Qwen-Image-2.1 模型卡详解：混合粒度注意力与 KV 缓存复用

AdinaYakup · x · 2026-09-21

Hugging Face 上的 Qwen-Image-2.1 模型卡给出了更多技术细节：模型以 7B 参数（32 层 Single-Stream DiT）平衡生成质量与推理效率，采用混合粒度注意力与前缀 KV 缓存复用降低计算成本；统一支持文生图与编辑，可生成 RGBA 透明图、编辑透明图层、抠出照片主体；编辑时支持最多 10 张参考图，可用圆圈、涂抹标注或独立 mask 指定局部修改，并保持人物与产品身份；排版、人像光效与细节纹理也有提升。模型卡附 pip 安装与 Diffusers QwenImage21Pipeline 快速上手代码，许可证为 qwen-research（仅限研究与评估）。