Le 20 septembre 2026, l'équipe de développement d'IA d'Alibaba « Qwen (Tongyi Qianwen) » a publié l'IA de génération d'images « Qwen-Image-2.1 ». Elle réunit dans un seul modèle la création d'images à partir de texte et la retouche d'images, et les poids du modèle (les données issues de l'entraînement) sont distribués sur Hugging Face et ModelScope. Il s'agit d'un modèle dit « à poids ouverts », que l'on peut télécharger et faire tourner dans son propre environnement équipé d'un GPU.
L'annonce en bref
Qwen-Image-2.1 se distingue par la taille relativement contenue de la partie qui crée les images : 7 milliards de paramètres (7B). L'équipe Qwen le présente comme un modèle qui équilibre qualité de génération, efficacité du traitement et polyvalence.
Dès le jour de la publication, le modèle était pris en charge par la bibliothèque de génération d'images « Diffusers », par « ComfyUI », un outil qui relie les étapes de génération d'images sous forme de nœuds, et par les logiciels d'inférence rapide « vLLM-Omni », « SGLang » et « LightX2V ». Il a été publié avec tout l'écosystème d'outils prêt, pour pouvoir l'intégrer immédiatement dans un environnement local ou sur des serveurs.
L'équipe Qwen met en avant ces quatre améliorations principales :
- Une architecture légère et efficace, qui offre une haute qualité d'image avec peu de calcul
- La génération d'images à fond transparent et la génération ou la retouche classiques dans un seul modèle
- Une retouche polyvalente avec jusqu'à 10 images de référence
- Un meilleur rendu des textures et du texte, ainsi que de la lumière sur les photos de personnes
Génération d'images transparentes et retouche polyvalente
Le point le plus marquant est la possibilité de créer directement, à partir d'une consigne textuelle, des images à fond transparent (images RGBA, qui contiennent une information de transparence en plus de la couleur). Jusqu'ici, il fallait détourer le fond dans une étape séparée après avoir créé l'image, mais Qwen-Image-2.1 peut produire d'emblée un fond transparent. Cela réduit le travail pour créer des autocollants, des icônes ou des éléments d'images produit, par exemple.
Selon l'équipe, le même modèle permet aussi de retoucher des éléments à l'intérieur d'une image transparente ou de n'extraire d'une photo que les personnes ou les objets. Dans ComfyUI, des modèles prêts à l'emploi (workflows) ont été proposés pour la génération d'images à partir de texte et pour la retouche d'images.
Pour la retouche, il est possible d'utiliser jusqu'à 10 images de référence simultanément. L'équipe Qwen montre un exemple de création d'une photo de groupe à partir des portraits de 6 personnes. Elle affirme que l'on peut retoucher en conservant l'apparence des personnes ou des produits.
Pour ne retoucher qu'une partie de l'image, on peut désigner la zone en l'entourant d'un cercle, en la coloriant ou en fournissant un masque préparé à part (une image qui indique la zone à retoucher).
Résolution et performances
La résolution de sortie est de 2048×2048 pixels au format carré (1:1). Le modèle prend en charge 7 formats, du portrait au paysage, et peut produire du 2752×1536 pixels en 16:9.
Côté performances, selon DataNorth, un cabinet de conseil en IA néerlandais, Qwen-Image-2.1 a obtenu 60,28 points sur « Qwen-Image-Bench », un système d'évaluation conçu par Qwen. Il devance de peu Nano Banana 2.0 de Google (59,82 points), reste en deçà de « Qwen Image 3 Pro » (62,36 points), un modèle haut de gamme de Qwen dont les poids ne sont pas publiés, et accuse un écart avec le premier, « GPT Image 2.5 Sunburst » d'OpenAI (67,01 points). Il s'agit dans tous les cas d'évaluations de Qwen elle-même, et non de vérifications par des tiers. Par ailleurs, aucune indication officielle n'a été donnée sur le temps de génération ou la quantité de mémoire GPU nécessaire.
Comment le faire tourner et licence
Le modèle se charge et s'utilise en principe via Diffusers, et le code d'exemple fourni par Qwen fixe le processus de création de l'image (les étapes) à 40 étapes. Une méthode est aussi indiquée pour déporter une partie du traitement vers le CPU lorsque la mémoire GPU est insuffisante. Une démo d'essai est également disponible sur Hugging Face.
C'est la licence qui demande de l'attention. Qwen-Image-2.1 est distribué sous la « Qwen Research License », et son usage est limité à des fins de recherche ou d'évaluation. Pour un usage commercial, il faut en faire la demande à Qwen et obtenir une licence commerciale distincte. Comme le premier Qwen-Image avait été publié sous licence Apache 2.0, qui autorise aussi l'usage commercial, ceux qui utilisaient jusqu'ici les modèles d'images de Qwen dans leur travail doivent noter que les conditions ont changé.
Par ailleurs, l'équipe Qwen a ensuite publié le 9 octobre les poids de « Qwen-Image-2.1-Turbo », une version rapide qui crée une image en 8 étapes, et les versions Pro et Turbo de Qwen-Image-2.1 peuvent désormais être appelées par API dans « Model Studio » d'Alibaba Cloud.
Le regard de CoAI
La nouveauté de Qwen-Image-2.1 est de réunir, dans un modèle de 7B que l'on peut faire tourner en local, la création directe d'images à fond transparent et la retouche à partir de plusieurs images de référence. Il pourrait se révéler pratique pour les tâches qui exigent beaucoup de détourage et de composition, comme la création d'éléments graphiques ou les images produit des sites de e-commerce. En revanche, la licence étant passée à une licence de recherche, on peut l'essayer librement, mais pas l'utiliser tel quel pour des productions professionnelles. Pour un usage commercial, il faudra envisager un contrat individuel avec Qwen ou l'API de Model Studio. Les entreprises chinoises d'IA continuent de publier des modèles à poids ouverts, et cet exemple montre qu'il faut vérifier les conditions de licence modèle par modèle.
