Qwen-ImageとCrea（Flux1 Dev）：2つのオープンな画像モデルを比較

自分のハードウェアで画像を生成したいなら、モデルの選択によって、どれだけのGPUが必要か、結果を使って何をしてよいかが決まります。ここでは2つのオープンなテキストから画像を生成するモデルを比べます。

モデル	開発元	ライセンス	規模
Qwen-Image	Alibaba	Apache 2.0	高いVRAM、複数の精度
Crea（Flux1 Dev）	Black Forest Labs	独自（一部の用途では非商用）	効率的、少ないVRAM

ここで報告する比較では、両方をComfyUIで同じ指示のセットで動かし、指示への忠実さ、画質、他の言語の扱い、リアルさで評価しました。

主な違い

機能	Qwen-Image	Crea（Flux1 Dev）
指示への忠実さ	高い。特に構造化した指示で	高い。ややリアル
リアルさ	やや人工的な画風	より写真的で自然
速度	1枚あたり約4〜5分（フル精度）	1枚あたり約30〜40秒
VRAMの使用量	80GB以上（フル精度）	約34GB
言語	中国語に強く、英語は弱い	英語中心
画像内の文字	中国語の文字が非常に得意	許容範囲だが、強みではない
編集	発表済みだが、まだ使えない	なし
向いている用途	文字の多い指示、中国風のアート	写実性、西洋的な美観

指示ごとの結果

指示	結果
トランポリンのあるまだらな芝生	Qwen-Imageのほうが場面の細部を多く保った
コンベンションでのアニメのコスプレ	Creaの画像のほうが自然に見えた
伝統的な中国の水墨画	Qwenは失敗し、Creaは成功した
絵の具が滴る蓮	どちらも良かったが、Creaのほうが鮮やかだった
中国語の文字の描画	Qwen-Imageが明らかに優れていた
複合的な指示（文化的な細部、コード、リアルさ）	西洋的な視覚の文脈ではCreaが強かった

意外だったのは水墨画の結果です。中国のモデルが、中国の芸術の指示で負けました。

ComfyUIで両方を準備する

必要なもの

• OS：Linux（Ubuntuを推奨）、macOS、またはWSL2を使ったWindows
• VRAM：
  • Qwen-Image：48GB以上（フル精度なら80GBが望ましい）
  • Crea：24〜34GB（RTX 3090や4090で動きます）
• ComfyUI：必須

ComfyUIをインストールする

git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
python main.py

Pythonの依存関係がまだなければ、先にrequirements.txtからインストールしてください。

モデルを追加する

Qwen-Image：

1. Hugging Faceからモデルをダウンロードします。
2. 重みをComfyUI/models/checkpoints/qwen_image/に置きます。

Crea（Flux1 Dev）：

1. https://huggingface.co/BlackForestAI/crea-flux1-dev からダウンロードします。
2. ComfyUIのチェックポイントのフォルダに置きます。

既製のワークフローを読み込む

既製の.jsonのワークフローは、元の作者のリポジトリや動画の解説で共有されています。ComfyUIで1つ読み込み、ドロップダウンからモデルを選んで実行します。

どちらを選ぶか

用途	適したモデル
写実性	Crea（Flux1 Dev）
中国風のアートと文字	Qwen-Image
速度と効率	Crea
詳しく表現豊かな指示	Qwen-Image
商用利用	Qwen-Image（Apache 2.0）

注意点：Qwen-Imageの品質には多くのハードウェアが必要です。フル精度では80GBのVRAMと1枚あたり数分を要し、Creaは24GBのゲーミング用カードに収まって1分未満で仕上がります。

結論：Creaは、1枚のカードで速く写真的な画像を作るための日常的なモデルです。Qwen-Imageが真価を発揮するのは、指示が細部に富む場合、画像に中国語の文字が必要な場合、またはライセンスが商用の仕事を認める必要がある場合です。