Qwen-Image-2.1、7Bパラメータで生成と編集を1モデルに統合
Qwen-Image-2.1: Compact, efficient, and unified image creation
Qwen-Image-2.1は、テキストからの画像生成と画像編集を単一モデルに統合したオープンソースの画像モデルだ。視覚生成コンポーネントは32層のSingle-Stream DiTと7Bパラメータという軽量構成ながら、透明画像のネイティブ生成・編集、最大10枚の参照画像、マスクや円・塗り注釈による局所編集、人物や製品の一貫性保持に対応する。混合粒度アテンションとKVキャッシュ再利用で推論効率も高めている。
Qwen-Image-2.1は、テキストからの画像生成と画像編集を単一モデルに統合し、視覚生成コンポーネントはわずか7Bパラメータで、透明画像の生成と編集をネイティブにサポートする。
HNでの議論
193- vunderba
所感
ポジティブ
• Qwen-Image 1（20bパラメータ）よりもはるかに小さく、わずか7bなので、利用可能なオープンウェイトモデルの中でも小さい部類に入る（Z-Image Turboは6bで数少ないより小さいものの一つ）。Ideogram、Krea2、Flux2などと比べてもそうだ。
• ネイティブの透過をサポートしている（私の知る限り、Qwenチームだけがこれに取り組もうとしている）。背景除去のポストプロセッサを設定するのは比較的簡単だが、ネイティブでサポートされているのを見るのは素晴らしい。
• QwenImage2.1 convrotを使えば高速で、1MPの画像はRTX4090で約5秒だった。
ネガティブ
• ライセンス（尊重するならばの話だが）ははるかに制限的だ。元のQwen Image 1は標準のApacheライセンスでリリースされていたが、これは別途ライセンスを取得しない限り商用利用を明示的に禁止している。一方で、我々の多くはQwenチームが再び「weights-available」をリリースするとは思っていなかった。
約1年前にリリースされたQwen-Image 1.0は、私のGenAI Showdown Benchmarksでわずか4/15だった。それ以来、Krea 2（6/15）やIdeogram4（8/15）に追い抜かれている。時間ができたら新しい結果を投稿するつもりだ。
- jjcm
私はデザインプロセスに画像モデルを使うプロンプトからUIへのデザインサイトを運営している[1]。特にテキストレンダリングのおかげで、ライセンスにもかかわらずこのモデルは私にとって非常に興味深い。以下は私のハーネスを使い、gpt-image-2とqwen 2.1の出力を比較したテストだ：
https://html.non.io/qwen-comparison/
テキストレンダリングは間違いなく、現在オープンウェイト市場で他よりずっと、ずっと優れている。小さいテキストの忠実度はかなり良い。ただし、テキストエンコーダはより大きなプロンプトで少し過負荷になるようだ——デザイン出力にhexコードが現れているのに注目してほしい。それらは拡張プロンプトからの入力だった。
ウェブデザイン向けにこれでポストトレーニングを試すつもりだ。真剣なポテンシャルがある。
[1] diffui.ai
- jfoster
以前のQwenモデルの多くは、とりわけApacheライセンスなどを使っていたようだ：
https://en.wikipedia.org/wiki/Qwen#List_of_models
残念ながら、このモデルははるかに制限的なライセンスを使っているようだ：
- fishfasell
ローカルLLMのテキストから画像生成の能力は、正直かなりすごい。個人的には、ローカル画像生成は現在ローカルコード生成より進んでいると思う。ローカルで数秒で画像が得られ、その品質はローカルモデルに期待するよりずっと高い。しかしコーディングとなると、ずっと遅く、ずっと印象が薄い。理由があるのは確かで、私はAI専門家ではないから、もっと賢い人たちに理由を説明してもらうとして、今のところの私の観察はそういうことだ。
- mdp2021
`llama-server -m <model>` を使うのと同様に、このモデルをローカルで使うにはどうすればいいのか？
（つまり：Pythonを直接または大幅に使わず、ニューラルネットワークを最も効率的な方法で実行する場合。）
- trentor
彼らはついにVAEを修正した。ここ2年間、それが彼らのモデルを本当に足踏みさせていた。
編集：まだアーティファクトを生成する。以前よりマシだが、制作作業には使えない。中間値では軽微なドットパターンが見える。
- trains39472
7Bの拡散モデルが、今やMicrosoft WindowsよりもCJKテキストをうまくレンダリングできる。
- gunalx
Qwenから新しいオープン画像モデルが出るのは嬉しい。しかしライセンスはがっかりだ。しかも、すでに少し古くなっている彼らのクローズドなqwen3 imageにも勝てていない。