9 月 20 日，阿里巴巴通义千问团队宣布开源图像生成模型 Qwen-Image-2.1。该模型将文生图与图像编辑整合在同一架构中，视觉生成部分仅有 70 亿（7B）参数，并原生支持透明图像的生成与编辑，官方称其在生成质量、推理效率与使用成本之间取得了平衡。

据官方介绍，Qwen-Image-2.1 的主要特性集中在四个方面。其一是”小模强效，极致性价比”：通过轻量的模型结构与推理优化，在有限算力下兼顾生成质量与计算开销。其二是”原生透明，创改一体”：模型可根据提示词直接生成普通图像或带透明通道的图像，并支持对透明图层进行编辑与抠图，省去后期处理的额外步骤。

其三是”全能编辑，多局保全”：单次编辑最多支持 10 张参考图，在局部修改、人像与商品保真等任务上表现更稳定，覆盖多种常见的图像编辑场景。其四是”真实质感，字雅人美”：模型在文字排版、人物光影与细节刻画上做了优化，使生成结果更具质感。

模型权重与推理代码已在 GitHub、Hugging Face 与 ModelScope 三个平台同步开放。作为通义千问（Qwen）系列在图像方向的延续，Qwen-Image-2.1 面向开发者与个人用户免费提供，延续了阿里在开源多模态模型上的一贯路线。对于需要在本地或云端低成本部署图像生成能力的团队而言，这款 7B 级别、支持透明图的开源模型提供了一个新的可选项。