Qwen-Image-2.1 开源：统一生图与编辑模型

Hugging Face Trending 上出现 Qwen 家族新模型 Qwen-Image-2.1，作者标注为未知，任务为 text-to-image，热度分 228、点赞 3090、下载 109298。该模型将文本生图与图像编辑统一，视觉生成组件为 7B 参数、32 层 Single-Stream DiT，主打低算力下的画质、效率与多用途平衡。

此前文生图与图像编辑多分散在不同模型或流程中，该版本将普通图与透明 RGBA 图生成、图层编辑、主体提取合并到单一模型，并支持最多 10 张参考图与圆形、涂鸦、独立 mask 等局部指定方式，减少多工具拼接。

采用混合粒度注意力和 prefix KV cache 复用，在 7B 视觉生成参数与 32 层 Single-Stream DiT 结构下压低推理成本；原生化 RGBA 输出与多参考图身份保持，使生成与编辑共享同一表征，从而用一套模型覆盖多种图像任务。

对研发而言，可减少生图与改图两套模型的维护成本，透明通道与局部编辑能力可直接用于素材生产。对产品而言，7B 规模有利于自部署与成本控制，多参考图与身份保持可支撑人物、商品类一致性场景，但实际质量与显存需求需实测。

• 在电商或广告素材流程中，基于该模型做商品图的多参考图一致性生成与局部改图试点。
• 围绕 RGBA 透明图输出，开发面向设计工具的透明图层素材生成与主体提取功能。
• 评估 7B 视觉生成组件的自部署成本，与现有闭源生图 API 做单张成本对比测试。
• 针对圆形、涂鸦、mask 三种局部编辑方式，构建低门槛的交互式改图产品原型。

• 该模型的作者与发布方是否为 Qwen 官方，证据中标注为未知。
• 发布方宣称的四项改进缺少第三方基准或对比数据。
• 7B 视觉生成组件的实际推理显存占用与速度未在证据中给出。
• 支持最多 10 张参考图时的身份保持效果尚无量化说明。