Qwen-Image-2.1：7B 参数统一生成与编辑
Qwen-Image-2.1: Compact, efficient, and unified image creation
Qwen-Image-2.1 正式开源，这是一个在生成质量、推理效率和成本之间取得完美平衡的图像模型。它仅用 7B 参数的视觉生成组件，就统一了文本生成图像与图像编辑两大功能，并原生支持透明图像的处理。该模型引入了混合粒度注意力架构，显著提升了多图编辑时的推理速度。无论是处理多达 10 张参考图像的复杂合成，还是进行局部精准编辑，Qwen-Image-2.1 都能保持人物身份与产品细节的高度一致。从全景图生成到信息图表制作，再到故事板创作，它正在成为设计、电商和视觉叙事领域的实用工具。
Qwen-Image-2.1 将图像生成、透明度和广泛的编辑能力统一在一个模型中。
HN 评论区
193- vunderba
一些想法
优点
• 仅 70 亿参数，比 Qwen-Image 1（200 亿参数）小得多，是现有开源权重模型中较小的一个（与 Ideogram、Krea2、Flux2 等相比，Z-Image Turbo 是少数更小的模型，为 60 亿参数）。
• 支持原生透明度（据我所知，Qwen 团队是唯一尝试解决这一问题的团队）。虽然设置背景移除后处理器相对简单，但能看到原生支持还是很不错的。
• 使用 QwenImage2.1 convrot 速度很快，在 RTX4090 上生成 1MP 图像大约需要 5 秒。
缺点
• 许可证（假设你遵守它）限制要严格得多。最初的 Qwen Image 1 采用标准的 Apache 许可证；而这一版明确禁止在未获得单独许可证的情况下进行商业使用。另一方面，我们很多人也没指望 Qwen 团队会再次发布“可用权重”。
Qwen-Image 1.0 大约一年前发布，在我的 GenAI Showdown 基准测试中仅得 4/15 分。此后，它已被 Krea 2（6/15）和 Ideogram4（8/15）超越。等我腾出更多时间运行测试后，会发布新结果。
- jjcm
我运营一个使用图像模型进行设计流程的提示词到 UI 设计网站 [1]。尽管有许可证限制，文本渲染功能尤其让我对这个模型非常感兴趣。以下是使用我的测试框架对比 gpt-image-2 和 qwen 2.1 输出的一些测试：
https://html.non.io/qwen-comparison/
文本渲染效果绝对比当前开源权重市场上任何其他模型都要好得多。小文本的保真度相当不错。不过，文本编码器似乎在处理较大提示词时有点过载——注意设计输出中出现了十六进制代码，那些来自扩展提示词的输入。
我打算针对网页设计尝试一次后训练运行，它潜力巨大。
[1] diffui.ai
- jfoster
之前的许多 Qwen 模型似乎都使用了 Apache 许可证，其中包括：
https://en.wikipedia.org/wiki/Qwen#List_of_models
不幸的是，这个模型看起来使用了限制严格得多的许可证：
- fishfasell
本地 LLM 的文生图能力说实话真的很令人印象深刻。在我看来，目前本地图像生成领先于本地代码生成。我能在几秒钟内本地生成图像，质量远超我对本地模型的预期。但代码生成则慢得多，效果也差得多。我确定这背后有原因，我不是 AI 专家，所以让更聪明的人来解释吧，但这只是我目前的观察。
- mdp2021
如何在本地使用这个模型，类似使用 `llama-server -m <model>` 那样？
（我的意思是：在不直接使用或大量使用 Python 的情况下，以最高效的方式运行神经网络。）
- trains39472
现在一个 70 亿参数的扩散模型渲染 CJK 文本的效果比 Microsoft Windows 还好。
- d2kx
天哪，我太喜欢 Qwen 团队了。他们提供的模型多样性在所有中国实验室中是最丰富的。只有 Gemini/DeepMind 能与之接近。
- trentor
他们终于修复了 VAE。过去两年里，这一直是拖累他们模型性能的关键。
编辑：它仍然会产生伪影，虽然有所改善，但还无法用于生产环境。在中间色调中你会看到轻微的网点图案。