千问2.5-12B模型更新，实测显示其文生图与局部重绘能力均有提升，综合表现优于竞品ZImage。然而图生图功能因控制模型兼容问题暂不可用，以下为详细工作流解析。
智能速览
文生图建议使用6-8步采样，Beta调度器效果最佳。
人像细节比初代更优，综合能力超越ZImage。
局部重绘仅支持换装换色，无法进行复杂的改字操作。
图生图因控制模型不匹配，目前无法有效使用。
生成人像需在提示词中指定国籍以避免默认外国面孔。
精华内容
针对千问2.5-12B模型在实际工作流中的表现，从参数设置到功能局限性，以下是详细的测试结果与优化建议。
文生图参数优化
在文生图工作流中，使用FP8模型配合四步加速LoRA时，建议将采样步数设为6-8步，四步采样会导致画质明显下降。调度器选择Beta以替代Simple，因为Simple在开启LoRA时容易产生网格状伪影。该模型生成的人像细节充足，经过放大处理后皮肤质感自然，且图像饱和度略高。
综合能力对比
与ZImage模型相比，千问2.5-12B在人像生成方面略逊一筹，但在文字渲染及多种风格绘制的综合表现上更为出色。实测表明，该模型对提示词的响应良好。值得注意的是，若需生成特定人像，必须在提示词中明确指定国籍，否则系统倾向于生成外国面孔。
局部重绘局限
局部重绘功能兼容ControlNet impating模型，操作逻辑与ZImage相似，能够实现更改衣服颜色、添加眼镜或项链等基础修改。不过，该功能灵活性较差，无法像AIO或Editor模型那样处理修改文字等复杂任务，适用场景相对有限。
图生图暂不可用
图生图工作流目前存在严重的兼容性问题，新模型与现有的深度图控制模型不匹配。测试结果显示，生成的图像几乎完全忽略原图的结构约束，导致该功能现阶段基本没有实用价值，需等待后续适配的控制模型发布。
千问2.5-12B模型在文生图和局部重绘方面展现了不错的潜力，综合能力强劲，尤其是在文字和细节处理上。但图生图功能的缺失是一大遗憾，期待后续能有适配的控制模型来释放其全部实力。
