阿里Qwen-Image-2.1：70亿参数开源图像生成拳打闭源模型

Alibaba 的 Qwen AI 团队发布了 Qwen-Image-2.1，这是一款用于图像生成和编辑的开源权重模型。该团队声称，其视觉生成组件仅有 70 亿参数，却在 Qwen 自家基准测试中击败了大多数闭源模型，不过独立基准测试仍在进行中。它可以在 3090 等消费级 GPU 上运行。

Qwen says this group portrait was assembled from individual photos of each person. | Image: Alibaba / Qwen

该模型原生支持透明图像（RGBA）的生成和编辑，让用户可以分离对象或在透明图层上更改文字。它最多可同时处理十张参考图像，用于合影、虚拟试穿或室内设计，而圆形、蒙版或涂抹标记则指导局部编辑。Qwen 表示，架构变更和 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，并提供 Hugging Face 在线演示。其研究许可证禁止商业用途，企业用户需向 Qwen 申请单独许可方可商用。