ทีมพัฒนา AI ของ Alibaba "Qwen (Tongyi Qianwen)" เผยแพร่ AI สร้างภาพ "Qwen-Image-2.1" เมื่อวันที่ 20 กันยายน 2026 โมเดลนี้รวมความสามารถในการสร้างภาพจากข้อความและการแก้ไขภาพไว้ในโมเดลเดียว และแจกจ่ายน้ำหนักโมเดล (ข้อมูลที่ผ่านการฝึกแล้ว) ผ่าน Hugging Face และ ModelScope เป็นโมเดลแบบที่เรียกว่า "โอเพนเวต" (open weight) ซึ่งดาวน์โหลดไปรันบนเครื่องของตนเองที่มี GPU ได้
ภาพรวมของการประกาศ
จุดเด่นของ Qwen-Image-2.1 คือส่วนที่ทำหน้าที่สร้างภาพมีขนาด 7 พันล้านพารามิเตอร์ (7B) ซึ่งถือว่าค่อนข้างเล็ก ทีม Qwen อธิบายว่าเป็นโมเดลที่สร้างสมดุลระหว่างคุณภาพการสร้างภาพ ประสิทธิภาพในการประมวลผล และความหลากหลายของการใช้งาน
พร้อมกับการเผยแพร่ ไลบรารีสร้างภาพ "Diffusers" เครื่องมือ "ComfyUI" ที่เชื่อมขั้นตอนการสร้างภาพเข้าด้วยกันเป็นโหนด และซอฟต์แวร์อนุมานสำหรับรันด้วยความเร็วสูง "vLLM-Omni" "SGLang" และ "LightX2V" ต่างรองรับโมเดลนี้ตั้งแต่วันแรก เป็นการเผยแพร่ที่มีเครื่องมือรอบข้างพร้อม เพื่อให้นำไปใช้บนเครื่องของตนเองหรือเซิร์ฟเวอร์ได้ทันที
ทีม Qwen ระบุสิ่งที่ปรับปรุงหลัก ๆ ในครั้งนี้ไว้ 4 ข้อ ดังนี้
- โครงสร้างเบาและมีประสิทธิภาพ ให้คุณภาพภาพสูงแม้ใช้การคำนวณน้อย
- สร้างภาพพื้นหลังโปร่งใส และสร้างหรือแก้ไขภาพตามปกติได้ในโมเดลเดียว
- การแก้ไขที่หลากหลายโดยใช้ภาพอ้างอิงสูงสุด 10 ภาพ
- การแสดงพื้นผิว การวาดตัวอักษร และการแสดงแสงในภาพถ่ายบุคคลดีขึ้น
การสร้างภาพโปร่งใสและการแก้ไขที่หลากหลาย
จุดที่น่าสนใจที่สุดคือสามารถสร้างภาพที่มีพื้นหลังโปร่งใส (ภาพ RGBA คือภาพที่มีข้อมูลความโปร่งใสนอกเหนือจากข้อมูลสี) ได้โดยตรงจากคำสั่งที่เป็นข้อความ ที่ผ่านมาหลังจากสร้างภาพแล้วต้องตัดพื้นหลังออกแยกต่างหาก แต่ Qwen-Image-2.1 สามารถส่งออกภาพที่มีพื้นหลังโปร่งใสได้ตั้งแต่แรก ช่วยลดขั้นตอนในงานอย่างการทำสติกเกอร์ ไอคอน หรือวัตถุดิบสำหรับภาพสินค้า
ทีมระบุว่าการแก้ไของค์ประกอบภายในภาพโปร่งใส และการตัดเฉพาะบุคคลหรือวัตถุออกจากภาพถ่าย ก็ทำได้ด้วยโมเดลเดียวกัน ใน ComfyUI มีเทมเพลต (เวิร์กโฟลว์) สำหรับการสร้างภาพจากข้อความและการแก้ไขภาพให้ใช้งานแล้ว
ในการแก้ไข สามารถใช้ภาพอ้างอิงได้พร้อมกันสูงสุด 10 ภาพ ทีม Qwen แสดงตัวอย่างการสร้างภาพหมู่จากภาพใบหน้าของคน 6 คน และระบุว่าสามารถแก้ไขโดยคงรูปลักษณ์ของบุคคลหรือสินค้าไว้ได้
หากต้องการแก้เฉพาะบางส่วนของภาพ สามารถระบุขอบเขตได้ด้วยวิธีต่าง ๆ เช่น วงล้อมรอบ ระบายสีเพื่อชี้ตำแหน่ง หรือส่งมาสก์ (ภาพที่แสดงขอบเขตที่จะแก้ไข) ที่เตรียมไว้แยกต่างหาก
ความละเอียดและประสิทธิภาพ
ความละเอียดของภาพที่ส่งออกคือ 2048×2048 พิกเซลสำหรับภาพสี่เหลี่ยมจัตุรัส (1:1) รองรับอัตราส่วนภาพ 7 แบบตั้งแต่แนวตั้งถึงแนวนอน และที่อัตราส่วน 16:9 ส่งออกภาพได้ที่ 2752×1536 พิกเซล
ด้านประสิทธิภาพ ตามข้อมูลของ DataNorth บริษัทที่ปรึกษาด้าน AI ของเนเธอร์แลนด์ Qwen-Image-2.1 ได้ 60.28 คะแนนในระบบประเมิน "Qwen-Image-Bench" ที่ Qwen สร้างขึ้นเอง สูงกว่า Nano Banana 2.0 ของ Google (59.82 คะแนน) เล็กน้อย แต่ยังไม่ถึง "Qwen Image 3 Pro" (62.36 คะแนน) ซึ่งเป็นโมเดลระดับสูงกว่าของ Qwen ที่ไม่ได้เผยแพร่น้ำหนักโมเดล และยังห่างจาก "GPT Image 2.5 Sunburst" ของ OpenAI (67.01 คะแนน) ที่อยู่อันดับหนึ่ง ทั้งหมดนี้เป็นการประเมินของ Qwen เอง ไม่ได้ผ่านการตรวจสอบจากบุคคลที่สาม นอกจากนี้ยังไม่มีการเปิดเผยตัวเลขอ้างอิงอย่างเป็นทางการ เช่น เวลาที่ใช้ในการสร้างภาพหรือปริมาณหน่วยความจำ GPU ที่ต้องใช้
วิธีใช้งานและสัญญาอนุญาต
วิธีพื้นฐานคือโหลดโมเดลผ่าน Diffusers มาใช้งาน ในโค้ดตัวอย่างที่ Qwen แสดงไว้ กำหนดจำนวนขั้นตอนในการสร้างภาพ (step) ไว้ที่ 40 ขั้นตอน มีคำแนะนำวิธีย้ายการประมวลผลบางส่วนไปทำที่ CPU เมื่อหน่วยความจำ GPU ไม่เพียงพอด้วย และบน Hugging Face ยังมีเดโมให้ทดลองใช้
สิ่งที่ต้องระวังคือสัญญาอนุญาต Qwen-Image-2.1 แจกจ่ายภายใต้ "Qwen Research License" ซึ่งใช้ได้เฉพาะเพื่อวัตถุประสงค์ด้านการวิจัยและการประเมินเท่านั้น หากจะใช้งานเชิงพาณิชย์ ต้องยื่นขอต่อ Qwen เพื่อรับสัญญาอนุญาตเชิงพาณิชย์แยกต่างหาก Qwen-Image รุ่นแรกเผยแพร่ภายใต้สัญญาอนุญาต Apache 2.0 ซึ่งใช้งานเชิงพาณิชย์ได้ ผู้ที่เคยใช้โมเดลภาพของ Qwen ในงานจึงต้องระวังว่าเงื่อนไขเปลี่ยนไปแล้ว
ต่อมาในวันที่ 9 ตุลาคม ทีม Qwen ได้เผยแพร่น้ำหนักโมเดลของ "Qwen-Image-2.1-Turbo" เวอร์ชันความเร็วสูงที่สร้างภาพได้ใน 8 ขั้นตอน และใน "Model Studio" ของ Alibaba Cloud ก็สามารถเรียกใช้ Qwen-Image-2.1 รุ่น Pro และ Turbo ผ่าน API ได้แล้ว
มุมมองของกองบรรณาธิการ CoAI
สิ่งใหม่ของ Qwen-Image-2.1 คือการรวมความสามารถในการสร้างภาพพื้นหลังโปร่งใสได้โดยตรง และการแก้ไขโดยใช้ภาพอ้างอิงหลายภาพ ไว้ในโมเดล 7B ที่รันบนเครื่องของตนเองได้ สำหรับงานที่ต้องตัดภาพหรือผสมภาพบ่อย เช่น การทำวัตถุดิบงานออกแบบหรือภาพสินค้าบนเว็บไซต์อีคอมเมิร์ซ ก็อาจใช้ได้สะดวก ในทางกลับกัน เมื่อสัญญาอนุญาตเปลี่ยนเป็นแบบเพื่อการวิจัย แม้จะทดลองได้อย่างอิสระ แต่ก็ไม่สามารถนำไปใช้ในงานผลิตจริงได้ทันที หากต้องการใช้งานเชิงพาณิชย์ ต้องพิจารณาทำสัญญาเป็นรายกรณีกับ Qwen หรือใช้ API ของ Model Studio บริษัท AI ของจีนยังคงเผยแพร่โมเดลโอเพนเวตอย่างต่อเนื่อง แต่กรณีนี้เป็นตัวอย่างที่แสดงให้เห็นว่าต้องตรวจสอบเงื่อนไขสัญญาอนุญาตของแต่ละโมเดล
