Qwen-Image-2.1 开源:生成和编辑合进一个模型,生成部分 7B,原生输出透明背景(RGBA);但许可证改成了「仅限非商用」
贴纸管线可以试着去掉 rembg 那一步;要卖钱的产品继续走 DashScope 的 API
细节 · 8 条
- 🟢 官方原文:「With just 7B parameters in its visual generation component (32 Single-Stream DiT layers)」。DiT(Diffusion Transformer)是扩散模型里真正负责「画」的那部分网络
- 🟢 「7B」只算了画图的那部分:权重里还有一个 Qwen3-VL 文本编码器(负责读懂 prompt),8.77B 参数。两部分 bf16 权重加起来约 31.7 GB。拿来比较时要注意:1.0 版的「20B」也只算 DiT,所以按同一口径是 20B → 7B,但整套模型并不小
- 🟢 透明图:官方原文「Generate regular or transparent (RGBA) images from text, edit transparent layers, and extract subjects from photographs—all in one model」。RGBA 就是带透明通道的 PNG。README 给了推荐 prompt 写法:开头写
This is an RGBA image with transparency.,结尾写The image has alpha channel and the background is transparent. - 🟢 编辑:最多 10 张参考图;可以用圈、涂抹标注或单独的蒙版指定要改的区域;人物和产品的身份保持也是官方主打点
- 🟢 分辨率:原生 2K,1:1 是 2048×2048,16:9 是 2752×1536,README 列了 7 种比例
- 🟢 ComfyUI 首日支持,权重在
Comfy-Org/Qwen-Image-2.1;HF 上另有在线 Demo(Spaces) - 🔴 许可证:Qwen Research License。原文「FOR NON-COMMERCIAL PURPOSES ONLY」,并把 Non-Commercial 定义为「for research or evaluation purposes only」;商用要另外找
model-business@notice.qwencloud.com申请。HN 上也有人指出之前的 Qwen 模型多数是 Apache 许可证,这次收紧了很多 - API 侧:阿里云 Model Studio 的 Qwen-Image 列表里现在有 qwen-image-3.0-pro、qwen-image-3.0、qwen-image-2.0-pro(含 06-22 等日期快照)、qwen-image-max/plus/基础版,没有 2.1。所以 2.1 目前只以开源权重的形式提供
- 🔴 一张图都没生成过:透明边缘质量、中文出字能力全部未实测。HN 有一条评论说 VAE 在中间调里「still produces artifacts... a slight dot pattern」,是单人说法,没法验证
- ⚠️ Mac 能不能跑没有证据:README 的示例全是
.to("cuda"),官方没提 Apple Silicon。你的 Mac 是 32 GB 内存,光权重就约 31.7 GB,就算用enable_model_cpu_offload()也很紧,别先下载 32 GB 再发现跑不动 - ⚠️ 需要
transformers>=5.17和从源码装的 diffusers。你记忆里有「transformers 5.x + torch 2.5 两个坑」那条,本地环境要单独开一个
核实:HF 模型卡 README 与 LICENSE 原文逐段读过;参数量由权重索引文件核算(transformer 14,230,249,472 字节,bf16 下约 7.1B;text_encoder 的 total_parameters 为 8,767,123,696);GitHub 仓库 README 读过;阿里云 Model Studio 的 Qwen-Image 模型列表读过