Em 20 de setembro de 2026, a equipe de desenvolvimento de IA da Alibaba "Qwen (Tongyi Qianwen)" publicou a IA de geração de imagens "Qwen-Image-2.1". Ela reúne em um só modelo a função de criar imagens a partir de texto e a de editar imagens, e os pesos do modelo (os dados resultantes do treinamento) são distribuídos no Hugging Face e no ModelScope. É um modelo chamado "de pesos abertos", que pode ser baixado e rodado em um ambiente próprio com GPU.
Resumo do anúncio
Uma característica do Qwen-Image-2.1 é que a parte que cria as imagens tem 7 bilhões de parâmetros (7B), um tamanho relativamente contido. A equipe Qwen o descreve como um modelo que equilibra a qualidade de geração, a eficiência do processamento e a variedade de usos.
Junto com a publicação, já no primeiro dia passaram a oferecer suporte a biblioteca de geração de imagens "Diffusers", a ferramenta "ComfyUI", que conecta por nós as etapas de geração de imagens, e os softwares de inferência para rodá-lo em alta velocidade "vLLM-Omni", "SGLang" e "LightX2V". O modelo foi publicado com as ferramentas de apoio já prontas, para que pudesse ser integrado imediatamente a um ambiente local ou a servidores.
A equipe Qwen cita estas quatro melhorias principais:
- Uma estrutura leve e eficiente, que entrega alta qualidade de imagem com pouco processamento
- Geração de imagens com fundo transparente e geração e edição comuns em um só modelo
- Edição versátil com até 10 imagens de referência
- Melhor representação de texturas e textos, e da iluminação em fotos de pessoas
Geração de imagens transparentes e edição versátil
O que mais chama a atenção é a possibilidade de criar diretamente, a partir de instruções em texto, imagens com fundo transparente (imagens RGBA, que têm informações de transparência além das de cor). Até agora era preciso uma etapa separada para recortar o fundo depois de criar a imagem, mas o Qwen-Image-2.1 pode gerar a imagem com fundo transparente desde o início. Isso reduz o trabalho na criação de adesivos, ícones e materiais para imagens de produtos, por exemplo.
Segundo a equipe, o mesmo modelo também permite editar elementos dentro de imagens transparentes e recortar apenas pessoas ou objetos de uma foto. No ComfyUI, foram preparados modelos prontos (workflows) para gerar imagens a partir de texto e para editar imagens.
Na edição, é possível usar até 10 imagens de referência ao mesmo tempo. A equipe Qwen mostra um exemplo em que cria uma foto de grupo a partir das fotos do rosto de 6 pessoas. Segundo a equipe, é possível editar mantendo a aparência das pessoas ou dos produtos.
Para corrigir apenas uma parte da imagem, a área pode ser indicada circulando-a, pintando-a ou enviando uma máscara preparada à parte (uma imagem que indica a área a ser editada).
Resolução e desempenho
A resolução de saída é de 2048×2048 pixels no formato quadrado (1:1). O modelo é compatível com 7 proporções, do vertical ao horizontal, e em 16:9 pode gerar imagens de 2752×1536 pixels.
Quanto ao desempenho, segundo a DataNorth, uma consultoria de IA da Holanda, o Qwen-Image-2.1 obteve 60,28 pontos no "Qwen-Image-Bench", um sistema de avaliação criado pela própria Qwen. Ele supera por pouco o Nano Banana 2.0, do Google (59,82 pontos), não alcança o "Qwen Image 3 Pro" (62,36 pontos), um modelo superior da Qwen cujos pesos não são públicos, e fica distante do primeiro colocado, o "GPT Image 2.5 Sunburst", da OpenAI (67,01 pontos). Todas são avaliações da própria Qwen, e não verificações de terceiros. Além disso, não foram divulgadas oficialmente referências como o tempo de geração ou a quantidade de memória de GPU necessária.
Como rodar e licença
O básico é carregá-lo e usá-lo pela Diffusers, e o código de exemplo apresentado pela Qwen define o processo de criação da imagem (as etapas) em 40 etapas. Também há instruções para rodá-lo transferindo parte do processamento para a CPU quando a memória da GPU não é suficiente. No Hugging Face, há ainda uma demonstração para testes.
O ponto de atenção é a licença. O Qwen-Image-2.1 é distribuído sob a "Qwen Research License", e seu uso é restrito a fins de pesquisa ou avaliação. Para uso comercial, é preciso fazer uma solicitação à Qwen e obter uma licença comercial à parte. Como o primeiro Qwen-Image foi publicado sob a licença Apache 2.0, que também permite o uso comercial, quem vinha usando os modelos de imagem da Qwen no trabalho precisa ficar atento à mudança nas condições.
Vale notar que, depois, em 9 de outubro, a equipe Qwen publicou os pesos do "Qwen-Image-2.1-Turbo", uma versão rápida que cria imagens em 8 etapas, e no "Model Studio" da Alibaba Cloud já é possível chamar por API as versões Pro e Turbo do Qwen-Image-2.1.
A visão do CoAI
A novidade do Qwen-Image-2.1 é reunir, em um modelo de 7B que pode ser rodado localmente, a criação direta de imagens com fundo transparente e a edição com várias imagens de referência. Ele pode ser útil em tarefas que exigem muito recorte e composição, como a criação de materiais de design ou de imagens de produtos para lojas virtuais. Por outro lado, como a licença passou a ser de pesquisa, é livre para testar, mas não pode ser usado diretamente em produções de trabalho. Quem quiser usá-lo comercialmente precisará considerar um contrato individual com a Qwen ou o uso da API do Model Studio. As empresas chinesas de IA continuam publicando modelos de pesos abertos, e este é um exemplo de que as condições de licença precisam ser verificadas modelo a modelo.
