鲸云网9月21日消息，据媒体报道，阿里千问团队于9月21日正式开源新一代图像模型 Qwen-Image-2.1，把文生图与图像编辑放进同一个模型里。它的视觉生成部分只有 7B 参数，却在公开评测中拿下开源第一，并首次在千问图像系列里原生支持 RGBA 透明图输出，等于把过去要单独抠图的环节直接省掉了。
在 Qwen-Image-Bench 公开评测里，Qwen-Image-2.1 拿到 60.28 的总分，排在开源模型第一，分值也超过了两款闭源产品 Nano Banana 2.0（59.82）和 GPT Image 1.5（59.65），官方因此把它定位成千问图像系列里最平衡、性价比最高的开源生图模型。结构上看，它的视觉生成部分用了 32 层 Single-Stream DiT，配合混合粒度注意力——文本走 Token 级因果掩码、图像走 Chunk 级掩码，再加上 KV Cache 复用，让多图输入的推理又快又省显存。整条管线算上 Qwen3-VL 8B 文本编码器，总参数约 16.22B，原生支持 2K 分辨率输出。
这次更新最受设计师关注的是原生透明图。模型会按提示词自己判断该输出普通图还是带 Alpha 通道的 RGBA 图，毛发这类传统抠图最头疼的边缘问题，从根上被绕开；给一张普通照片，它也能把主体提取成透明图层，方便后续合成。编辑能力做了四个维度升级：参考图上限提到 10 张，能拿多张人像拼合照、用模特加衣服鞋子包包帽子五张图生成整套穿搭、参考 10 张家装图出室内方案；局部编辑支持圈选、涂抹和独立掩码三种方式，一次圈出多个区域分别改；人像和商品的保真也做了增强，修图前后脸型和纹理保持一致。
从去年底 Qwen-Image-Layered 专用透明模型，到如今把透明能力并进统一模型，千问在图像方向的路线很清晰：用更小的参数把专业工作流压进消费级显卡能跑的体量。Qwen-Image-2.1 发布当天就拿到 Diffusers、ComfyUI、vLLM-Omni、SGLang 等框架的 Day 0 支持，权重已在 GitHub、ModelScope、HuggingFace 开放下载，采用非商用许可、面向开发者与创作者使用。在大模型开源成为主赛道的当下，这类把生成与编辑一体化的紧凑模型，正在把过去要串多个工具才能完成的活儿收敛到一次调用里——这也是华为昇腾生态与一众开源大模型共同在推的方向。
编辑：华磊
免责声明：本站转载的文章，版权归原作者所有；旨在传递信息，不代表本站的观点和立场。
