Diffusers v0.41.0 发布：接入 Qwen-Image 2.1，并改用围绕新模型的发版节奏

Hugging Face 的扩散模型库 Diffusers 于 2026 年 10 月 6 日发布 v0.41.0，主线是把 Qwen-Image 2.1 接入 Diffusers，支持文生图、图像编辑、原生透明通道与 LoRA 训练。官方同时宣布改用与 Transformers 一致的发版策略：次版本围绕新模型集成组织，补丁版本只做修复。

这次发布的是什么

Hugging Face 的扩散模型库 Diffusers 于 2026 年 10 月 6 日在官方 GitHub 仓库发布 v0.41.0。据官方 release 说明，这一版的核心是接入 Qwen-Image 2.1 —— 一个把图像生成与图像编辑合并在同一模型里的模型，其视觉生成部分为 70 亿参数，支持多张参考图与原生 RGBA 输出（即直接产出带透明通道的图像），并支持 LoRA 训练。除新模型外，这一版还包括张量并行下的分片权重加载、LTX-2.5 的 DFR 流水线、Cosmos 3 的缓存与 FP8 去噪、模块化 Diffusers 的若干改进，以及 ONNX 支持的废弃。官方同时宣布从这一版起调整发版策略。

可用性与限制

• 安装渠道：通过 PyPI 与官方 GitHub 仓库发布，请通过官方渠道获取，避免安装被篡改的版本。
• 破坏性变更：官方标注 ONNX 支持已废弃，建议改用 Optimum；此前已废弃的若干流水线别名被移除，老代码升级前需核对。
• 模型权重：Qwen-Image 2.1 的权重需单独获取，具体许可与下载方式以模型仓库说明为准。
• 硬件前提：涉及 FP8、张量并行与显存优化的部分依赖具体 GPU 与依赖版本，收益以你的环境实测为准。
• 升级建议：作为 minor 版本，建议在虚拟环境里先跑一轮回归，再更新生产依赖。

主要功能

• 接入 Qwen-Image 2.1：文生图、图像编辑、多参考图输入、原生 RGBA 透明输出与 LoRA 训练。
• 张量并行下的检查点加载：每个 rank 直接读取自己那一份分片权重，降低加载期显存占用。
• LTX-2.5 DFR 流水线：支持关键帧槽位，以及可组合的空间与时间精修。
• Cosmos 3：支持 SeaCache，并为 ModelOpt FP8 检查点提供混合精度的去噪路径。
• 单文件加载器扩展到 Krea 2 与 MiniMax-H3。
• 模块化 Diffusers：Wan 2.2 VACE 获得模块化块结构，从本地路径加载时避免重复下载权重。

技术原理

据官方说明，从 v0.41.0 起 Diffusers 采用与 Transformers 相同的发版哲学：次版本（minor）围绕新模型集成来组织，同时带上自上一版以来合入的其他改动；补丁版本（patch）只聚焦修复。这一版的主线模型 Qwen-Image 2.1 把生成与编辑合为一体，意味着同一套权重既能从文字出图，也能在给定参考图的基础上做改动；原生 RGBA 输出则把透明通道直接做进生成结果，省掉额外的抠图步骤。工程侧，张量并行加载让每个 rank 各自读取分片权重，避免加载阶段在单卡上聚合完整权重造成的显存峰值；Cosmos 3 的 SeaCache 与混合精度去噪面向的是视频生成里的重复计算与量化推理。具体收益与限制以官方 release 说明与文档为准。

实际体验

可复现的验证步骤：在独立虚拟环境中把 Diffusers 升级到 v0.41.0，先跑一遍既有流水线确认无回归；再按官方 Qwen-Image 2.1 文档拉起一条文生图流水线，观察出图与显存占用，然后叠加一张参考图试图像编辑，并检查输出是否带可用的透明通道。若你原本依赖 ONNX 路径，先在测试环境验证 Optimum 的替代方案再切生产。涉及 FP8 与张量并行的部分建议在多卡环境单独压测。

项目地址与获取方式

开源仓库与发布说明均在 GitHub 的 huggingface/diffusers：https://github.com/huggingface/diffusers/releases/tag/v0.41.0 。安装包通过 PyPI 发布，Qwen-Image 2.1 的权重按其模型仓库说明获取。请通过官方渠道获取，避免安装被篡改的版本。

适合谁用

• 用 Python 自建图像生成与编辑流水线的开发者，尤其是需要透明通道输出的场景。
• 想在自有数据上做 LoRA 微调、又希望沿用官方流水线接口的团队。
• 做视频扩散模型推理优化、关注显存占用与量化的工程团队。
• 什么人不必用：只用现成生图应用、不写代码的创作者，这一版与你的日常使用基本无关。

常见问题

v0.41.0 一定要升级吗？

取决于你是否用得到 Qwen-Image 2.1 或其中的推理优化。若现有流水线稳定且不涉及 ONNX 路径，可以择机升级；但官方已废弃 ONNX 支持并移除了部分旧别名，依赖这些路径的项目应尽早安排迁移。

ONNX 被废弃后该用什么？

官方在 release 说明中建议改用 Optimum 走 ONNX Runtime 工作流。迁移成本取决于你当前用到的算子与导出方式，建议先在测试环境验证。

Qwen-Image 2.1 能做什么别的模型做不了的事？

官方说明强调了两点：把图像生成与图像编辑合并在同一个模型里，以及原生 RGBA 输出（直接产出带透明通道的图像）。此外它支持多张参考图输入与 LoRA 训练。

这一版有没有性能上的改进？

官方提到了张量并行下分片权重的直接加载以降低加载期显存、Cosmos 3 的 SeaCache 与 FP8 混合精度去噪、以及模块化加载时避免重复下载权重等。实际收益以你的硬件与模型为准。

相关工具与内容

• AI 绘画分类：本站图像生成方向的入口。
• ComfyUI：把扩散模型流水线可视化编排的本地工具。
• 通义万相：阿里的图像与视频生成工具。
• LiblibAI：偏模型与工作流分享的创作社区。
• AI 编程分类：面向开发者的 AI 工具入口。