Tim pengembang AI Alibaba, "Qwen (Tongyi Qianwen)", merilis AI pembuat gambar "Qwen-Image-2.1" pada 20 September 2026. Model ini menggabungkan fungsi membuat gambar dari teks dan fungsi mengedit gambar dalam satu model, dan bobot modelnya (data hasil pelatihan) didistribusikan di Hugging Face dan ModelScope. Ini adalah model yang disebut "bobot terbuka" (open weight), yang dapat diunduh dan dijalankan di lingkungan sendiri yang dilengkapi GPU.
Ringkasan pengumuman
Ciri khas Qwen-Image-2.1 adalah ukuran bagian pembuat gambarnya yang dijaga relatif kecil, yaitu 7 miliar parameter (7B). Tim Qwen menjelaskan bahwa model ini menyeimbangkan kualitas hasil, efisiensi pemrosesan, dan keluasan penggunaan.
Bersamaan dengan perilisannya, pustaka pembuatan gambar "Diffusers", alat "ComfyUI" yang menghubungkan tahapan pembuatan gambar dalam bentuk node, serta perangkat lunak inferensi untuk menjalankan model dengan cepat, yaitu "vLLM-Omni", "SGLang", dan "LightX2V", sudah mendukungnya sejak hari pertama. Model ini dirilis dengan perangkat pendukung yang sudah lengkap agar bisa segera dipasang di perangkat sendiri maupun server.
Tim Qwen menyebutkan empat peningkatan utama berikut:
- Struktur yang ringan dan efisien, menghasilkan kualitas gambar tinggi meski dengan komputasi sedikit
- Pembuatan gambar berlatar transparan serta pembuatan dan pengeditan biasa dalam satu model
- Pengeditan beragam dengan hingga 10 gambar referensi
- Peningkatan penggambaran tekstur, teks, dan pencahayaan pada foto orang
Pembuatan gambar transparan dan pengeditan yang beragam
Hal yang paling menarik perhatian adalah kemampuan membuat gambar berlatar belakang transparan (gambar RGBA, yaitu gambar yang menyimpan informasi transparansi selain informasi warna) langsung dari instruksi teks. Sebelumnya, setelah gambar dibuat, diperlukan langkah terpisah untuk memotong latar belakang, tetapi Qwen-Image-2.1 dapat menghasilkan gambar dengan latar transparan sejak awal. Ini dapat mengurangi pekerjaan dalam membuat stiker, ikon, atau bahan gambar produk.
Menurut tim, pengeditan elemen di dalam gambar transparan dan pemotongan orang atau benda saja dari foto juga dapat dilakukan dengan model yang sama. Di ComfyUI telah disediakan templat (workflow) untuk pembuatan gambar dari teks dan pengeditan gambar.
Dalam pengeditan, hingga 10 gambar referensi dapat digunakan sekaligus. Tim Qwen menunjukkan contoh pembuatan foto bersama dari foto wajah 6 orang. Menurut tim, pengeditan dapat dilakukan dengan tetap mempertahankan tampilan orang atau produk.
Jika hanya ingin memperbaiki sebagian gambar, area yang diedit dapat ditentukan dengan cara seperti melingkarinya, menandainya dengan warna, atau memberikan mask (gambar yang menunjukkan area yang akan diedit) yang disiapkan terpisah.
Resolusi dan kinerja
Resolusi output untuk gambar persegi (1:1) adalah 2048×2048 piksel. Model ini mendukung 7 rasio aspek dari potret hingga lanskap, dan pada rasio 16:9 dapat menghasilkan gambar 2752×1536 piksel.
Soal kinerja, menurut perusahaan konsultan AI asal Belanda, DataNorth, Qwen-Image-2.1 meraih 60,28 poin pada sistem evaluasi "Qwen-Image-Bench" yang dibuat sendiri oleh Qwen. Skor ini sedikit melampaui Nano Banana 2.0 dari Google (59,82 poin), belum mencapai model kelas atas Qwen yang bobotnya tidak dirilis, "Qwen Image 3 Pro" (62,36 poin), dan masih tertinggal dari pemimpin peringkat, "GPT Image 2.5 Sunburst" dari OpenAI (67,01 poin). Semuanya merupakan evaluasi Qwen sendiri, bukan verifikasi pihak ketiga. Selain itu, perkiraan seperti waktu pembuatan gambar dan jumlah memori GPU yang dibutuhkan belum diumumkan secara resmi.
Cara menjalankan dan lisensi
Cara dasarnya adalah memuat model melalui Diffusers. Dalam kode contoh yang diberikan Qwen, jumlah tahapan pembuatan gambar (langkah) ditetapkan 40 langkah. Qwen juga memberikan panduan untuk memindahkan sebagian pemrosesan ke CPU jika memori GPU tidak mencukupi. Di Hugging Face juga tersedia demo untuk mencobanya.
Yang perlu diperhatikan adalah lisensinya. Qwen-Image-2.1 didistribusikan dengan "Qwen Research License", sehingga hanya boleh digunakan untuk tujuan riset dan evaluasi. Untuk penggunaan komersial, pengguna harus mengajukan permohonan kepada Qwen dan memperoleh lisensi komersial terpisah. Qwen-Image generasi pertama dirilis dengan lisensi Apache 2.0 yang membolehkan penggunaan komersial, sehingga mereka yang selama ini memakai model gambar Qwen untuk pekerjaan perlu memperhatikan bahwa syaratnya telah berubah.
Selanjutnya, pada 9 Oktober, tim Qwen merilis bobot "Qwen-Image-2.1-Turbo", versi cepat yang dapat membuat gambar dalam 8 langkah, dan di "Model Studio" milik Alibaba Cloud, Qwen-Image-2.1 versi Pro dan Turbo kini dapat dipanggil melalui API.
Pandangan Redaksi CoAI
Hal baru dari Qwen-Image-2.1 adalah digabungkannya kemampuan membuat gambar berlatar transparan secara langsung dan pengeditan dengan banyak gambar referensi ke dalam model 7B yang dapat dijalankan di perangkat sendiri. Untuk pekerjaan yang banyak melibatkan pemotongan dan penggabungan gambar, seperti pembuatan bahan desain atau gambar produk untuk situs e-commerce, model ini berpotensi sangat praktis. Di sisi lain, karena lisensinya berubah menjadi lisensi riset, model ini bebas dicoba tetapi tidak bisa langsung dipakai untuk produksi pekerjaan. Jika ingin menggunakannya secara komersial, perlu dipertimbangkan perjanjian khusus dengan Qwen atau penggunaan API Model Studio. Perusahaan AI Tiongkok terus merilis model bobot terbuka, tetapi kasus ini menunjukkan bahwa syarat lisensi perlu diperiksa untuk setiap model.
