摘要：千问 9 月 20 日开源 Qwen-Image-2.1，视觉生成部分 7B 参数，原生 2K 与 RGBA 透明图，最多 10 张参考图、圈选涂画等局部修改，首日支持 ComfyUI 与 Diffusers，采用研究许可。
图像生成这条线，今天被千问用一记开源补了一刀。Qwen-Image-2.1 把"文生图"和"图像编辑"统一进同一个模型，视觉生成部分只有 7B 参数，却原生支持 2K 分辨率、RGBA 透明通道、最多 10 张参考图，以及圈选、涂画、Mask 这类局部修改方式；发布首日就接上了 ComfyUI 和 Diffusers，对 AIGC 创作者相当友好。架构上它用单流 DiT 配 Qwen3-VL 8B 文本编码器和一个 64 通道的 RGBA VAE，原生输出 2048×2048，约 40 步出图。
小参数、大能耐，是这次发布最抓人的点。7B 意味着消费级显卡有望跑起来——有说法称 INT4 版本能在 4GB 显存里运转，这对个人创作者和中小企业是实打实的门槛下降。把"生图+编辑+透明底+多参考图"塞进一个开源模型，等于把过去要串好几个工具（生图、去背、局部重绘、垫图）的活儿，收进了一条流水线。对做电商主图、海报、素材二创的人来说，这种"一个模型全包"的范式比单纯堆画质更有用。
我的判断：要泼一点冷水——早期实测对它的评价是分化的。有测试者说艺术风格"可接受"，但写实（photorealism）"差到不愿发出来"。换句话说，Qwen-Image-2.1 在实用性和可控性上进步明显，但在"像照片"这件事上还没追上第一梯队。另外它的许可惹了"最差许可"的吐槽，研究许可限制了商用。对国内创作者，今天该做的是：把它当"可控编辑的免费瑞士军刀"用，而不是当"替代 Midjourney 的写实神器"。开源的价值本就不只是参数，而是你能 audit、能改、能接进自己的工作流——这点上 7B + ComfyUI 的组合，含金量不低。
