用于作品归档或训练数据准备。
• 视觉问答 — 询问关于图像内容的问题（"这张图里有什么物体？"、"背景是什么颜色？"），获得结构化的文本答案。
• 文字读取 — 使用合适的 prompt，模型可能会尝试读取图片中的可见文字或标签，但可靠性取决于文字渲染的质量和清晰度。

可用工作流

Qwen3.5: 文本生成

此工作流展示了 Qwen3.5 的文本生成和图像理解能力。接受文本提示词和可选图像输入，根据输入生成描述性文本或结构化分析。

输入：

• 文本提示词 — 你的问题、指令或任务描述
• 图像（可选） — 用于视觉理解任务（图像描述、反向提示词工程、提示词优化等）

关键控制参数：

• 最大长度 — 生成的最大 token 数（默认 256）
• 采样模式 — 开关采样，调节温度、top-k、top-p、重复惩罚和随机种子
• 使用默认模板 — 应用模型内置系统提示词

输出：

• 生成的文本 — 模型回复的纯文本字符串

模型下载

Qwen3.5 模型以文本编码器的形式加载到 ComfyUI 中。根据你的硬件选择合适的版本：

将下载的 .safetensors 文件放入：

📂 ComfyUI/
├── 📂 models/
│   └── 📂 text_encoders/
│       └── qwen3.5_4b_bf16.safetensors   # 或 2b / 9b 版本