Saltar al contenido principal
Asegúrate de que tu ComfyUI esté actualizado.Los flujos de trabajo de esta guía se encuentran en las Plantillas de flujos de trabajo. Si no los encuentras en las plantillas, es posible que tu ComfyUI esté desactualizado.Si faltan nodos al cargar un flujo de trabajo, estas son las posibles razones:
  1. No estás usando la última versión de ComfyUI (versión nocturna)
  2. Algunos nodos fallaron al importarse durante el inicio
Qwen3.5 es un LLM multimodal de código abierto de Alibaba Cloud, que se basa en la serie Qwen 3.0 y añade capacidades de comprensión de imágenes. Admite tanto la generación de texto como tareas basadas en imágenes, como la descripción de imágenes y la ingeniería inversa de prompts. Aspectos destacados del modelo:
  • Multimodal: acepta entradas de texto e imagen para tareas de comprensión visual
  • Descripción de imágenes: puede describir imágenes y generar descripciones detalladas
  • Ingeniería inversa de prompts: extrae prompts y parámetros de generación a partir de imágenes de referencia
  • Nativo en ComfyUI: funciona con el nodo integrado TextGenerate, sin necesidad de nodos personalizados
  • Ligero: modelo de 4B de parámetros, adecuado para GPUs de consumo

Casos de uso

Qwen3.5 destaca en escenarios donde combinar la comprensión visual con la generación de texto aporta valor a un flujo de trabajo de ComfyUI:
  • Ingeniería inversa de prompts a partir de una imagen: dale una imagen de referencia a Qwen3.5 y pídele que genere un prompt de texto detallado que pueda reproducir esa imagen. Resulta especialmente útil cuando encuentras una gran imagen pero no sabes con qué prompt se generó.
  • Optimización de prompts: carga un prompt existente y un concepto de imagen, y luego pide a Qwen3.5 que genere, refine o expanda prompts con mayor detalle para obtener mejores resultados de generación.
  • Generación de descripciones de imágenes: genera automáticamente leyendas, descripciones o etiquetas de metadatos para las imágenes generadas, lo que resulta útil para catalogar o preparar datos de entrenamiento.
  • Respuesta a preguntas sobre imágenes: haz preguntas acerca del contenido de la imagen (“¿Qué objetos hay en esta escena?”, “¿De qué color es el fondo?”) y obtén respuestas de texto estructuradas.
  • Lectura de texto: con un prompt adecuado, el modelo puede intentar leer el texto visible o las etiquetas de las imágenes, aunque la fiabilidad depende de la calidad y la claridad del texto renderizado.

Flujo de trabajo disponible

Qwen3.5: Text Generation

Usa el modelo Qwen3.5 para analizar una imagen de entrada y generar prompts descriptivos de texto. Este flujo de trabajo realiza descripción de imágenes e ingeniería inversa de prompts. Vista previa del flujo de trabajo de generación de texto con Qwen3.5

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “Qwen3.5: Text Generation” en la biblioteca de plantillas
Materiales de entrada Sube este archivo al nodo LoadImage correspondiente:

man_with_red_hat.png

Nodo LoadImage 2 · man_with_red_hat.png
Imagen de entrada
Este flujo de trabajo demuestra las capacidades de generación de texto y comprensión de imágenes de Qwen3.5. Acepta un prompt de texto y una imagen opcional, y genera texto descriptivo o análisis estructurado a partir de la entrada. Entradas:
  • Prompt de texto: tu pregunta, instrucción o descripción de la tarea
  • Imagen (opcional): para tareas de comprensión visual (descripción de imágenes, ingeniería inversa de prompts, optimización de prompts, etc.)
Controles clave:
  • Max length: número máximo de tokens a generar (256 por defecto)
  • Sampling mode: activa o desactiva el muestreo y ajusta temperature, top-k, top-p, repetition penalty y semilla
  • Use default template: aplica el prompt de sistema integrado del modelo
Salida:
  • Texto generado: la respuesta del modelo como una cadena de texto plano

Acerca de Subgraph

Este flujo de trabajo usa nodos Subgraph para un procesamiento modular. Consulta la documentación de Subgraph para saber cómo personalizar y ampliar el flujo de trabajo.

Descarga del modelo

Los modelos Qwen3.5 se cargan como text encoders en ComfyUI. Elige la variante que mejor se adapte a tu hardware:

Qwen3.5 2B (bf16)

Ligero, ~4.5 GB. Ideal para configuraciones con poca VRAM y descargas rápidas.

Qwen3.5 4B (bf16)

Tamaño y calidad equilibrados. RECOMENDADO para la mayoría de las GPU de consumo.

Qwen3.5 9B (bf16)

La variante más grande, ~19 GB. Mayor calidad de salida, requiere más VRAM.
Coloca el archivo .safetensors descargado en: