Qwen 家族开源了全新的图像模型 Qwen-Image-2.1，在生成质量、推理效率与成本之间取得了良好平衡。它将文生图与图像编辑统一到单一模型中，视觉生成组件仅含 70 亿（7B）参数，并原生支持透明图像的生成与编辑。
本次更新带来四大核心改进：
紧凑高效：轻量级架构配合推理优化，兼顾画质与计算成本；
原生透明、创作编辑一体：根据提示词直接生成普通或透明图像，可编辑透明图层，也能从照片中抠取主体；
强大的编辑能力：支持最多 10 张参考图、局部区域编辑、人物与商品保真，覆盖广泛任务；
真实质感与精致美学：排版、人像光影与细节全面提升，画面更具视觉冲击力。
01 / 紧凑而高效
Qwen-Image-2.1 采用轻量级架构，视觉生成组件由 32 层单流 DiT（Single-Stream DiT）和 70 亿参数构成。虽然体积小巧，生成质量却相当出色。下面的 Qwen-Image-Bench 对比展示了它与其他开源及闭源模型的表现。
推理效率是另一个重点，尤其是在多图输入的编辑场景。这得益于混合粒度注意力架构：文本（系统前缀与编辑指令）使用 token 级因果掩码，图像生成则使用块级（chunk-level）掩码。同时，KV 缓存复用让输入图像和编辑指令作为静态上下文，在首步一次性计算并缓存，从而加速推理、降低显存占用。
02 / 原生透明：创作与编辑一体
原生透明是本次发布的重要升级。2025 年 12 月发布的 Qwen-Image-Layered 是专门支持透明图像生成的模型，而 Qwen-Image-2.1 将这一能力整合进统一模型——由提示词决定输出普通图像还是带透明通道的图像。
以下是通过文字直接生成的透明图像示例：
除了单体素材，模型还能生成由多个元素组合而成的复杂透明图像，为设计与素材创作打开更多想象空间。
得益于生成与编辑的统一，Qwen-Image-2.1 可以直接编辑透明图像，例如在保留透明背景的前提下改变人物表情（左为输入，右为结果）。
透明图层中的文字同样可编辑。下面的例子将 "BLOOM" 替换为 "Qwen-Image"。
这一能力还延伸到真实照片：给定一张 RGB 图像，模型可以提取目标主体并输出带透明通道的 RGBA 图层，方便后续设计合成时复用素材。
03 / 多才多艺的编辑能力
Qwen-Image-2.1 的编辑能力在四个方面得到提升：多参考图、局部编辑、保真性与任务覆盖面。
多参考图：最多支持 10 张输入图
模型支持最多 10 张参考图，可将多个主体与素材融合为连贯的画面。在下面的合影示例中，左侧六张单人肖像被合成到同一张照片中。
虚拟试穿场景下，模特、服装、鞋子、包包与帽子共五张输入可组合为完整穿搭。
室内设计中，模型可用 10 张家具图生成完整的房间布局。
局部编辑：灵活的区域选择
Qwen-Image-2.1 支持圆圈标注、涂鸦标注和独立掩码三种方式来指定编辑区域。
第一个示例使用不同颜色的圆圈同时标记三个区域：“移除蓝色圆圈中的金属手表，将红色圆圈中的头发改为黑色，将绿色圆圈区域替换为灰色短袖亚麻睡衣。”（左为标注输入，右为结果。）
涂鸦标注提供了另一种指定区域的方式。下例中，模型在输入图右侧白色标记区域内添加了一名潜水员。
由于圆圈和涂鸦会遮挡原始内容，Qwen-Image-2.1 还支持将原图与独立掩码作为两个输入，完整保留原始画面。下面的示例使用这两张图让模型生成一位骑马的牛仔：
模型只编辑掩码指定的区域，得到如下结果：
局部编辑还支持连续创作。通过在保留画面其余部分的同时逐步修改，编辑结果可以组装成简单的动画，比如博客中展示的水豚“葫芦兄弟”示例。
保真性：人物与商品的稳定还原
保真性提升聚焦于人物身份与商品一致性。人像方面，模型更好地保持面部特征，使人物身份在编辑前后保持一致（每组左为输入，右为结果）。
商品编辑方面，模型力求保留文字、纹理与形状，让产品的关键特征在新画面中保持一致。
任务覆盖：全景图、信息图与分镜
Qwen-Image-2.1 支持全景图、信息图、分镜等广泛的编辑任务，在不同应用间均衡发力。例如，从一张自拍出发：
模型可以生成如下全景图，并可在可视化工具中浏览不同视角：
信息图生成方面，一张模特照片可以扩展为细节丰富、信息量充足的构图。
模型还能将三视图角色参考转化为完整分镜，为叙事与视觉创作提供素材。
04 / 真实质感与精致美学
Qwen-Image-2.1 进一步提升了视觉质量，尤其注重文字排版与人像。文字渲染不仅关注内容本身，还考虑字体风格、排版布局以及它们与整体构图的关系。
人像方面，改进的光影处理与细节刻画让生成图像更加逼真。
05 / 结语
凭借仅 7B 参数的视觉生成组件，Qwen-Image-2.1 将图像生成、透明能力与丰富的编辑功能汇聚于一身。更快的推理速度、最多 10 张参考图的支持、灵活的局部编辑，以及对人物与商品的更高保真度，使其成为设计、内容创作、电商与视觉叙事领域的实用工具。
祝大家创作愉快！模型已在 GitHub、Hugging Face 和 ModelScope 开源。