Что умеет Qwen-Image-2.1 и где проходит граница её применения

Qwen-Image-2.1 от команды Alibaba Qwen умеет и создавать изображения по текстовому запросу, и редактировать готовые. Её веса доступны для скачивания, поэтому модель можно изучать и встраивать в собственные исследовательские процессы. Но прежде чем планировать выпуск продукта на её основе, стоит проверить лицензию: доступ к весам не даёт права на коммерческое использование. 141518

Что даёт модель на практике

Qwen-Image-2.1 поддерживает нативную генерацию изображений в разрешении класса 2K с разными соотношениями сторон. Она также создаёт и редактирует изображения RGBA: альфа-канал хранит прозрачность, позволяя накладывать элементы на другой фон без отдельного этапа его удаления. Это полезно при проверке модели для иллюстраций, стикеров и элементов интерфейса. 1214157

При редактировании можно использовать до десяти изображений-референсов в одной задаче. Чтобы указать область изменения, доступны обведённые участки, нарисованные пометки или отдельная маска. Такой подход удобен для пробных композиций из нескольких объектов и точечных правок, но итог всё равно нужно оценивать визуально. 2414

Почему «7B» — не готовый ответ на вопрос о видеокарте

У генератора изображений 7 млрд параметров; согласно репозиторию Qwen, он построен на 32 слоях однопоточного диффузионного трансформера. Эта цифра не охватывает все компоненты, необходимые для работы системы, поэтому по ней одной нельзя определить требования к памяти. Механизмы внимания с разной детализацией и повторное использование prefix KV-cache, по заявлению Qwen, призваны ускорить получение результата. Реальная скорость и потребление памяти зависят от оборудования и конкретной задачи. 1526

Для экспериментов доступна поддержка Diffusers и ComfyUI — инструментов, с помощью которых разработчики могут собирать процессы генерации и редактирования. Возможность запустить модель локально или подключить её к такому инструменту, однако, не меняет условий лицензии. 2718

Как понимать результат тестирования

В опубликованном сравнении на собственном тесте Qwen модель получила 60,28 балла и опередила другие модели со скачиваемыми весами. Это результат теста разработчика, а не независимое подтверждение того, что Qwen-Image-2.1 будет лучше на любом запросе или при каждом виде редактирования. В том же сравнении некоторые закрытые модели набрали больше. 12328

Главное ограничение — лицензия

Qwen Research License разрешает использование материалов в некоммерческих целях и требует отдельной лицензии для коммерческого применения. Само по себе скачивание весов — как и запуск через Diffusers — не даёт разрешения использовать модель в коммерческом продукте или рабочем процессе. Для исследователей сочетание прозрачного вывода, редактирования по нескольким референсам и локального доступа представляет интерес; компаниям же сначала нужно решить вопрос с лицензированием. 18215