El 20 de septiembre de 2026, el equipo de desarrollo de IA de Alibaba "Qwen (Tongyi Qianwen)" publicó la IA de generación de imágenes "Qwen-Image-2.1". Reúne en un solo modelo la función de crear imágenes a partir de texto y la de editar imágenes, y los pesos del modelo (los datos ya entrenados) se distribuyen en Hugging Face y ModelScope. Es un modelo de los llamados "de pesos abiertos", que se puede descargar y ejecutar en un entorno propio con GPU.
El anuncio en resumen
Una característica de Qwen-Image-2.1 es que la parte que crea las imágenes tiene un tamaño de 7.000 millones de parámetros (7B), relativamente contenido. El equipo Qwen lo describe como un modelo que equilibra la calidad de generación, la eficiencia del procesamiento y la amplitud de usos.
Junto con la publicación, desde el primer día ofrecieron compatibilidad la biblioteca de generación de imágenes "Diffusers", la herramienta "ComfyUI", que conecta mediante nodos las tareas de generación de imágenes, y los programas de inferencia para ejecutarlo a alta velocidad "vLLM-Omni", "SGLang" y "LightX2V". Se publicó con las herramientas complementarias ya listas, para poder integrarlo de inmediato en un entorno local o en servidores.
El equipo Qwen destaca estas cuatro mejoras principales:
- Una estructura ligera y eficiente que logra alta calidad de imagen con poco cálculo
- Generación de imágenes con fondo transparente, además de la generación y edición habituales, en un solo modelo
- Edición versátil con hasta 10 imágenes de referencia
- Mejor representación de texturas y texto, y de la iluminación en fotos de personas
Generación de imágenes transparentes y edición versátil
Lo más llamativo es que puede crear directamente, a partir de instrucciones de texto, imágenes con fondo transparente (imágenes RGBA, que además de la información de color tienen información de transparencia). Hasta ahora hacía falta un paso aparte para recortar el fondo después de crear la imagen, pero Qwen-Image-2.1 puede entregarlas con fondo transparente desde el principio. Esto ahorra trabajo, por ejemplo, al preparar pegatinas, iconos o recursos para imágenes de producto.
Según el equipo, el mismo modelo también permite editar elementos dentro de imágenes transparentes y recortar solo a las personas u objetos de una foto. En ComfyUI se han preparado plantillas (flujos de trabajo) para generar imágenes a partir de texto y para editarlas.
En la edición se pueden usar hasta 10 imágenes de referencia a la vez. El equipo Qwen muestra un ejemplo en el que crea una foto de grupo a partir de las fotos del rostro de 6 personas. Según el equipo, se puede editar manteniendo el aspecto de las personas o de los productos.
Cuando solo se quiere retocar una parte de la imagen, el área se puede indicar rodeándola con un círculo, marcándola con color o pasando una máscara preparada aparte (una imagen que indica el área que se va a editar).
Resolución y rendimiento
La resolución de salida es de 2048×2048 píxeles en formato cuadrado (1:1). Admite 7 relaciones de aspecto, de vertical a horizontal, y en 16:9 puede generar imágenes de 2752×1536 píxeles.
En cuanto al rendimiento, según DataNorth, una consultora de IA de los Países Bajos, Qwen-Image-2.1 obtuvo 60,28 puntos en "Qwen-Image-Bench", un sistema de evaluación creado por la propia Qwen. Supera ligeramente a Nano Banana 2.0 de Google (59,82 puntos), no alcanza a "Qwen Image 3 Pro" (62,36 puntos), un modelo superior de Qwen cuyos pesos no se han publicado, y queda a distancia del primero, "GPT Image 2.5 Sunburst" de OpenAI (67,01 puntos). Todas son evaluaciones de la propia Qwen, no verificaciones de terceros. Además, no se han indicado oficialmente referencias como el tiempo de generación o la cantidad de memoria de GPU necesaria.
Cómo ejecutarlo y licencia
Lo básico es cargarlo y usarlo desde Diffusers, y el código de ejemplo que muestra Qwen fija el proceso de creación de la imagen (los pasos) en 40 pasos. También se explica una forma de ejecutarlo trasladando parte del procesamiento a la CPU cuando falta memoria de GPU. En Hugging Face también hay una demo para probarlo.
Hay que prestar atención a la licencia. Qwen-Image-2.1 se distribuye con la "Qwen Research License", y su uso se limita a fines de investigación o evaluación. Para usarlo comercialmente hay que solicitarlo a Qwen y obtener aparte una licencia comercial. Como el primer Qwen-Image se publicó con la licencia Apache 2.0, que también permite el uso comercial, quienes hasta ahora usaban los modelos de imagen de Qwen en el trabajo deben tener en cuenta que las condiciones han cambiado.
Por cierto, el 9 de octubre el equipo Qwen publicó después los pesos de "Qwen-Image-2.1-Turbo", una versión rápida que crea imágenes en 8 pasos, y en "Model Studio" de Alibaba Cloud ya se pueden llamar por API las versiones Pro y Turbo de Qwen-Image-2.1.
El punto de vista de CoAI
La novedad de Qwen-Image-2.1 es que reúne, en un modelo de 7B que se puede ejecutar en local, la creación directa de imágenes con fondo transparente y la edición con varias imágenes de referencia. Puede resultar útil en tareas que exigen mucho recorte y composición, como la preparación de recursos de diseño o las imágenes de producto de tiendas online. Por otro lado, como la licencia ha pasado a ser de investigación, aunque probarlo es libre, no se puede usar tal cual en producciones de trabajo. Si se quiere usar comercialmente, habrá que plantearse un contrato individual con Qwen o el uso de la API de Model Studio. Las empresas chinas de IA siguen publicando modelos de pesos abiertos, y este es un ejemplo de que las condiciones de licencia deben comprobarse modelo por modelo.
