Qwen 团队近日开源了新一代图像模型 Qwen-Image-2.1，其核心思路是将文生图与图像编辑两项任务整合进同一个模型，而不再依赖独立管线。该模型的视觉生成组件参数量为 7B，在保持轻量化的同时覆盖生成与编辑两类场景。

在功能层面，Qwen-Image-2.1 原生支持透明图像的生成和编辑，这一能力在开源图像模型中并不常见。模型最多可接收 10 张参考图作为条件输入，并允许用户通过圆形、涂鸦或独立蒙版等方式指定局部编辑区域，提升了交互控制的灵活性。

推理效率方面，该模型采用混合粒度注意力架构，并引入 KV cache 复用机制，以降低计算开销、加快响应速度。此外，团队针对文字渲染、人像光照以及人物与产品保真度进行了改进，使模型在全景图、信息图和分镜等任务上具备更好的适用性。

从行业视角看，Qwen-Image-2.1 将生成与编辑统一、支持透明图像并开放权重，为开发者在内容创作、电商素材与设计辅助等方向提供了新的基础模型选项，其 7B 的体量也降低了部署门槛。