摘要：实测显示 Qwen-Image-2.1 的 7B 在艺术风格上可接受、写实却"差到不愿发"，INT4 可跑 4GB 显存；研究许可限制商用，社区吐槽"最差许可"，揭示小模型能力与合规的落差。
把昨天的开源发布单独拎出来做一次"拆盲盒"式测评，是因为它的反差太值得被读懂。Qwen-Image-2.1 的视觉生成部分只有 7B 参数，却能原生 2K、出透明图、吃 10 张参考图，还有圈选涂画的局部修改。纸面参数很香，但早期实测把真相摊开了：艺术风格类出图"可接受"，而写实（photorealism）被一位测试者直白评价为"差到他不愿发出来"。这不是孤例——小模型在"理解语义+保持结构"上进步快，但在"像素级真实感"上仍被大参数和更大训练集拉开差距。
工程侧倒是真香。INT4 量化能在 4GB 显存里跑，意味着一张消费级显卡就能本地起服务；首日支持 ComfyUI 和 Diffusers，等于直接接进了最庞大的开源创作生态。对个人创作者、独立开发者、中小企业，这是"免费且可控"的代名词——你不必把素材传到闭源云服务，也能做多参考图垫图、透明底去背、局部重绘。但许可是这道甜点里的沙子：研究许可（research-only）限制了商用，社区里有人直接吐槽是"最差许可"。能力开源了，生意却没放开。
我的判断：评测一个开源模型，不能只盯 benchmark，要分三层看。第一层是"能力天花板"——Qwen-Image-2.1 在写实上有明显短板，别拿它当产品图神器；第二层是"可用性"——本地 4GB 显存 + ComfyUI，可用性极高，尤其适合二创、海报、电商素材这类可控性优先的场景；第三层是"合规性"——研究许可会卡住商业闭环，要商用的团队得等后续放开或找替代。对采购/选型，今天该建立的直觉是：小模型赢在"够用+可控+便宜"，输在"极致画质"，按场景取用，别被参数规模带节奏。
