Компания Alibaba представила ИИ-модель Qwen-Image-2.1, которая объединяет функции генератора, редактора и инструмента для удаления фона в единый пайплайн, что удобно для рекламы, дизайна и электронной коммерции.
За визуальную часть отвечает 32-слойный Single-Stream DiT с 7 млрд. параметров, а с учетом текстового кодировщика Qwen3-VL 8B общий объем параметров системы составляет 16,22 млрд. Модель нативно работает с разрешением 2K. Qwen-Image-2.1 умеет генерировать обычные изображения и картинки с прозрачным фоном, а также извлекать отдельные объекты из фотографий в виде RGBA-слоев. Для редактирования можно использовать исходное изображение вместе с отдельной маской или отмечать нужные области кругами и нарисованными пометками.
Модель поддерживает до 10 референсных изображений одновременно. Это позволяет собирать групповые портреты из разных фото или проектировать интерьер по набору из десяти образцов. Также можно скомбинировать различные элементы изображения в один образ, например, модель, одежда, обувь, сумка, головной убор. Среди поддерживаемых сценариев также заявлены создание панорам, инфографики и раскадровок.
Повышена точность сохранения деталей: черты лица и текстуры товаров остаются неизменными при смене фона или окружения. Также улучшена работа с типографикой и светом. Текст вписывается в композицию по шрифту и верстке, а кожа и материалы получили более естественную проработку теней.
По внутренним тестам Alibaba, Qwen-Image-2.1 набрала 60,28 балла, обойдя закрытые решения Nano Banana 2.0 и GPT Image 1.5. Независимые тесты модели еще не появились.
Веса Qwen-Image-2.1 уже опубликованы на GitHub и Hugging Face. Модель распространяется по лицензии Qwen Research, которая разрешает ее использование только в некоммерческих целях, связанных с исследованиями или оценкой. Для коммерческого применения необходимо получить отдельную лицензию у Alibaba.
