阿里巴巴的AI开发团队“Qwen（通义千问）”于2026年9月20日公开了图像生成AI“Qwen-Image-2.1”。它将根据文本创建图像的功能与编辑图像的功能整合到一个模型中，模型权重（训练好的数据）在Hugging Face和ModelScope上发布。这是一款可以下载到配备GPU的自有环境中运行的所谓“开放权重”模型。
发布概要
Qwen-Image-2.1的特点是，负责生成图像部分的规模控制在70亿参数（7B），相对较小。Qwen团队介绍称，这是一款在生成质量、处理效率和用途广泛性之间取得平衡的模型。
在公开的同时，图像生成库“Diffusers”、以节点串联图像生成工作的工具“ComfyUI”，以及用于高速运行的推理软件“vLLM-Omni”“SGLang”“LightX2V”从首日起即提供支持。这是一次周边工具已经齐备、可以立即集成到本地环境和服务器中的发布。
Qwen团队列举了此次的以下4项主要改进。
- 轻量高效的架构，以较少的计算量也能实现高画质
- 用一个模型完成透明背景图像的生成以及常规的生成与编辑
- 使用最多10张参考图像进行多样化编辑
- 质感与文字的描绘、人物照片光影表现的提升
透明图像生成与多样化编辑
最引人注目的是，它可以根据文本指令直接创建透明背景的图像（RGBA图像，即除颜色信息外还带有透明度信息的图像）。以往在创建图像之后，还需要另行进行抠除背景的工作，而Qwen-Image-2.1从一开始就能以透明背景输出。在制作贴纸、图标和商品图像素材等场景中可以减少工作量。
团队表示，编辑透明图像中的元素、从照片中只抠出人物或物体，也都可以用同一个模型完成。ComfyUI已提供根据文本生成图像和编辑图像的模板（工作流）。
编辑时最多可同时使用10张参考图像。Qwen团队展示了根据6个人的面部照片生成合影的示例。团队表示，可以在保持人物和商品外观的情况下进行编辑。
只想修改图像的一部分时，可以通过画圈圈出、涂色标示、传入另行准备的蒙版（表示编辑范围的图像）等方式指定范围。
分辨率与性能
输出分辨率在正方形（1:1）时为2048×2048像素。支持从竖版到横版共7种宽高比，16:9时可输出2752×1536像素。
在性能方面，据荷兰AI咨询公司DataNorth介绍，在Qwen自行构建的评估体系“Qwen-Image-Bench”中，Qwen-Image-2.1得分为60.28分。这一结果略高于Google的Nano Banana 2.0（59.82分），但不及未公开权重的Qwen高端模型“Qwen Image 3 Pro”（62.36分），与排名第一的OpenAI“GPT Image 2.5 Sunburst”（67.01分）也有差距。以上均为Qwen自身的评估，并非第三方验证。此外，生成所需时间和所需GPU显存量等参考指标，官方并未给出。
运行方法与许可证
基本用法是从Diffusers加载使用，Qwen给出的示例代码将生成图像的工序（步数）设为40步。还介绍了在GPU显存不足时将部分处理转移到CPU端运行的方法。Hugging Face上也公开了用于试用的演示。
需要注意的是许可证。Qwen-Image-2.1以“Qwen Research License”发布，仅限用于研究和评估目的。若要商用，需要向Qwen申请并另行取得商业许可证。初代Qwen-Image是以同样允许商业使用的Apache 2.0许可证公开的，因此此前一直在工作中使用Qwen图像模型的人需要注意条件发生了变化。
另外，Qwen团队此后于10月9日公开了可用8步生成图像的高速版“Qwen-Image-2.1-Turbo”的权重，在阿里云的“Model Studio”中，也已可以通过API调用Qwen-Image-2.1的Pro版和Turbo版。
CoAI编辑部观点
Qwen-Image-2.1的新颖之处在于，把直接创建透明背景图像和使用多张参考图像编辑这两项能力，整合进了一个可在本地运行的7B模型。在设计素材制作、电商网站商品图像等抠图与合成工作较多的场景中，它有可能派上用场。另一方面，由于许可证改为研究用，虽然可以自由试用，但并不能直接用于工作中的制作。如果希望商用，就需要考虑与Qwen单独签约，或使用Model Studio的API。中国AI企业持续公开开放权重模型，而这一案例表明，许可证条件需要逐个模型确认。
