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

事件核心：发生了什么

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。其视觉生成模块只有 7B 参数，采用 32 层 Single-Stream DiT 结构，并通过混合粒度注意力与 KV Cache 复用机制，在多图输入场景下提升推理效率、控制显存占用。模型把文生图、透明图生成和多种图像编辑能力整合进同一框架。

透明图生成是本次更新重点：模型会根据提示词自动判断输出普通图像还是带透明通道的 RGBA 图像，支持在不破坏透明背景的前提下修改主体表情或替换文字。用户也可上传真实照片，由模型自动抠出主体并输出透明图层。

图像编辑方面，Qwen-Image-2.1 最多支持 10 张参考图输入，可融合多个主体与素材生成协调场景；局部编辑支持框选、涂抹和独立 mask 三种方式。官方称人脸与商品一致性有明显提升，文字渲染、人物光影和细节表现也有改进。模型已在 GitHub、ModelScope、Hugging Face 等平台免费开放。

为什么重要

把生成与编辑合并到一个 7B 模型里，意味着开源社区可用较低算力成本覆盖更多图像任务，这对依赖闭源 API 做图像应用的中小团队是一个替代选项。当前文生图赛道竞争集中在生成质量，而“生成＋透明通道＋精细编辑”一体化，更贴近电商、设计、广告等真实生产流程，也是闭源模型商业化程度较高的方向。通义选择开源这一档能力，会进一步压低同类工具的调用成本，并加剧开源与闭源在图像编辑层的贴身竞争。

对用户/开发者/创作者的影响

对开发者，7B 参数规模相对友好，本地部署和二次开发的显存门槛低于更大参数模型，透明图输出与 mask 编辑也可直接接入设计工具或电商素材流水线。对创作者和设计师，自动抠图、保留透明背景改字改表情，能省去大量手工图层操作，多图参考则适合做产品合成与场景搭建。对普通用户，直接在各平台免费试用即可，无需付费订阅。目前公开信息显示，模型以开源权重形式发布，具体商用许可与 API 服务细节需以官方仓库说明为准。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是 7B 版本在复杂编辑和文字渲染上的实际表现，是否接近其宣传效果；二是开源协议与商用条款是否宽松，决定企业能否放心集成；三是竞品是否跟进“生成＋透明图＋编辑”一体化路线，以及闭源 API 是否会因此降价。这些将直接影响开发者的技术选型与成本结构。

来源：AIbase