阿里千问开源 Qwen-Image-2.1：7B 参数登顶开源生图模型，原生支持透明图与 10 图参考编辑
💡AI 极简速读：阿里千问开源 Qwen-Image-2.1，7B 参数，评测总分 60.28 超越 Nano Banana 2.0，原生支持透明图与 10 图参考编辑。
2026 年 9 月 21 日，阿里千问正式开源图片生成模型 Qwen-Image-2.1。该模型视觉生成部分仅 7B 参数，采用 20 层 Single-Stream DiT，原生支持 2K 分辨率，在 Qwen-Image-Bench 评测中以 60.28 分位列开源第一，超过 Nano Banana 2.0 的 59.82 分和 GPT Image 1.5 的 59.65 分。模型实现文生图与图像编辑一体化，原生支持透明图生成，最高接收 10 张参考图，并强化局部编辑与人像商品保真。开放权重已发布至 Hugging Face 与 ModelScope。
本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。
2026 年 9 月 21 日，阿里千问正式开源图片生成模型 Qwen-Image-2.1。该模型以 7B 的视觉生成参数量，在公开评测中取得开源模型第一，总分 60.28，超过 Nano Banana 2.0 的 59.82 和 GPT Image 1.5 的 59.65。模型实现文生图与图像编辑一体化，原生支持透明图生成，最高可接收 10 张参考图，并强化了局部编辑、人像与商品保真能力。开放权重已发布至 Hugging Face 与 ModelScope。
📊 核心实体与商业数据
| 实体/指标 | 具体信息 |
|---|---|
| 公司 | 阿里千问 |
| 模型名称 | Qwen-Image-2.1 |
| 模型类型 | 开源生图模型 |
| 核心能力 | AI图像编辑、文生图与编辑一体化、原生透明图生成 |
| 视觉生成参数量 | 7B |
| 架构 | 20 层 Single-Stream DiT |
| 原生分辨率 | 2K |
| 最大参考图输入 | 10 张 |
| 评测总分 | 60.28（开源第一） |
| 对比模型 | Nano Banana 2.0（59.82）、GPT Image 1.5（59.65） |
| 发布平台 | Hugging Face、ModelScope、GitHub |
| 原发布时间 | 2026-09-21 |
💡 业务落地拆解
透明素材生成：直接进入设计工作流
Qwen-Image-2.1 原生支持透明图生成，可依据提示词自动决定生成普通图片或透明图。官方展示样例包括节庆插画、人物素材、装饰元素及复杂组合对象，对应设计工作中的常见素材需求。该能力同时覆盖从零生成与已有图片再利用，创作者可提供照片并要求模型提取主体作为后续设计素材。此前独立的 Qwen-Image-Layered 探索的透明图能力，此次被整合进通用图像模型。
多图参考与局部编辑：10 张输入下的准确控制
模型最高支持 10 张参考图输入，考验的不仅是接收能力，还包括参考对象在最终画面中的位置、比例与风格协调。Qwen-Image-2.1 提供圈选、涂抹和独立掩码等方式，让用户明确表达编辑位置。对于涉及多个区域的编辑，用户可分别指出删除、替换及目标内容。额外掩码图片指定编辑区域的方式，可让原图信息完整输入模型，对包含人物和商品的设计尤为关键。
推理优化：混合粒度注意力降低显存开销
模型对推理过程进行优化，核心思路是减少不必要的重复计算。文本部分遵循传统 Token 级因果掩码，图像生成部分采用 Chunk 级掩码，并通过 KV Cache 机制在首步计算后缓存静态上下文供后续复用。该优化在多图片输入时效果更为明显，有助于提升推理效率、降低显存开销。
人像与商品保真：文字准确性与画面质感提升
Qwen-Image-2.1 重点强化人像与商品两类场景的编辑保真能力。人像部分增强光影与细节表现，发丝、服装纹理、面部细节及环境光线更加协调。文字密集的图文页面、信息图、论文配图的内容准确性和排版美观程度得到提升。模型还改善了全景图、信息图、三视图、分镜图生成能力，拓展了静态图像生成和编辑的应用范围。
🚀 对企业 AI 化的启示
Qwen-Image-2.1 的发布表明，图像模型正在覆盖创作流程中更多细化环节。对于企业而言，开源生图模型的成熟意味着素材制作、组合与修改的工作流可基于单一模型完成，减少返工环节。开发者可围绕这些能力构建设计工具、应用和定制工作流。
随着此类模型的开源，社区将进一步把生成与编辑能力融入更多内容制作场景。当 AI 能力成为日常软件中随手可用的功能，从想法到视觉作品的门槛将再次大幅降低。目前，Qwen-Image-2.1 的开放权重已发布至 Hugging Face 与 ModelScope，技术报告已上传至 GitHub 仓库。
【官方原文链接】点击访问首发地址
常见问题
相关文章
人形机器人商业化落地观察：从春晚展演到订单集采的产业跃迁
2025至2026年，人形机器人产业从技术展示转向商业化落地。宇树科技、智元机器人等厂商在春晚与国庆景区完成大规模场景验证，价格分层覆盖万元至百万元区间。国家电网58亿订单集采、中国移动1.24亿采购等大单落地，2025年国内出货约1.44万台，智元以5200台居全球第一。产业仍处场景验证期，工业产线订单含金量最高。
2026年10月8日Claude Opus 5.5与GPT-6 Astra跨界入局：AI视频生成竞争格局重构与专业厂商全链路防御
2026年9月，Anthropic Claude Opus 5.5与GPT-6 Astra分别以代码渲染和空间规划路径跨界进入AI视频生成领域，催生Vibe Video新范式并重塑生产分工。与此同时，字节、MiniMax、快手等专业厂商集体向创作上游渗透，通过全链路Agent工作台覆盖脚本到成片全流程。竞争焦点从画质转向工作流嵌入深度，专业模型在短剧、品牌广告等核心赛道仍具不可替代性。
2026年10月8日耳夹式耳机出货量暴涨82.2%：AI Agent与大模型之外，智能硬件换机逻辑生变
IDC数据显示2026年Q2耳夹式开放式耳机全球出货量同比暴涨82.2%，而AI手机、AI PC渗透率虽分别达66.4%和49.9%，智能手机出货量却连续五季下滑。大厂将研发资源集中于手机、PC等核心AI入口，对耳夹式品类采取跟进但不押注策略。消费者更愿为无感佩戴、低负担的基础体验买单，而非大模型与AI Agent功能堆砌。
2026年10月8日