Qwen-Image-2.1

模型简介

Qwen-Image-2.1 是阿里巴巴通义千问（Qwen）团队于 2026 年 9 月 20 日开源的图像生成与编辑一体化模型，视觉生成部分仅 7B 参数，在同一模型内统一了文生图、图像编辑和透明素材（RGBA）生成。模型权重已发布在 Hugging Face 与 ModelScope，代码仓库为 QwenLM/Qwen-Image-2.1。

核心能力

• 原生透明图像：使用 64 通道 RGBA VAE（16 倍空间压缩），可直接生成和编辑带透明通道的图像，适合设计素材、贴纸与产品图抠图场景。
• 统一生成与编辑：同一模型完成文生图与图像编辑，支持圈选、涂抹标注或蒙版进行局部编辑，并保持人物与商品的身份一致性。
• 多图参考：最多支持 10 张参考图的编辑与合成。
• 原生 2K 输出：支持 1:1、4:3、3:4、3:2、2:3、16:9、9:16 等多种宽高比。

架构

视觉生成部分为 32 层 Single-Stream DiT（约 7B 参数），文本编码器为 Qwen3-VL 8B，采用块因果注意力（block-causal attention）、Flow Matching 与 Euler 离散调度，并支持前缀 KV 缓存复用以提升推理效率。官方推荐推理步数 40，可通过 CPU offload 降低显存占用；官方文档未给出具体显存需求。

评测表现

据官方发布及媒体报道，在 Qwen-Image-Bench 上 Qwen-Image-2.1 总分 60.28，高于 Nano Banana 2.0（59.82）和 GPT Image 1.5（59.65），位列开源模型第一。该成绩为厂商自报。

许可与使用

采用 Qwen Research License Agreement：允许研究、个人兴趣及内部评测使用，商用需另行申请授权。官方暂未在百炼（Model Studio）提供 Qwen-Image-2.1 托管 API，商业托管方案为 API 形态的 Qwen-Image-3.0。运行需要 PyTorch ≥ 2.4.0、Transformers ≥ 5.17。