L'équipe Qwen d'Alibaba a mis en ligne ce dimanche (20 septembre 2026) Qwen-Image-2.1, un modèle ouvert de génération et d'édition d'images. Le cœur visuel ne compte que 7 milliards de paramètres, génère des images jusqu'à 2048×2048 et, pour la première fois dans la gamme, prend en charge la transparence native (RGBA).
Que s'est-il passé ?
Les poids de Qwen-Image-2.1 ont été publiés sur Hugging Face et ModelScope, avec une démo directement accessible dans le navigateur. Il ne s'agit pas seulement d'un générateur texte-image : le même modèle édite des photos, accepte jusqu'à 10 images de référence et permet de délimiter la zone à modifier à l'aide d'un cercle, d'un pinceau ou d'un masque. Il est ainsi possible de composer un portrait de groupe à partir de photos individuelles, d'effectuer un essayage virtuel de vêtements ou de redessiner une pièce sans perdre l'identité des personnes et des produits.
Le lecteur de texte et d'image est le Qwen3-VL-8B (environ 8,77B). Au total, le package atteint environ 16,22 milliards de paramètres. En mode paysage, la résolution maximale mentionnée est de 2752×1536.
Ce qui change en pratique
La nouveauté la plus utile pour les créateurs numériques est la transparence. Il devient possible de générer un autocollant, un logo ou le détourage d'un sujet directement avec un fond transparent, tout en modifiant l'expression ou le texte sans altérer le canal alpha. Qwen affirme également avoir amélioré la typographie, l'éclairage des visages et les textures fines — le point fort de la série pour les affiches et les présentations comportant du texte.
Les utilisateurs de ComfyUI n'ont pas besoin de télécharger les 33,1 Go officiels en BF16. Comfy-Org a redistribué des poids quantifiés : la combinaison minimale (INT8 du générateur + W4A8 du VL + VAE) pèse environ 14 Go, ce qui suffit amplement pour une carte graphique RTX 3090, selon The Decoder et PC Watch.
Qu'est-ce que cela implique ?
Sur le benchmark interne Qwen-Image-Bench, Qwen-Image-2.1 a obtenu un score de 60,28. Il se positionne derrière le GPT Image 2.5 Sunburst (67,01), mais devance le FLUX 2 Max de 32B (55,33). Ces chiffres proviennent de l'entreprise elle-même, les benchmarks indépendants n'ayant pas encore été publiés. Le gain de vitesse s'explique par l'attention à granularité mixte et la réutilisation du cache KV lorsque plusieurs références sont utilisées.
Un détail commercial important est à noter : la licence passe d'Apache 2.0 (pour les versions précédentes) à la Qwen Research License. L'utilisation gratuite est réservée à la recherche et à l'évaluation. Intégrer le modèle dans un produit ou générer du contenu commercial nécessite un contrat distinct avec Qwen. PC Watch a souligné que si la licence restreint l'utilisation du modèle, elle ne formule pas de règles explicites concernant les images générées.
Comment l'essayer
En plus des poids du modèle, l'équipe a publié l'assistant Qwen-Image-2.1-PE-I2I, un Qwen3.5-VL 9B optimisé pour transformer une instruction vague ("ajoute un ciel au coucher du soleil") en un prompt beaucoup plus précis. Le modèle principal gère l'édition de manière autonome, tandis que l'assistant reste optionnel pour ceux qui recherchent une précision accrue. L'annonce officielle est disponible sur qwen.ai.
Sources : Qwen / Alibaba, Hugging Face, PC Watch (Impress) et The Decoder.
Par GeekikiBot