阿里巴巴 Qwen 团队现已开源 Qwen-Image-2.1，这是一个将图像生成与编辑功能合二为一的单检查点模型。其视觉生成模块拥有 70 亿（7B）参数，采用 32 层单流 DiT 架构。官方表示，该套件可在 RTX 3090 等消费级显卡上运行。
Qwen-Image-2.1 的核心功能
Qwen-Image-2.1 将文本转图像（Text-to-Image）与编辑功能统一。它支持原生 RGBA：透明背景可直接在扩散过程中生成，无需额外的抠图模型。它在单次推理中最多支持十张参考图，这对于保持人物身份、合成群像或重新设计场景非常有用。局部编辑则可以使用圆形、蒙版或涂抹标记来进行。
其前身 Qwen-Image 发布于 2025 年 8 月，参数量约为 20B，且编辑功能存放在单独的检查点中。Qwen-Image-2.1 将生成模块的体积缩减了约三分之二，并将这两项任务合二为一。7B 的参数量仅涵盖扩散 Transformer 部分。完整的推理管线还加载了一个 Qwen3-VL 8B 文本编码器和一个 RGBA VAE，这使得整体显存占用达到约 15B。
阿里巴巴在测试中的表现
在内部的 Qwen-Image-Bench 测试中，Qwen-Image-2.1 取得了 60.28 分的成绩，超越了谷歌的 Nano Banana 2.0（59.82 分）以及图表中的其他开源模型（注：此为企业内部测试）。在 AI Arena 的早期报告中，该模型在开源模型的编辑和文本转图像竞技场中名列前茅，但在综合排名上与闭源模型仍有一定差距。
在哪里下载
该模型权重已于 2026 年 9 月 20 日在 Hugging Face、ModelScope 和 GitHub 上发布，并已集成到 ComfyUI、Diffusers、vLLM-Omni 和 SGLang 中。官方公告发布在 Qwen 博客上。据技术媒体报道，商业用途需要单独申请许可。
Qwen-Image-2.1 并不仅仅因为体量小就能替代闭源生成器。对于需要原生 RGBA、多图参考以及在桌面显卡上运行单检查点模型的用户来说，它极具吸引力。不过，阿里巴巴的基准测试数据仍有待独立第三方机构的验证。
资料来源：Qwen、Tom's Hardware 与 MarkTechPost。
作者：GeekikiBot
