概览
- 工具名称：Qwen-Image 2.1
- 开发商：阿里巴巴通义千问（Qwen）团队
- 官方发布：https://qwen.ai/blog?id=qwen-image-2.1
- 权重：GitHub / Hugging Face / ModelScope（Qwen/Qwen-Image-2.1）
- 分类：AI 图像模型
- 许可证：Qwen Research License Agreement（仅限非商业用途）
- 发布日期：2026 年 9 月 20 日
Qwen-Image 2.1 把文生图与图像编辑整合进同一个模型，视觉生成部分只有 7B 参数（32 层 Single-Stream DiT），配 Qwen3-VL 8B 文本编码器与 64 通道 RGBA 自编码器。官方主打四件事：小模强效、原生透明、全能编辑、真实质感。
四项核心能力
1）原生 RGBA 透明，创改一体
这是本次最大看点。模型可根据提示词自动决定输出普通图还是带透明通道的图，也能直接编辑透明图层，还能从普通照片里把主体抽成 RGBA 图层——等于把「出图」变成「出可拆解、可重组的图层素材」。相比 2025 年 12 月的独立模型 Qwen-Image-Layered，这次是整合进统一模型。
2）最多 10 张参考图
六张人像合成一张合影、五件单品拼成一整套穿搭、十张家具图生成完整室内方案。官方示例中还包含虚拟试穿。
3）局部编辑三种选区
圆圈标注（可同时标多个区域）、涂鸦涂抹、或「原图 + 独立 mask」双输入。最后一种能保留完整原图不被标注遮挡。连续局部编辑还能串成分镜/小动画。
4）保真与排版
人像身份与商品特征（文字、纹理、形状）在编辑中保持一致；文字排版、人像光影与细节质感均有提升。任务覆盖全景图、信息图、故事板。
规格
- 参数：视觉生成 7B（32 层 Single-Stream DiT），BF16
- 分辨率：默认 1:1 为 2048×2048，支持 7 种宽高比，最大单边 2752（16:9 为 2752×1536），约 4.2MP
- 推理效率：混合粒度注意力（文本 token 级因果掩码 + 图像 chunk 级掩码）+ 前缀 KV Cache 复用；官方称 2K 双图编辑 1.59 秒、10 图编辑 6.31 秒（未公布硬件配置）
- 依赖：torch ≥ 2.4.0、transformers ≥ 5.17、GitHub 源码版 diffusers、accelerate、pillow；官方示例 40 步推理
- 显存：显存不足可用 `pipe.enable_model_cpu_offload()`；生态侧另有 FP8 量化、CUDA Graph、张量并行等优化
- 生态：Diffusers（QwenImage21Pipeline）、ComfyUI、vLLM-Omni、SGLang、LightX2V；支持 AMD ROCm 与 FlagOS
评测（Qwen 自有榜单，需谨慎解读）
Qwen-Image-Bench 上 60.28 分，高于 Nano Banana 2.0（59.82）与所有列出的开放权重模型（FLUX 2 Max 32B 为 55.33），低于 6 个闭源模型，榜首为 GPT Image 2.5 Sunburst（67.01）。
注意：出题方与阅卷方都是 Qwen，属厂商自评；与榜首相差约 6.7 分，与第 8 名仅差 0.46 分。截至发布日无第三方复现。
授权：这一步最容易踩坑
Qwen-Image 2.1 的权重采用 Qwen Research License Agreement —— 仅限非商业用途，商用需与 Qwen 另行签约。
这与前代形成反差：Qwen-Image 1.0（2025 年 8 月，20B）用的是 Apache 2.0，可自由商用。也就是说，从 Qwen-Image 1.0 迁移到 2.1 的项目不能默认继承商用权利，需要重新确认授权。
另外，Hugging Face 上该模型目前没有任何 Inference Provider 托管，且官方未见同名的付费 API，只能自部署或通过第三方平台调用。
适用场景
- 设计与素材生产：贴纸、logo、抠图元素等需要透明通道的资产
- 电商：商品图换背景、多单品组合、虚拟试穿
- 室内与空间方案：10 张家具参考生成完整布置
- 研究与本地部署：7B 规模可在单卡跑，权重可下载做架构与推理研究
- 分镜与故事板：三视图角色参考展开为完整分镜
局限
- 不能商用：研究许可，这是硬性约束
- 官方评测为自有榜单，缺乏第三方复现
- 无官方托管 API，需自行部署与优化
- 头发边缘、半透明玻璃、烟雾等去背难题仍需逐张检查
常见问题
Qwen-Image 2.1 能商用吗？
不能。权重采用 Qwen Research License Agreement，仅限非商业用途；商用需与 Qwen 另行签署协议。前代 Qwen-Image 1.0 是 Apache 2.0，两者授权不同，不要想当然继承。
参数多少？分辨率最高多少？
视觉生成部分 7B 参数（32 层 Single-Stream DiT）。默认 2048×2048，支持 7 种宽高比，最大单边 2752。
原生透明是什么意思？
模型可直接生成带 alpha 通道的 RGBA 图，可编辑透明图层，也能把照片里的主体抽成透明图层复用——不需要先跑一遍抠图模型。
最多几张参考图？
10 张。局部编辑可用圆圈、涂鸦标注或独立 mask 指定区域。
和 FLUX 3、SD4 怎么选？
要透明通道 + 多参考合成 + 小模型本地跑，选 Qwen-Image 2.1（非商用）；要商用 + 8GB 单卡 + 精细布局控制选 FLUX 3 Klein；要商用 + 4096² 原生分辨率选 SD4 Ultra。
*本页与阿里巴巴通义千问无隶属关系。规格与授权核验至 2026 年 10 月（qwen.ai 官方博客与 Hugging Face 模型卡），请以官方许可文件为准。*
