Qwen-Image-2.1 – 阿里通义千问开源的一体化图像生成与编辑模型

Qwen-Image-2.1是一款由阿里通义千问于2026年9月推出的一体化图像生成与编辑模型，主要把文生图与图像编辑放进同一个模型完成，原生支持透明图像生成、透明图层编辑与抠图，最多可输入 10 张参考图，适用于电商视觉设计、平面素材制作与人像后期等场景。

Qwen-Image-2.1 的核心能力

这一代改动集中在一条主线上：把「生成」与「改图」收进同一套参数，同时把透明通道变成一等公民。官方同步给出 Qwen-Image-Bench 的公开评测对比，把它与同代闭源模型放在同一张榜上逐项打分；这类生成与编辑一体化的路线，也是 AIGC 从出图工具走向生产环节的关键一步，评测口径可参考站内整理的 Qwen-Image-Bench 说明。

7B 视觉生成模块与混合粒度注意力

视觉生成部分只有 7B 参数、32 层 Single-Stream DiT，规模压缩后仍要保住生成质量，靠的是推理侧的优化：文本部分（系统前缀与编辑指令）走 Token 级因果掩码，图像生成部分走 Chunk 级掩码，两者混在同一套注意力里；输入图像与编辑指令被当作静态上下文，在首步预计算并写入 KV Cache。参考图越多，这套复用带来的显存与耗时收益越明显。

原生透明图像生成与图层编辑

透明图像的生成与编辑被合并进统一模型，模型会依提示词自行判断输出普通图像还是带透明通道的图像，不再需要单独的抠图链路。输入一张普通 RGB 照片，也能提取指定主体并输出带透明通道的 RGBA 图层；透明图层内的文字同样可以直接改字。此前这项能力由 2025 年 12 月的 Qwen-Image-Layered 单独承担，本代将其并入统一模型。

最多 10 张参考图的多图编辑

模型最多接受 10 张参考图，可综合多个主体与素材生成协调画面。实测场景里包括把 6 张人像整合进同一张合照、用模特与服装鞋包共 5 张图生成整套搭配、以及参考 10 张家居图输出完整室内布置效果。

圈选、涂抹与独立掩码的显式控制

局部编辑提供三种显式指定范围的方式：圈选可直接在图上圈出多个区域并分别下达指令，涂抹以笔刷划定改动范围，独立掩码则把原图与掩码作为两张图片输入，避免覆盖原始信息。相比纯自然语言描述位置，显式范围在多次迭代编辑中更不易漂移。

人像与商品一致性增强

编辑任务里最容易失手的是「改完不像本人」和「改完商品变了样」。本代强化了面部细节还原，并尽量保持商品的文字、纹理与形态一致，同时把能力扩展到全景图、信息图与分镜图生成。

Qwen-Image-2.1 与同类图像生成模型的对比

图像模型近一年的取舍集中在三件事：能不能同时生成与改图、显存吃得下多少、以及透明素材要不要另跑一条链路。以下对比数值取自千问官方发布材料的 Qwen-Image-Bench 公开评测图表，逐格列出。

把官方分值放在一起看，Qwen-Image-2.1 的 60.28 分与 Nano Banana 2.0 的 59.82 分只差 0.46 分，而前者是 7B 的可自部署模型、后者为闭源 API；榜单里同样在 55 分上下的 Seedream 4.5 与 FLUX 2 Max，参数量分别是 32B 与 20B。这一代把「开源模型追平闭源旗舰」的差距压到了半分以内，而参数量只有同分闭源模型的四分之一左右。表中「未在对比项内」指该模型未参与官方该项对比，未作推测填充。

如果想先看同门上一代在复杂版式与中文文字渲染上的表现，可参考 Qwen-Image-3.0（阿里通义千问推出的图像生成模型，主打约 4.5K token 复杂提示词与多语言文字排版）。两者的差别在分工：它侧重复杂版面与商业设计产出，本代把透明图层与多图编辑收进了统一模型。

Qwen-Image-2.1 的应用场景与适用人群

模型的能力边界决定它更适合需要反复改图、且对素材合规与成本敏感的生产场景：

• 电商视觉设计：商品编辑保持文字、纹理与形态一致，模特换装、多品穿搭上身与商品图精修可在一套流程里完成。
• 平面设计与素材制作：透明图直接生成，免去抠图环节，图层内文字可改，海报、Banner 与 Logo 初稿可直接产出并二次加工。
• 人像摄影后期：面部细节还原能力支持修图不改脸、换表情、换衣服，以及把多张人像合成合照。
• 室内设计与软装预览：参考最多 10 张家居图片，输入户型即可生成完整布置效果图，便于在装修前与客户对齐方案。

适用人群：需要把出图能力自建部署、对素材版权与数据出域有要求的电商与品牌设计团队；负责落地推理成本的产品与算法工程师；以及需要透明素材与批量改图能力的平面设计与影楼后期从业者。

Qwen-Image-2.1 的使用方法

模型提供在线体验与本地部署两条路径，生产环境以自建推理为主：

1. 查看官方示例：从 Qwen-Image-2.1 官方发布页 进入，先看透明图像、多图编辑与局部编辑的输入输出对照，确认能力边界。
2. 取回权重：从 GitHub 仓库 QwenLM/Qwen-Image-2.1 或 Hugging Face 仓库 Qwen/Qwen-Image-2.1 下载权重，ModelScope 同步提供国内镜像。
3. 搭建推理：按仓库说明安装依赖并载入权重，文本侧走 Token 级因果掩码、图像侧走 Chunk 级掩码，静态上下文在首步预计算并缓存。
4. 接入生产：多图场景把参考图控制在 10 张以内，人像与商品类任务建议同时传入独立掩码，减少主体漂移后再批量跑图。

Qwen-Image-2.1 的价格与开源情况

Qwen-Image-2.1 未提供官方云端接口，也未见按量计费的公开价目，成本主要落在自建推理的显存与算力上：视觉生成部分 7B 参数，单卡即可承载，配合混合粒度注意力与 KV Cache 复用，多图输入场景的开销增长比同规模模型更平缓。

权重层面，Qwen-Image-2.1 已在 GitHub、Hugging Face 与 ModelScope 三处同步开放下载，模型结构、推理代码与权重均可自取。但许可为研究许可、明确禁止商业使用，需要商用授权或私有化交付的团队须另行申请；这点与同门前代 Qwen-Image-2.0 的授权口径一致，若项目必须落到宽松商用许可，需另选开源协议更宽的一档。

Qwen-Image-2.1 的常见问题