通义千问开源 Qwen-Image-2.1:7B 参数实现文生图与图像编辑一体化

通义千问开源 Qwen-Image-2.1:7B 参数实现文生图与图像编辑一体化 AIbase基地发布于 AI新闻资讯 · 1

分钟阅读 · Sep 21, 2026 25 9月21日，通义千问团队正式开源新一代图像模型 Qwen-Image-2.1。该模型以仅7B 参数的轻量视觉生成模块，将文生图、透明图像生成与多种图像编辑能力整合于同一框架，在生成效果、推理效率与使用成本之间取得了新的平衡。据官方介绍，Qwen-Image-2.1的视觉生成部分采用32层 Single-Stream DiT 结构，参数量仅为7B。

通过混合粒度注意力结构与 KV Cache 复用机制，模型在多图输入场景下的推理效率显著提升，显存开销也得到有效控制。透明图像生成是本次更新的核心亮点之一。模型能够根据提示词自动判断输出普通图像或带透明通道的 RGBA 图像，并支持在保留透明背景的前提下进行主体表情修改、文字编辑等操作。

用户还可输入真实照片，由模型自动提取主体并输出透明图层，方便后续设计与合成。可以在保留透明背景的同时修改主体表情透明图层中的文字同样可以进行编辑，如下面的示例将文字“BLOOM”修改为“Qwen-Image”: 在图像编辑方面，Qwen-Image-2.1支持最多10张参考图输入，可综合多个主体与素材生成协调画面。局部编辑支持圈选、涂抹和独立掩码三种方式，编辑区域指定更加灵活。

模型还重点提升了人像与商品的一致性——修图后人物面部特征、商品文字与形态均能保持高度还原。此外，模型在文字渲染、人物光影与细节刻画上也有明显提升，覆盖全景图、信息图、分镜图等多种任务场景。目前，Qwen-Image-2.1已同步在 GitHub、ModelScope 和 Hugging Face 等平台开源，供开发者与创作者免费使用。 Qwen-Image-2.1 通义千问图像模型 AI新词本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!