阿里巴巴的AI開發團隊「Qwen（通義千問）」於2026年9月20日公開了圖像生成AI「Qwen-Image-2.1」。它將從文字建立圖像的功能與編輯圖像的功能整合到單一模型中，模型權重（訓練完成的資料）在Hugging Face與ModelScope上發布。這是可以下載到配備GPU的自有環境中執行的所謂「開放權重」模型。
發表重點
Qwen-Image-2.1的特色是，負責生成圖像部分的規模控制在70億參數（7B），相對較小。Qwen團隊說明，這是一款在生成品質、處理效率與用途廣泛性之間取得平衡的模型。
在公開的同時，圖像生成函式庫「Diffusers」、以節點串接圖像生成作業的工具「ComfyUI」，以及用於高速執行的推論軟體「vLLM-Omni」「SGLang」「LightX2V」從第一天起就提供支援。這是一次周邊工具已經齊備、可以立即整合到本機環境與伺服器中的發布。
Qwen團隊列舉了這次的以下4項主要改進。
- 輕量高效的架構，以較少的運算量也能做出高畫質
- 以單一模型完成透明背景圖像的生成，以及一般的生成與編輯
- 使用最多10張參考圖像進行多樣化編輯
- 質感與文字的描繪、人物照片光線表現的提升
透明圖像生成與多樣化編輯
最引人注目的是，它可以從文字指示直接建立透明背景的圖像（RGBA圖像，也就是除了顏色資訊之外還帶有透明度資訊的圖像）。過去在建立圖像之後，還需要另外進行去背的作業，而Qwen-Image-2.1從一開始就能以透明背景輸出。在製作貼圖、圖示與商品圖像素材等情境中可以減少工夫。
團隊表示，編輯透明圖像中的元素、從照片中只剪下人物或物體，也都能以同一個模型完成。ComfyUI已提供從文字生成圖像與編輯圖像的範本（工作流程）。
編輯時最多可同時使用10張參考圖像。Qwen團隊展示了以6個人的臉部照片製作團體照的範例。團隊表示，可以在保持人物與商品外觀的情況下進行編輯。
只想修改圖像的一部分時，可以用圈選、塗色標示、傳入另外準備的遮罩（表示編輯範圍的圖像）等方式指定範圍。
解析度與效能
輸出解析度在正方形（1:1）時為2048×2048像素。支援從直式到橫式共7種長寬比，16:9時可輸出2752×1536像素。
在效能方面，根據荷蘭AI顧問公司DataNorth的說法，在Qwen自行建立的評估機制「Qwen-Image-Bench」中，Qwen-Image-2.1得到60.28分。這個結果略高於Google的Nano Banana 2.0（59.82分），但不及未公開權重的Qwen高階模型「Qwen Image 3 Pro」（62.36分），與排名第一的OpenAI「GPT Image 2.5 Sunburst」（67.01分）也有差距。以上皆為Qwen自身的評估，並非第三方驗證。此外，生成所需時間與所需GPU記憶體容量等參考指標，官方並未提出。
執行方式與授權
基本用法是從Diffusers載入使用，Qwen提供的範例程式碼將生成圖像的工序（步數）設為40步。也介紹了GPU記憶體不足時，將部分處理移到CPU端執行的方法。Hugging Face上也公開了試用的展示版本。
需要留意的是授權。Qwen-Image-2.1以「Qwen Research License」發布，僅限用於研究與評估目的。若要商用，需要向Qwen申請並另外取得商業授權。初代Qwen-Image是以同樣允許商業使用的Apache 2.0授權公開，因此過去一直在工作上使用Qwen圖像模型的人，需要留意條件已經改變。
另外，Qwen團隊之後於10月9日公開了能以8步生成圖像的高速版「Qwen-Image-2.1-Turbo」的權重，在阿里雲的「Model Studio」中，也已經可以透過API呼叫Qwen-Image-2.1的Pro版與Turbo版。
CoAI編輯部觀點
Qwen-Image-2.1的新意在於，把直接建立透明背景圖像，以及使用多張參考圖像編輯這兩項能力，整合進可在本機執行的7B模型。在設計素材製作、電商網站商品圖像等去背與合成作業較多的情境中，它有可能派上用場。另一方面，由於授權改為研究用，雖然可以自由試用，但並不能直接用於工作上的製作。若想商用，就需要考慮與Qwen個別簽約，或使用Model Studio的API。中國AI企業持續公開開放權重模型，而這個例子顯示，授權條件需要逐一針對每個模型確認。
