Qwen-Image-2.1
阿里的 7B 图像模型,可生成、编辑,并能输出真正透明的 PNG,最多支持 10 张参考图。仅限研究的许可证。
一句话概括. Qwen-Image-2.1 是阿里通义千问团队的 AI 图像模型。你可以用文字生成图片、用指令编辑照片、合并最多十张参考图,还能生成背景真正透明的图像,适合做标志、贴纸和商品抠图。权重可免费下载,但许可证只允许研究和评估,商业使用需要另行协议。
概述
阿里通义千问团队于 2026 年 9 月 20 日开源 Qwen-Image-2.1,并于 2026 年 10 月 9 日增加了只需 8 步去噪的加速版检查点 Qwen-Image-2.1-Turbo。同一个模型负责文生图和图像编辑。它的视觉生成部分约 70 亿参数:一个 32 层的单流扩散 Transformer,采样使用流匹配。文本编码器是 Qwen3-VL 8B,一个单独的 80 亿参数视觉语言模型,能同时读取指令和参考图。
最突出的功能是原生透明。一个 64 通道的自编码器可以产生 alpha 通道,因此模型能直接生成透明(RGBA)图像、编辑透明图层,并把普通照片中的主体抠出来。其他能力包括:一次请求最多使用 10 张参考图(例如合影或虚拟试穿),以及用圆圈、手绘标注或单独的蒙版指定局部编辑。生成为原生 2K(例如 2048×2048),文字渲染和人像光线也有改进。
权重采用 Diffusers 格式(QwenImage21Pipeline),官方宣布首日支持 Diffusers、ComfyUI、vLLM-Omni、SGLang、LightX2V 和 OpenVINO。生成器在 BF16 下约 14 GB,但连同 Qwen3-VL 文本编码器的完整管线约 33 GB,所以多数人会使用 CPU 卸载,或 ComfyUI 的 INT8 重新打包版本。Qwen 还发布了两个基于 Qwen3.5-VL 9B 的提示词改写模型,分别用于生成和编辑,建议用它们把简短提示词扩写成详细描述。
许可证是 Qwen Research License Agreement,不像早期 Qwen-Image 模型那样是 Apache 2.0:研究和评估免费,任何商业用途都需要向 Qwen 另行申请许可。Qwen-Image-2.1 Pro 变体以及托管版的 Turbo,只作为 API 通过阿里云百炼提供。Qwen 称该模型超过大多数闭源模型,但这一说法来自其自有的 Qwen-Image-Bench,尚未经过独立验证。
适合做什么
- 直接由模型生成透明素材,如标志、贴纸、图标和商品抠图
- 多参考图编辑,例如合影、虚拟试穿或房间布置
- 用圆圈、标注或蒙版做定向编辑,而不必用文字描述区域
- 图像生成与编辑的研究和评估
需要注意
- 许可证仅限研究和评估;商业使用需要向 Qwen 另行申请
- 因为有 8B 文本编码器,完整 BF16 管线约 33 GB;请考虑 CPU 卸载或 INT8 重新打包版本
- 需要较新的软件(按模型卡,Transformers 5.17 及以上,并从源码安装 Diffusers)
- Pro 版本只提供 API,不在开放权重之内
- 基准结果来自阿里自己,尚未经过独立核实
性能数据来自开发方,未经独立验证。
需要多少内存?
以下是 Qwen-Image-2.1 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。
| 版本 | 参数量 | 下载大小 | 所需内存 | 可运行于 |
|---|---|---|---|---|
| Qwen-Image-2.1 (40 steps) BF16 | 7.1B | 33 GB | 38 GB | 工作站 |
| Qwen-Image-2.1-Turbo (8 steps) BF16 | 7.1B | 32 GB | 37 GB | 工作站 |
| INT8 (ComfyUI repack) INT8 | 7.1B | 17 GB | 20 GB | 游戏显卡 |
下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。
许可证,用大白话说
阿里的仅限研究许可证。你可以为研究或评估目的使用、修改和分享模型,但任何商业用途都需要向 Qwen 另行申请许可。阿里的托管 API 是常见的商用途径。
- 需要署名或标明模型名称
延伸阅读
- FLUX 3 Image Klein 与 Qwen-Image-2.1 对比:许可证、内存与功能
- 最佳开源图像和视频生成模型
- Cosmos 3:NVIDIA 面向机器人和自动驾驶的开放世界模型
- Krea 2:从零训练、追求多样性的开放图像模型
- MOSS-Image:能画长文字、遵循 JSON 版面的 5B 开源图像模型
- Qwen3.8:三个语言模型、三种许可证,图像模型还有第四种
常见问题
- Qwen-Image-2.1 是什么?
- Qwen-Image-2.1 是阿里通义千问团队的 AI 图像模型。你可以用文字生成图片、用指令编辑照片、合并最多十张参考图,还能生成背景真正透明的图像,适合做标志、贴纸和商品抠图。权重可免费下载,但许可证只允许研究和评估,商业使用需要另行协议。
- Qwen-Image-2.1 可以商用吗?
- 未经另行授权不可商用。Qwen-Image-2.1 采用 Qwen Research License 发布,仅允许研究和个人使用。
- Qwen-Image-2.1 是开源的吗?
- Qwen-Image-2.1 是开放权重模型,但不是严格意义上的开源。你可以下载模型文件,但 Qwen Research License 附带了开源促进会的定义所不允许的条件。
- 我能在自己的电脑上运行 Qwen-Image-2.1 吗?
- 可以,但需要一块好显卡。最小版本 INT8 (ComfyUI repack) 在 4 位精度下约需 20 GB 内存,适合 24 至 32 GB 的游戏显卡,或 32 GB 及以上内存的 Mac。
- Qwen-Image-2.1 是什么时候发布的?
- Qwen-Image-2.1 由 Alibaba Qwen 于 2026年9月20日 发布。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Qwen-Image-2.1 repository and release log (GitHub) github.com
- Qwen-Image-2.1 model card (Hugging Face) huggingface.co
- Qwen-Image-2.1-Turbo model card (Hugging Face) huggingface.co
- Alibaba Cloud blog: Qwen-Image-2.1, compact, efficient and unified image creation alibabacloud.com
- ComfyUI blog: Qwen-Image-2.1 in ComfyUI (20 Sep 2026) blog.comfy.org
发布时间等信息最近核实于 2026年11月8日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| FLUX 3 Image Klein Black Forest Labs | 5.6B | – | FLUX Kommunity (附条件) | 8 GB 笔记本或手机 | |
| LTX-2.5 LTX (Lightricks) | 22B | – | LTX-2.x Community (附条件) | 16 GB 笔记本或手机 | |
| Z-Image Tongyi MAI | 6.15B | – | Apache 2.0 (宽松) | 16 GB 笔记本或手机 | |
| MOSS-Image OpenMOSS | 5.08B | – | Apache 2.0 (宽松) | 4.2 GB 笔记本或手机 |