Il 20 settembre 2026 il team di sviluppo IA di Alibaba "Qwen (Tongyi Qianwen)" ha pubblicato l'IA per la generazione di immagini "Qwen-Image-2.1". Riunisce in un unico modello la funzione di creare immagini a partire dal testo e quella di modificarle, e i pesi del modello (i dati ottenuti dall'addestramento) sono distribuiti su Hugging Face e ModelScope. È un modello cosiddetto "a pesi aperti", che si può scaricare ed eseguire nel proprio ambiente dotato di GPU.
L'annuncio in sintesi
Una caratteristica di Qwen-Image-2.1 è che la parte che crea le immagini ha una dimensione di 7 miliardi di parametri (7B), relativamente contenuta. Il team Qwen lo descrive come un modello che bilancia qualità di generazione, efficienza di elaborazione e ampiezza degli usi.
Insieme alla pubblicazione, fin dal primo giorno sono arrivati il supporto della libreria di generazione di immagini "Diffusers", di "ComfyUI", uno strumento che collega tramite nodi le fasi della generazione di immagini, e dei software di inferenza per l'esecuzione rapida "vLLM-Omni", "SGLang" e "LightX2V". È stato pubblicato con gli strumenti di contorno già pronti, per poterlo integrare subito in un ambiente locale o sui server.
Il team Qwen indica questi quattro miglioramenti principali:
- Una struttura leggera ed efficiente, che offre un'alta qualità d'immagine anche con poca potenza di calcolo
- Generazione di immagini con sfondo trasparente e generazione e modifica normali in un unico modello
- Modifiche versatili con fino a 10 immagini di riferimento
- Migliore resa delle texture e del testo, e della luce nelle foto di persone
Generazione di immagini trasparenti e modifiche versatili
L'aspetto più evidente è la possibilità di creare direttamente, a partire da istruzioni testuali, immagini con sfondo trasparente (immagini RGBA, che oltre alle informazioni sul colore contengono quelle sulla trasparenza). Finora serviva un passaggio separato per scontornare lo sfondo dopo aver creato l'immagine, mentre Qwen-Image-2.1 può produrre fin dall'inizio uno sfondo trasparente. Si riduce così il lavoro, ad esempio, nella preparazione di sticker, icone o materiali per le immagini dei prodotti.
Secondo il team, lo stesso modello permette anche di modificare elementi all'interno di immagini trasparenti e di ritagliare da una foto solo le persone o gli oggetti. In ComfyUI sono stati predisposti modelli pronti (workflow) per generare immagini dal testo e per modificarle.
Nelle modifiche si possono usare fino a 10 immagini di riferimento contemporaneamente. Il team Qwen mostra un esempio in cui crea una foto di gruppo a partire dalle foto del volto di 6 persone. Secondo il team, si possono fare modifiche mantenendo l'aspetto delle persone o dei prodotti.
Quando si vuole correggere solo una parte dell'immagine, l'area si può indicare cerchiandola, colorandola oppure fornendo una maschera preparata a parte (un'immagine che indica l'area da modificare).
Risoluzione e prestazioni
La risoluzione di output è di 2048×2048 pixel in formato quadrato (1:1). Supporta 7 proporzioni, dal verticale all'orizzontale, e in 16:9 può produrre immagini di 2752×1536 pixel.
Quanto alle prestazioni, secondo DataNorth, una società di consulenza sull'IA dei Paesi Bassi, Qwen-Image-2.1 ha ottenuto 60,28 punti su "Qwen-Image-Bench", un sistema di valutazione creato da Qwen. Supera di poco Nano Banana 2.0 di Google (59,82 punti), non raggiunge "Qwen Image 3 Pro" (62,36 punti), un modello superiore di Qwen i cui pesi non sono pubblici, e resta distante dal primo classificato, "GPT Image 2.5 Sunburst" di OpenAI (67,01 punti). Si tratta in tutti i casi di valutazioni della stessa Qwen, non di verifiche di terzi. Inoltre, non sono state fornite indicazioni ufficiali su aspetti come il tempo di generazione o la quantità di memoria GPU necessaria.
Come eseguirlo e licenza
Di base si carica e si usa tramite Diffusers, e il codice di esempio mostrato da Qwen imposta il processo di creazione dell'immagine (i passaggi) a 40 passaggi. Viene indicato anche un metodo per eseguirlo spostando parte dell'elaborazione sulla CPU quando la memoria della GPU non basta. Su Hugging Face è disponibile anche una demo di prova.
L'aspetto a cui fare attenzione è la licenza. Qwen-Image-2.1 è distribuito con la "Qwen Research License" e il suo uso è limitato a scopi di ricerca o valutazione. Per l'uso commerciale bisogna fare richiesta a Qwen e ottenere separatamente una licenza commerciale. Poiché il primo Qwen-Image era stato pubblicato con la licenza Apache 2.0, che consente anche l'uso commerciale, chi finora ha usato i modelli di immagini di Qwen per lavoro deve tenere presente che le condizioni sono cambiate.
Il team Qwen ha poi pubblicato il 9 ottobre i pesi di "Qwen-Image-2.1-Turbo", una versione veloce che crea immagini in 8 passaggi, e in "Model Studio" di Alibaba Cloud è ora possibile richiamare tramite API le versioni Pro e Turbo di Qwen-Image-2.1.
Il punto di vista di CoAI
La novità di Qwen-Image-2.1 è riunire, in un modello da 7B eseguibile in locale, la creazione diretta di immagini con sfondo trasparente e le modifiche con più immagini di riferimento. Potrebbe risultare utile nei lavori che richiedono molto scontornamento e composizione, come la preparazione di materiali grafici o le immagini dei prodotti per i siti di e-commerce. D'altra parte, poiché la licenza è passata a una licenza per la ricerca, provarlo è libero, ma non lo si può usare così com'è nelle produzioni di lavoro. Chi vuole usarlo a fini commerciali dovrà valutare un contratto individuale con Qwen o l'uso dell'API di Model Studio. Le aziende cinesi di IA continuano a pubblicare modelli a pesi aperti, e questo è un esempio di come le condizioni di licenza vadano verificate modello per modello.
