Qwen 开源 Qwen-Image-2.1 并推出 Turbo 加速版

先了解这件事

阿里通义千问团队开源 Qwen-Image-2.1，把文生图与图像编辑合并到同一个 7B 视觉生成模型中，并原生支持生成和编辑带 alpha 通道的 RGBA 透明图像。模型支持最多 10 张参考图、圆形/涂鸦/掩码等局部编辑，官方称通过混合粒度注意力与 KV cache 复用提升推理效率，并改进了文字渲染与人像光照。权重已在 GitHub、HuggingFace、ModelScope 开放，但采用 Qwen Research License，商用需另行授权。

发布后 vLLM-Omni、SGLang-Diffusion、ComfyUI、diffusers 和 Intel OpenVINO 均提供首日支持，Unsloth 推出可在 12GB 显存本地运行的 GGUF 量化版。Arena 显示其 Image Edit Arena 得分 1367、开源第一、总榜第 16，Text-to-Image Arena 开源第一；Artificial Analysis 本地部署评测中，它在两个 AA-Image 榜单均列第 18、为开源权重模型第一。团队称其自建基准超过多数闭源模型，独立基准尚待验证。

10 月 9 日，通义千问又发布基于同一 7B 架构的加速版本 Qwen-Image-2.1-Turbo，将去噪步骤从 40 步缩减为 8 步，支持 2K 生成、多参考图编辑和透明 RGBA 输出，权重同样开放；该版本同样为研究许可，商用自托管需另行授权，API 在多数地区每张图 0.1 元、限速 120 RPM。