Qwen-Image-2.1 用一个 7B 视觉生成器同时完成文生图与图像编辑。它可以生成和编辑透明 RGBA 素材，最多接收 10 张参考图，还能用圈选、涂抹标注或蒙版指定局部修改。Diffusers、ComfyUI、vLLM-Omni、SGLang 和 LightX2V 已在发布当天接入。权重可以公开下载，但 Qwen Research License 只允许非商业研究与评估。
Qwen 发布统一生成与编辑的 Qwen-Image-2.1
2026-09-20已核实动态TRIAL
Qwen-Image-2.1 用一个 7B 视觉生成器同时完成文生图与图像编辑。它可以生成和编辑透明 RGBA 素材，最多接收 10 张参考图，还能用圈选、涂抹标注或蒙版指定局部修改。Diffusers、ComfyUI、vLLM-Omni、SGLang 和 LightX2V 已在发布当天接入。权重可以公开下载，但 Qwen Research License 只允许非商业研究与评估。
本文来自既有扫描档案。迁移保留原判断，不代表在迁移时重新核验。
对你意味着什么
对搭建本地图像素材流水线的团队来说，一个 checkpoint 现在就能覆盖生成、组合、编辑和透明背景输出，不必频繁切换模型。适合先做非商业 POC，重点测试文字、人物一致性、透明边缘、连续编辑退化和目标硬件延迟。商业团队在拿到单独授权前应保持 WATCH。
证据与关联材料
技术细节与六维评分
| 架构 | 7B 视觉生成器，包含 32 层 single-stream DiT、混合粒度注意力与可复用的前缀 KV 状态 |
|---|---|
| 能力 | 统一文生图与编辑；原生 RGBA 生成和编辑；最多 10 张参考图；支持圈选、涂抹标注和蒙版局部编辑 |
| 分辨率 | 原生 2K；官方示例包含 2048x2048 及多种横竖画幅 |
| 运行时支持 | Diffusers、ComfyUI、vLLM-Omni、SGLang 与 LightX2V 在发布当天接入 |
| 服务测量 | SGLang 在单张 RTX PRO 6000 Blackwell 上报告：1024x1024、40 步时生成中位数 8.23 秒、编辑中位数 9.85 秒，峰值显存 40.1 GiB；DiT offload 可将峰值降至 26.1 GiB，但延迟上升 |
| 许可证 | Qwen Research License；只允许非商业研究与评估；商业使用需要单独授权 |
| 评测状态 | 视觉质量与人物一致性来自厂商报告；扫描截止时没有独立质量评测 |
技术影响 4
工程价值 4
采用信号 3
成熟度 3
验证成本 3
风险 4