阿里开源 Qwen-Image-2.1:7B 生图登顶开源第一,原生透明图
机器之心 · wechat · 2026-09-20
阿里千问开源图片生成模型 Qwen-Image-2.1,主打文生图与图像编辑一体化,面向真实设计工作流。
- 成绩:Qwen-Image-Bench 总分 60.28,超 NanoBanana2.0(59.82)与 GPT Image 1.5(59.65),居开源模型第一,而视觉生成部分仅 7B 参数,采用 20 层 Single-Stream DiT,原生支持 2K。
- 关键能力:原生透明图(RGBA)生成与从照片提取透明主体;最高 10 张参考图的多图编辑,支持圈选、涂抹、独立掩码做局部修改;强化人像身份与商品包装文字/纹理保真;文字渲染与排版更准;新增全景图、信息图、三视图、分镜能力。
- 效率优化:混合粒度注意力——文本走 token 级因果掩码,图像走 chunk 级掩码并用 KVCache 缓存参考图与指令等静态上下文,多图输入时显著降显存、提推理效率。
- 权重已发布于 Hugging Face 与 ModelScope,技术报告在 GitHub。需注意其许可证为严格的 qwen-research 非商用许可,无营收上限豁免。
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