Qwen Image 2.1
Qwen-Image-2.1 — это компактная и эффективная модель генерации и редактирования изображений из семейства Qwen, объединяющая текст-в-изображение и редактирование в единой архитектуре. Её визуальный компонент содержит всего 7 миллиардов параметров и 32 Single-Stream DiT слоя, что обеспечивает высокое качество при низких вычислительных затратах. Ключевое нововведение — нативная поддержка прозрачности: модель генерирует как обычные, так и прозрачные изображения (с альфа-каналом) напрямую из текстовых промптов, а также позволяет редактировать прозрачные слои, извлекать объекты из фотографий и работать с до 10 reference images одновременно для сложных локальных правок.
Архитектура использует mixed-granularity attention: текст обрабатывается с токен-уровневым causal mask, а изображения — с chunk-level маской, что совместно с KV cache reuse значительно ускоряет инференс при многократном редактировании. Улучшены также реалистичность текстур, освещение портретов и типографика, что делает вывод более визуально убедительным. Модель доступна на GitHub, Hugging Face и ModelScope, ориентирована на дизайн, контент-создание, e-commerce и визуальное повествование.