千问开源 Qwen-Image-2.1：7B 视觉生成，支持透明图层与 10 张参考图
智东西 · wechat · 2026-09-21
千问开源图像模型 Qwen-Image-2.1，将文生图与图像编辑整合于同一模型，视觉生成部分仅 7B 参数（32 层 Single-Stream DiT），原生支持透明图像生成与编辑。官方 Qwen-Image-Bench 评测得 60.28 分，列开源模型第一，超过 NanoBanana2.0、GPTImage1.5 等闭源模型，落后于 GPTImage2、GrokImagine2.0。
核心能力
- 透明图像：可自动输出带透明通道的图像/RGBA 图层，支持透明图层文字替换与主体提取，服务平面设计与电商合成
- 多图输入：最多支持 10 张参考图，覆盖多人合照合成、穿搭效果、室内设计布置等场景
- 局部编辑：支持圈选、涂抹、独立掩码三种方式，可同时精准修改多个区域
- 保真度：人像多次编辑后面部特征保持一致；商品文字、纹理、外形在新场景中得以保留
架构优化：采用混合粒度注意力（文本用 Token 级因果掩码、图像用 Chunk 级掩码）与 KV Cache 复用预计算，降低推理显存开销。此外还支持全景图、信息图、分镜图生成，文字排版质量同步增强。开源地址见 GitHub、ModelScope、HuggingFace。
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
- 用 AI 重制《霹雳游侠》片头:2D 风格翻拍 + 复刻原曲四连音改编 — justin_hart · 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