Qwen-Image-2.1 开放权重：生图改图合一支持透明素材

据腾讯新闻报道，9 月 20 日千问发布并开放 Qwen-Image-2.1 权重，把文生图与图像编辑整合进同一个模型，视觉生成部分为 7B 参数，原生支持透明图像的生成与编辑，最多可输入十张参考图。发布案例针对的需求相当具体：把几个人的照片合成一张合照、让模特穿上指定的衣服，或者只改照片中的手表、发色和服装。权重已可下载，仓库采用 Qwen Research License，允许用途限定为非商业研究或评估，商用需另行取得授权。

生图和改图合到一个模型里

过去做一张配图，常见的流程是先在文生图模型里出图，再换一个工具做局部修改。两个模型两套提示词语法，改一次就要重新对齐一遍风格。Qwen-Image-2.1 把这两步收进同一个权重，对需要反复改图的人来说，比第一张图是否惊艳更重要的，是下一次修改能不能听懂要求、保不保得住细节。

从发布案例看，模型要处理的是「方向已经定了，只动一处」这一类需求：换一句海报上的文案、换模特的衣服、摘掉照片里的手表。这类修改如果每次都要整图重画，风格和构图就很难稳定。

透明素材与十张参考图

透明图像能力被整合进生成与编辑流程，是这次更新里对设计工作流影响最直接的一项。用户可以按提示词直接要求输出透明背景素材，不必先生成一张完整图片再去找工具去背；生成内容也不限于单个人物或物体，可以是多个元素组成的透明画面。素材生成之后还能继续改，例如调整透明背景中主体的表情，或替换图层里的文字。

能力	具体表现
透明图像生成	按提示词直接输出透明背景素材，支持多个元素组成的透明画面
透明通道提取	从普通照片中提取指定主体，输出带透明通道的 RGBA 图像
多图参考	最多十张输入，人物、服装、配饰、家具可分别作为素材参与同一张图的生成
局部编辑	圈选、涂抹与独立蒙版三种方式，直接在原图上标出修改范围

多图参考的价值在于少用文字去猜。发布案例里有一组把六张人物照片合成合照的做法，也有把模特、衣服、鞋子、包和帽子作为五张输入图生成整套造型的做法；室内设计案例用了十张参考图，把家具与装饰元素组合同一个空间。

但多图合成最难的地方恰恰在细节。官方文档对一张手串佩戴示例的观察很具体：整体结构和配色得到保留，黑色珠子的尺寸仍有差异。这种差异在概念展示里未必显眼，放进商品详情页就值得放大检查。演示能说明模型具备这类能力，却不能代替每一张成图的核对。

圈选、涂抹与独立蒙版

除了给参考图，用户也能直接在原图上标出需要修改的地方。发布案例中，一张照片被圈出三个区域，分别对应去掉手表、调整发色和更换服装；使用涂抹的方式时，更适合新增内容，例如在画面中标记一块区域，要求模型在那里添加潜水员。

如果不想让标记覆盖原始图像，还可以把原图与独立蒙版一起输入，由蒙版指定修改范围。这几种操作都不复杂，却能减少沟通中的歧义：「把右边那个改一下」远不如直接圈出来清楚。至于圈外内容能保留到什么程度，仍要看具体任务与生成结果，不能理解为像素级不变的保证。

7B 背后的工程取舍

视觉生成部分采用 32 层 Single-Stream DiT，参数量 7B。这里的 7B 指的是视觉生成组件，不宜直接当作整个运行系统的全部参数量。除了压缩模型规模，千问也针对推理过程做了优化：采用混合粒度注意力，并复用 KV Cache，减少输入图像与编辑指令在生成过程中的重复计算。

对用户来说，这些技术最终要体现在等待时间和硬件开销上，尤其是在同时输入多张参考图的时候。不过仅凭 7B 这一项指标，还不能得出「普通电脑随便跑」的结论，实际体验仍取决于部署配置。模型同时改善了文字排版、人像光影与细节表现，这些画质变化与多图参考、透明素材、局部修改被放进同一套工具里，才是这次更新的重点。