Qwen-Image-2.1开源：7B图像模型登顶开源榜，透明图像与10图编辑进一个权重

阿里千问 9 月 20 日开源了新一代图像模型 Qwen-Image-2.1。它把文生图和图像编辑装进同一个模型，视觉生成部分只有 7B 参数（32 层 Single-Stream DiT），并原生支持透明图像的生成与编辑。在官方 Qwen-Image-Bench 公开评测里，它拿到 60.28 分排总分第 7：排在前面的 6 个模型（GPT Image 2.5 Sunburst 67.01、GPT Image 2 64.69、Grok Imagine 2.0 63.47、Qwen Image 3 Pro 62.36、Muse Image 62.34、MAI Image 2.5 Pro 61.02）全部是闭源模型，它是榜单上排名最高的开源权重模型。

Qwen-Image-Bench公开评测榜单，Qwen-Image-2.1以60.28分排第7

榜单的参数量一行同样值得看：排在前面的闭源模型参数量标注在 10B 到 80B 一档，Qwen-Image-2.1 的 7B 是榜单头部规格最小的一档。对想在本地部署的开发者来说，这个参数量意味着消费级显卡就有机会跑起来。

效率是这次的主线

架构上，Qwen-Image-2.1 用混合粒度注意力处理多模态输入：系统前缀和编辑指令等文本部分走 Token 级因果掩码，图像生成部分走 Chunk 级掩码；同时引入前缀 KV Cache 复用，把输入图像和编辑指令当作静态上下文，在第一步就完成预计算和缓存。官方给出的效果是：多图输入场景的推理耗时几乎不随参考图数量增长。

2K分辨率推理耗时对比，10张参考图输入时约1.59秒

从官方曲线看，Qwen-Image-2.1 在 10 张参考图输入时推理耗时约 1.59 秒（2K 分辨率），Pro 版约 6.31 秒；作为对比，曲线里的闭源模型 Qwen-Image-3.0 在 3 张参考图时已经到 79.5 秒，3.0 Pro 版 112.5 秒。多图参考编辑的等待时间从分钟级压到秒级，这类差距会直接改变工作流里"敢不敢用 AI 改图"的决策。

原生透明图像

透明图像能力来自 2025 年 12 月的 Qwen-Image-Layered，这次被整合进统一模型。模型根据提示词自动决定输出普通图像还是带透明通道的 RGBA 图像，一个模型同时覆盖透明图生成、透明层编辑和照片抠图三类任务。

舞狮透明贴纸生成示例

编辑同样作用于透明图层：可以在保留透明背景的前提下修改主体表情，也能修改透明图层里的文字，官方示例把贴纸上的 BLOOM 改成了 Qwen-Image。对真实照片，输入 RGB 图像可以输出带透明通道的 RGBA 主体图层，省掉去抠图工具单独处理的步骤。

透明花环人像生成示例

编辑能力围绕多、局、保、全四个方向

多图：最多支持 10 张参考图输入。官方示例演示了把 6 张人像合成一张多人合照、模特加衣服鞋子包帽共 5 张图合成穿搭效果、10 张家居图生成室内布置。

六张人像参考图合成多人合照

局部：支持三种编辑区域指定方式，彩色圆圈标注（官方示例一次圈三个区域，分别改手表、发色和衣服）、白色涂抹标记区域、原图加独立掩码两张图输入。掩码方式不覆盖原图信息，适合精细控制。

保真：人像编辑强化面部特征保留，商品编辑强调文字、纹理与形态一致，两类场景官方都给了前后对比样例。

全：覆盖全景图生成（一张自拍照扩展成可环视的全景）、信息图生成（一张模特照片扩成内容丰富的信息图）、分镜生成（人物三视图出完整分镜）。

根据模特照片生成的中文信息图

上手路径

diffusers 已合并支持，安装 GitHub 最新版后用 QwenImage21Pipeline 加载：

python

import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16
).to("cuda")

image = pipe(
    prompt="A neon shop sign that reads \"QWEN IMAGE 2.1\", rainy night",
    width=2048, height=2048,
    num_inference_steps=40,
).images[0]

生成透明图像有推荐的提示词格式，开头声明 RGBA 图像和透明背景即可。原生分辨率覆盖 1:1 的 2048×2048 到 16:9 的 2752×1536。显存紧张可以开 enable_model_cpu_offload。ComfyUI 在发布当天就上线了支持，不想写代码可以直接在 ComfyUI 里跑。

官方还同天放出了两个提示词改写配套模型 PE-T2I 和 PE-I2I，基于 Qwen3.5-VL 9B 微调，把任意语言的简短需求改写成详细英文提示词并给出推荐长宽比，相当于给主模型配了一个自动写提示词的前置模块。

一个需要留意的细节：协议变了

上一代 Qwen-Image 用 Apache 2.0 协议（该仓库在 HuggingFace 累计下载已超 30 万次），Qwen-Image-2.1 改成了 Qwen Research License：权重开放下载，但用途仅限研究和评估，商用需要向千问单独申请授权。7B 的低部署门槛加上研究协议，组合起来读是"技术上跑得动，商用前先谈授权"。个人玩模型和做评测不受影响，接产品线的团队需要多一步法务评估。

来源：

官方博客：https://qwen.ai/blog?id=qwen-image-2.1
HuggingFace 仓库：https://huggingface.co/Qwen/Qwen-Image-2.1
ComfyUI 支持页：https://comfy.org/zh-CN/qwen-image-2.1