拿下开源生图第一，千问Qwen-Image-2.1把生图卷出新高度

编辑｜泽南

AI 写代码的能力经常能让开发者「双手离开键盘」，但对于设计师而言，AI 生成的图片距离能交稿总是差了好几步。

在图像设计的工作流中，人物需要抠图、素材需要改字、各种商品的摆放要时不时调整，但包装上的字、瓶身的形状不能跟着变。如果需求不停调整，还得继续修改局部，让整张图保持协调。

这些细节决定了 AI 生图能否进入真正的创作流程。对设计师、电商运营和内容创作者来说，如今图像模型的瓶颈，在于每一次提出的修改指令能否准确完成。

本周日，阿里千问正式开源图片生成模型 Qwen-Image-2.1，以小模型的体量解决了大部分生产力难题：它实现了文生图与图像编辑一体化，原生支持透明图生成，最高可以接收 10 张参考图，还进一步强化了局部编辑、人像与商品保真。

它成为了千问图像系列当前最平衡、性价比最高开源生图模型。公开评测结果显示，Qwen-Image-2.1 取得开源模型第一，得分甚至超过了 Nano Banana 2.0。要知道，这个模型的视觉生成部分参数量仅为 7B。

在 X 等平台上，已经有提前获得体验资格的用户放出了生成结果，大家一阵好评。有包含大量文字内容的效果图：

生成出真实照片质感图片的：

也有尝试各种不同滤镜、打光风格的：

人们认为 Qwen-Image-2.1 在指令遵循、抽卡成功率以及实际效果上都令人印象深刻。基于新模型的能力，我们已经可以串起素材生成、组合与修改的工作流，用 AI 来解决很多复杂的修图问题。

能力与效率

据介绍，Qwen-Image-2.1 的视觉生成部分采用 20 层 Single-Stream DiT，参数量为 7B，原生支持 2K。该模型在评测基准中实现了超越体量的水平：Qwen-Image-2.1 的总分为 60.28。相比之下，Nano Banana 2.0 为 59.82，GPT Image 1.5 为 59.65。它已经能够与多款闭源图像模型同场竞争。

Qwen-Image-Bench 评测图表。

视觉生成部分仅有 7B 参数，也让这样的能力水平更值得关注：其在较小的生成模块中同时容纳了生图、透明素材生成与多图编辑能力（生成和编辑统一管线），为开发者部署和定制图像工具提供了更轻量的起点。

性能不错的同时，Qwen-Image-2.1 还对模型的推理过程进行了优化，核心思路是减少不必要的重复计算。

在一次图像编辑中，输入的参考图和编辑指令不会随着每一步生成而改变。因此，新模型使用混合粒度注意力结构，文本部分（系统前缀、编辑指令）遵循传统 Token 级因果掩码，逐词进行严格的序列计算以保证语义逻辑理解的连贯性，图像生成部分则采用 Chunk 级掩码，并通过 KV Cache 的机制在首步计算后缓存这些静态上下文，供后续生成步骤复用。

这意味着 AI 现在会先处理好参考材料，在逐步生成目标图片时重复利用已有结果，这种优化在多图片输入时效果更为明显，有助于提升推理效率、降低显存开销。

因为现在 Qwen-Image-2.1 最多支持 10 张参考图了，这项优化就显得至关重要。输入内容越丰富，如何处理参考信息、控制重复计算就越值得关注。至于具体能节省多少时间和显存，还需要结合硬件、精度、分辨率与输入数量来判断。

直接生成可用透明素材

要说新版本 Qwen-Image 最贴近设计需求的能力，那就是透明图生成了。

常规的图片素材通常带有完整背景。要把其中的主体用到海报、商品详情页或另一张图片里，往往需要先抠图，处理轮廓、缝隙和边缘。透明图片则包含额外的透明度信息，能让背景从主体周围或部分区域透出来，方便后续叠放和组合。

Qwen-Image-2.1 原生支持透明图生成，可以依据提示词自动决定生成的是普通图片还是透明图，用户在描述素材时就能提出透明背景的要求。目前展示的样例包括节庆插画、人物素材、装饰元素，以及由多个对象构成的复杂组合，对应的都是设计工作里常见的素材需求。我们也尝试了一下：

对于创作者来说这是个好消息，现在我们可以得到直接可用的素材了，工作直接少了几道工序。

当然，这些透明素材生成之后也能继续修改。比如同一个插画人物可以调整表情，图片中的文字可以修改内容。编辑对象既可以是人物的视觉细节，也可以是素材中的文字。

这与设计时的真实修改需求很接近：活动名称换了，图案仍然需要保留；表情要更轻松一些，人物仍然要能被识别为同一个角色。生成与编辑被放进同一模型后，这些后续要求也有了统一的处理入口。

当然，Qwen-Image-2.1 支持对已有照片进行处理。

官方给出了从真实照片中提取所需内容、得到 RGBA 透明图的案例。其中的 A 代表透明度通道，用来描述图片各处的透明程度。

可见，这项能力既服务于从零开始生成，也覆盖了已有图片的再利用。创作者可以先提供照片，再要求模型提取其中需要的主体，作为后续设计的素材。

Qwen-Image 系列此前曾推出独立的 Qwen-Image-Layered，探索透明图相关能力。此次 Qwen-Image-2.1 则将原生透明图生成与编辑整合进通用图像模型，进一步提升了便利性。

多图编辑需要的准确，开源 AI 模型也有了

当一张图的需求来自多个对象，编辑任务会进一步复杂化。

例如，如果想把指定的衣服、鞋子、包包和帽子穿戴到同一位模特身上，每一张参考图都有不同作用，模型就需要区分人物与商品，将它们放到合理的位置，并尽可能保留各自的特征。

Qwen-Image-2.1 最高支持 10 张参考图输入。我们试了试，让奥特曼和达里奥坐下来谈谈。使用了 7 张图片：两个人对峙的照片（改个表情）、背景房间、单人沙发、咖啡杯（倒上咖啡）、落地灯、电壁炉、矮桌，最终生成一张完整的效果图。

不同的衣饰穿戴现在也能快速给一个人穿搭上看效果，你现在也能把不同的单人拍照组合成多人合照。

技术上，它们考验的不只是 AI 模型能接收多少张图片的输入，还包括参考对象能否在最终画面中各就其位，比例、位置和整体风格是否协调。

组合出了整体画面，接下来通常还有局部调整。

Qwen-Image-2.1 提供圈选、涂抹和独立掩码等方式，让用户更明确地表达编辑位置。比如你可以用几种颜色标出不同区域，要求一次修改同时去掉照片中人物的部分穿戴、把头发改色。

这种交互让空间位置与文字要求建立起对应关系。对于涉及多个区域的编辑，用户可以分别指出哪里需要删除、哪里需要替换，以及希望改成什么。

涂抹方式则适合直接标出新增对象的位置，但直接在原图上圈选或涂抹也会遮住一部分画面。为此，模型还支持通过额外的掩码图片指定编辑区域，这让原图信息能够完整地输入模型。对于包含人物和商品的设计来说，这种保留能力尤为关键。

文字准确性、画面质感

换了发型或场景，人像仍应保有原来的身份特征；商品换了摆放环境，包装文字、纹理和形状也需要尽可能一致。否则，画面即使好看，也可能无法用于原本的展示任务。Qwen-Image-2.1 重点介绍了人像与商品两类场景的编辑保真能力，看起来效果还不错。

我们尝试了一下，比如让它把小学《信息科技 三年级上册》的这页截图里面，DeepSeek 的欢迎语「我是 DeepSeek，很高兴见到你！」改成「你好，我能帮上什么忙吗？」，再把深度思考（R1）改成最新版本的深度思考按钮，再点亮：

在生成和编辑之外，Qwen-Image-2.1 也继续改善了在文字与人物上的表现。不论是文字密集的图文页面、信息图、论文配图，内容的准确性和排版美观程度都被提升到了一个可观的程度。

人像部分，Qwen-Image-2.1 进一步增强了光影与细节表现。现在 AI 生成的图像不论是人物的发丝、服装纹理、面部细节还是环境光线都变得更加协调，画面质感更加细腻了。

另外还有更好的全景图生成、信息图、三视图、分镜图生成能力，它们拓展了静态图像生成和编辑的应用范围，为角色展示、视觉策划等任务提供了更多可能。我们试了一下，使用社区制作的 Qwen 二次元形象生成一系列分镜插画：

这些能力组合在一起，让 Qwen-Image-2.1 覆盖了更为完整的图片处理链条，现在我们可以基于一个 AI 模型完成大量工作，先使用多张参考图组织画面，再对区域进行调整，同时尽量保留人物与商品的关键特征。一个视觉生成部分仅有 7B 的开源 AI 最终能把返工减少到什么程度，将是后续实测中值得关注的问题。

应用空间有多大？

Qwen-Image-2.1 的发布让我们看到，图像模型正在覆盖创作流程中更多的细化环节，而且这个趋势在变得越来越快。

不论是透明素材的输出，多图参考、局部编辑与保真度能力的提升，都增加了 AI 模型进入实际工作流程的可能性。对于创作者而言，这意味着更多的素材制作和调整工作，都可以通过更简单的方式交给开源生图模型完成；而对开发者们来说，新模型开源也为围绕这些能力构建设计工具、应用和定制工作流提供了新的基础。

我们可以大胆预测下，随着 Qwen-Image-2.1 这类图像模型的开源，社区还会进一步把生成与编辑能力融入更多内容制作场景，让更多人用上适合自己需求的创作工具。当这些 AI 能力成为日常软件中随手可用的功能，从想法到视觉作品的门槛，或许就能再次大幅降低。

目前，Qwen-Image-2.1 的开放权重已发布至 Hugging Face 与 ModelScope，技术报告已上传至 GitHub 仓库。

• Blog: https://qwen.ai/blog?id=qwen-image-2.1
• GitHub: https://github.com/QwenLM/Qwen-Image-2.1
• Model Scope: https://www.modelscope.cn/models/Qwen/Qwen-Image-2.1
• Hugging Face: https://huggingface.co/Qwen/Qwen-Image-2.1