Alibaba открыла веса Qwen-Image-2.1, модели для генерации и правки картинок

Alibaba 20 сентября выложила открытые веса¹ Qwen-Image-2.1 — модели, которая рисует картинки по описанию и правит готовые, в том числе с прозрачным фоном. Команда Qwen в соцсети X назвала её самой сбалансированной и экономичной в серии Qwen-Image и заявила, что она обходит большинство закрытых моделей.

Почему это важно: Рисование, правка и работа с прозрачными слоями собраны в одной открытой модели. Картинку с прозрачным фоном можно сразу накладывать на другую, а объект с фотографии модель вырезает сама.

В цифрах: Alibaba подаёт модель как компактную и быструю.

• В той части модели, которая рисует, 7 млрд параметров, а запрос и картинки-образцы разбирает отдельная модель Qwen3-VL на 8 млрд.
• За один раз модель принимает до десяти картинок-образцов, из которых собирает новое изображение.
• Модель рассчитана на изображения в разрешении 2K², в том числе с разными пропорциями кадра.

Детали: Примеры Alibaba показывают, что умеет модель.

• Из шести отдельных портретов она собрала групповое фото, а из пяти снимков — модели, одежды, обуви, сумки и шляпы — цельный образ.
• Место правки можно обвести кружком, закрасить поверх картинки или задать маской³: в одном примере модель за раз убрала часы, перекрасила волосы и заменила одежду на пижаму.
• По рисунку персонажа в трёх ракурсах модель рисует раскадровку, а ещё делает панорамы, инфографику и виртуальную примерку одежды.
• По словам Alibaba, при правке модель сохраняет лица людей и вид товаров, а надписи и портреты у неё получаются аккуратнее, чем у прошлой версии.

Как это работает: Изображение модель строит постепенно, за много шагов, но запрос и картинки-образцы обрабатывает только на первом шаге и дальше использует готовый результат. Поэтому, по словам Alibaba, правка по нескольким образцам идёт заметно быстрее.

Расклад: Популярные инструменты поддержали модель в день выхода.

• Её сразу поддержали библиотека Diffusers⁴, редактор ComfyUI, где генерацию собирают из блоков, и серверные движки vLLM-Omni, SGLang и LightX2V.
• Модель запускается на видеокартах AMD Radeon, а через открытый набор программ FlagOS — на чипах восьми платформ, среди них Arm.
• Короткий запрос можно сначала развернуть в подробное описание: для этого Alibaba выложила ещё две модели, одну для рисования, другую для правки.
• В материковом Китае все функции модели бесплатно доступны на сайте wuli.art.

Если шире: Это третий релиз Alibaba за три дня. 18 сентября компания выпустила Qwen3.8-Omni-Flash, которая понимает видео и звук, а 19 сентября показала модель синхронного перевода Qwen3.8-LiveTranslate.

Но: Открытые веса здесь не означают свободного использования.

• Модель распространяется по исследовательской лицензии Qwen Research License: брать её можно для исследований и оценки, а для коммерческого применения нужно запросить у Alibaba отдельную лицензию.
• Первая Qwen-Image в 2025 году выходила под лицензией Apache 2.0, которая разрешает коммерческое использование без отдельного согласия.