Qwen-Image-2.1: bildmodellen du kan ladda ned, men inte använda fritt kommersiellt

Alibabas Qwen-Image-2.1 samlar bildgenerering från text och redigering av befintliga bilder i en nedladdningsbar modell. Den kan skapa bilder i 2K-klassen, arbeta med transparenta bildlager och använda flera referensbilder för att styra en redigering. Men det viktigaste att kontrollera innan modellen byggs in i ett arbetsflöde är licensen: nedladdningsbara vikter innebär inte fri kommersiell användning. 141518

Vad går att göra med bilderna?

Modellen har stöd för 2K-upplösning i flera bildförhållanden. Den kan också skapa och redigera RGBA-bilder. A:et står för alfakanalen, som anger vilka delar av bilden som är genomskinliga. Det gör det möjligt att exempelvis testa illustrationer, dekaler och gränssnittselement som ska läggas ovanpå en annan bakgrund, utan att först behöva frilägga motivet i ett separat steg. 1214157

Vid redigering går det att ange upp till tio referensbilder i samma uppgift. En ändring kan dessutom riktas mot ett område med en inringning, målad markering eller separat mask, i stället för att styras enbart med en övergripande textinstruktion. Det ger fler möjligheter att pröva sammansatta motiv och avgränsade ändringar, men slutresultatet behöver fortfarande granskas visuellt. 2414

Vad betyder ”7B” för den som vill köra modellen?

Siffran avser sju miljarder parametrar i den visuella generatorn. Enligt Qwens kodförråd består den delen av 32 lager i en så kallad diffusionstransformator. Det är inte en storleksangivelse för alla delar som behövs i bildkedjan och säger därför inte i sig hur mycket minne en viss dator måste ha. 1526

Qwen lyfter fram uppmärksamhetsmekanismer med blandad detaljnivå och återanvändning av en så kallad prefix-KV-cache som sätt att effektivisera genereringen. Den faktiska hastigheten och minnesåtgången beror ändå på hårdvara och arbetsflöde. Vikterna kan laddas ned för lokal forskning och egna testflöden; rapporterat stöd finns bland annat i utvecklarbiblioteket Diffusers och det nodbaserade verktyget ComfyUI. Stödet i dessa verktyg ändrar inte licensvillkoren. 15262718

Hur starkt är benchmarkresultatet?

I rapporter om Qwens eget bildtest får Qwen-Image-2.1 totalpoängen 60,28 och placeras före andra modeller med nedladdningsbara vikter i den publicerade jämförelsen. Vissa slutna modeller ligger samtidigt högre. Resultatet är en användbar jämförelsepunkt, men inte en oberoende garanti för att Qwen-Image-2.1 ger bäst bilder för varje instruktion, upplösning eller redigeringsuppgift. 12328

Licensen avgör om modellen passar projektet

Qwen Research License tillåter användning av materialet för icke-kommersiella ändamål och kräver en separat licens för kommersiell användning. Att vikterna är tillgängliga eller att modellen fungerar i Diffusers räcker alltså inte för att använda den i en kommersiell produkt eller ett kommersiellt arbetsflöde. För forskning och utvärdering är kombinationen av lokal åtkomst, transparenta bilder och redigering med flera referenser intressant. För företag är licensfrågan det första steget. 18215