Ngày 20 tháng 9 năm 2026, nhóm phát triển AI "Qwen (Tongyi Qianwen)" của Alibaba đã công bố AI tạo ảnh "Qwen-Image-2.1". Mô hình gộp chức năng tạo ảnh từ văn bản và chức năng chỉnh sửa ảnh vào một mô hình duy nhất, và trọng số mô hình (dữ liệu đã được huấn luyện) được phân phối trên Hugging Face và ModelScope. Đây là mô hình "trọng số mở" (open weight), có thể tải về và chạy trên môi trường riêng có GPU.
Tổng quan thông báo
Điểm đặc trưng của Qwen-Image-2.1 là phần tạo ảnh được giữ ở quy mô tương đối nhỏ, 7 tỷ tham số (7B). Nhóm Qwen giải thích đây là mô hình cân bằng giữa chất lượng tạo ảnh, hiệu quả xử lý và tính đa dụng.
Ngay khi công bố, thư viện tạo ảnh "Diffusers", công cụ "ComfyUI" kết nối các công đoạn tạo ảnh bằng nút, cùng các phần mềm suy luận để chạy tốc độ cao "vLLM-Omni", "SGLang" và "LightX2V" đều đã hỗ trợ mô hình từ ngày đầu. Mô hình được công bố với đầy đủ công cụ xung quanh, để có thể tích hợp ngay vào máy của mình hoặc máy chủ.
Nhóm Qwen nêu ra 4 cải tiến chính lần này như sau:
- Cấu trúc nhẹ và hiệu quả, cho chất lượng ảnh cao dù dùng ít tài nguyên tính toán
- Tạo ảnh nền trong suốt cũng như tạo và chỉnh sửa ảnh thông thường trong cùng một mô hình
- Chỉnh sửa đa dạng với tối đa 10 ảnh tham chiếu
- Cải thiện khả năng thể hiện chất liệu, vẽ chữ và ánh sáng trong ảnh chân dung
Tạo ảnh trong suốt và chỉnh sửa đa dạng
Điểm nổi bật nhất là có thể tạo trực tiếp ảnh có nền trong suốt (ảnh RGBA, tức ảnh có thêm thông tin độ trong suốt bên cạnh thông tin màu) từ chỉ dẫn bằng văn bản. Trước đây, sau khi tạo ảnh cần thêm một bước tách nền riêng, nhưng Qwen-Image-2.1 có thể xuất ảnh với nền trong suốt ngay từ đầu. Điều này giúp giảm công sức khi làm sticker, biểu tượng hay tư liệu cho ảnh sản phẩm.
Theo nhóm phát triển, việc chỉnh sửa các thành phần bên trong ảnh trong suốt hay tách riêng người hoặc vật khỏi ảnh chụp cũng có thể thực hiện bằng cùng một mô hình. Trên ComfyUI đã có sẵn các mẫu (workflow) cho việc tạo ảnh từ văn bản và chỉnh sửa ảnh.
Khi chỉnh sửa, có thể dùng đồng thời tối đa 10 ảnh tham chiếu. Nhóm Qwen đưa ra ví dụ tạo ảnh nhóm từ ảnh khuôn mặt của 6 người, và cho biết có thể chỉnh sửa mà vẫn giữ nguyên ngoại hình của người hoặc sản phẩm.
Khi chỉ muốn sửa một phần của ảnh, có thể chỉ định vùng bằng các cách như khoanh tròn, tô màu để đánh dấu, hoặc đưa vào một mặt nạ (ảnh thể hiện vùng cần chỉnh sửa) chuẩn bị riêng.
Độ phân giải và hiệu năng
Độ phân giải đầu ra là 2048×2048 pixel với ảnh vuông (1:1). Mô hình hỗ trợ 7 tỷ lệ khung hình từ dọc đến ngang, và ở tỷ lệ 16:9 có thể xuất ảnh 2752×1536 pixel.
Về hiệu năng, theo công ty tư vấn AI DataNorth của Hà Lan, Qwen-Image-2.1 đạt 60,28 điểm trên hệ thống đánh giá "Qwen-Image-Bench" do Qwen tự xây dựng. Kết quả này nhỉnh hơn một chút so với Nano Banana 2.0 của Google (59,82 điểm), chưa bằng "Qwen Image 3 Pro" (62,36 điểm), mô hình cao cấp hơn của Qwen không công bố trọng số, và còn cách khá xa "GPT Image 2.5 Sunburst" của OpenAI (67,01 điểm) đang dẫn đầu. Tất cả đều là đánh giá của chính Qwen, chưa được bên thứ ba kiểm chứng. Ngoài ra, các con số tham khảo như thời gian tạo ảnh hay dung lượng bộ nhớ GPU cần thiết chưa được công bố chính thức.
Cách chạy và giấy phép
Cách cơ bản là tải mô hình qua Diffusers để sử dụng. Trong mã mẫu do Qwen đưa ra, số công đoạn tạo ảnh (bước) được đặt là 40 bước. Qwen cũng hướng dẫn cách chuyển một phần xử lý sang CPU khi bộ nhớ GPU không đủ. Trên Hugging Face còn có bản demo để dùng thử.
Điều cần chú ý là giấy phép. Qwen-Image-2.1 được phân phối theo "Qwen Research License", chỉ được dùng cho mục đích nghiên cứu và đánh giá. Để dùng cho mục đích thương mại, cần nộp đơn cho Qwen để được cấp giấy phép thương mại riêng. Qwen-Image thế hệ đầu được công bố theo giấy phép Apache 2.0 cho phép sử dụng thương mại, vì vậy những ai từng dùng các mô hình ảnh của Qwen trong công việc cần chú ý rằng điều kiện đã thay đổi.
Sau đó, ngày 9 tháng 10, nhóm Qwen đã công bố trọng số của "Qwen-Image-2.1-Turbo", phiên bản tốc độ cao có thể tạo ảnh trong 8 bước, và trên "Model Studio" của Alibaba Cloud, bản Pro và Turbo của Qwen-Image-2.1 đã có thể được gọi qua API.
Góc nhìn của ban biên tập CoAI
Điểm mới của Qwen-Image-2.1 là gộp khả năng tạo trực tiếp ảnh nền trong suốt và chỉnh sửa với nhiều ảnh tham chiếu vào một mô hình 7B có thể chạy trên máy của mình. Với những công việc tốn nhiều công tách nền và ghép ảnh, như làm tư liệu thiết kế hay ảnh sản phẩm cho trang thương mại điện tử, mô hình có thể rất tiện dụng. Mặt khác, vì giấy phép đã chuyển sang dạng dành cho nghiên cứu, dù có thể thử tự do nhưng không thể dùng ngay cho sản xuất trong công việc. Nếu muốn dùng cho mục đích thương mại, cần cân nhắc ký thỏa thuận riêng với Qwen hoặc dùng API của Model Studio. Các công ty AI Trung Quốc vẫn tiếp tục công bố các mô hình trọng số mở, nhưng đây là ví dụ cho thấy cần kiểm tra điều kiện giấy phép của từng mô hình.
