Qwen-Image-2.1：把生图补成一套可部署的图像管线

图像生成 / 开放权重 · 8.9/10 · 建议深挖

Qwen-Image-2.1 用同一套模型完成文生图和指令编辑，视觉生成部分为70亿参数、32层单流DiT，支持原生2K、RGBA透明图和最多10张参考图。局部修改既可以用遮罩，也可以直接在图上画圈或涂写，模型再按标记完成编辑。

这次发布真正有用的地方，是它开始覆盖一条完整的图像生产流程。透明图可以直接进入贴纸、商品图和设计素材；多参考图可以同时保持人物或商品身份；生成和编辑共用模型，减少了在生图、抠图、局部重绘之间来回切换工具的次数。Diffusers、ComfyUI、vLLM-Omni、SGLang和LightX2V首日适配，也说明这次发布从一开始就考虑了本地工作流和服务化部署。

它在推理结构上也有一个值得注意的细节。多图编辑时，文字和条件图构成的前缀只需编码一次，随后40步去噪可以复用同一份KV缓存。参考图越多、条件越复杂，这种复用越有价值。Qwen把“能生成”与“怎样更高效地反复编辑”放进了同一套设计里。

代价同样要算清。70亿只指视觉生成组件，条件编码还需要Qwen3-VL 8B；官方另提供两个Qwen3.5-VL 9B提示词改写模型，完整管线并不是单个7B模型。权重采用Qwen Research License，只允许非商业研究和评估。社区接下来需要实测的是显存、延迟、复杂中文排版和多参考图的一致性，而不是再看一轮官方样图。