阿里开源 Qwen-Image-2.1:7B 统一生图与改图,支持透明图层
Xianbao_QIAN · x · 2026-09-20
阿里 Qwen 团队开源 Qwen-Image-2.1,一个统一文生图与图像编辑的模型,视觉生成部分仅 7B 参数(32 层 Single-Stream DiT),采用 qwen-research 许可,已支持 vLLM-Omni 与 Diffusers。
四大改进:
- 轻量高效:混合粒度注意力 + prefix KV cache 复用,低成本保持画质
- 原生透明度:可直接生成/编辑 RGBA 透明图层,并从照片中抠取主体
- 灵活编辑:支持最多 10 张参考图,可用圆圈、涂鸦标注或蒙版指定局部编辑,保持人物与产品身份一致
- 质感提升:排版、人像打光与细节更精致
模型已在 Hugging Face、ModelScope 上线,可用 diffusers 的 QwenImage21Pipeline 快速上手(bfloat16、2048×2048 直出)。
所属事件:阿里开源 Qwen-Image-2.1：7B 统一生图与编辑(36 条相关)→
「多模态」频道最新
- 开源 Iris-Z 首次让图像生成与深度估计共用一个骨干，9B/32B 全开放 — victormustar · 2026-11-12
- 风格化 3D 角色图集：潮服小孩与丧系青年形象亮相 — OVolosin82152 · 2026-11-12
- AI 生成的 3D 针织质感卡通角色系列展示 — OVolosin82152 · 2026-11-12
- WebGL 交互绘画演示：fable 5.2 配合 fal 做参考图 — OdinLovis · 2026-11-12
- AI 动画「Fable 5.2」第二部分早期截图曝光 — ChrisGPT · 2026-11-12
- Reddit 用户实测 Minimax H3 Image 三大采样器,16MP 高分辨率对比 — Phantom-log-9484 · 2026-11-12