阿里开源 Qwen-Image-2.1：70 亿参数挑战闭源模型图像生成实力

阿里巴巴 Qwen AI 团队发布了 Qwen-Image-2.1，这是一个用于图像生成和编辑的开源权重模型。该模型的视觉生成部分仅包含 70 亿参数，但团队声称其在 Qwen 自家基准测试中超越了大多数闭源模型，不过独立基准测试仍在进行中。该模型可在 3090 等消费级高性能 GPU 上运行。

该模型原生支持生成和编辑透明图像（RGBA），允许用户在透明图层上隔离物体或修改文字。它支持同时处理多达十张参考图，用于群像、虚拟试穿或室内设计，而圆形、掩码或手绘标记则可引导局部编辑。根据 Qwen 的说法，架构调整和 KV 缓存复用加速了推理过程，尤其是在使用多张参考图像时。

Qwen-Image-2.1 已上线 Hugging Face、GitHub 和 Model Scope，并附有 Hugging Face 演示。其研究许可证禁止商业使用，因此企业用户需向 Qwen 申请单独的许可。