通义千问团队近日推出 Qwen-Image-2.1，将图像生成与图像编辑两项任务收拢到同一个模型之中。与此前常见的多检查点方案不同，该模型以 7B 参数规模实现原生统一，生成与编辑不再需要分别加载不同权重。

在能力细节上，Qwen-Image-2.1 的单一检查点同时承担生成和编辑职能，并支持最多 10 张参考图输入。模型内部还集成了一个提示词增强 LLM，用于在推理阶段对用户输入进行优化，降低提示词工程门槛。

工程落地方面，Qwen-Image-2.1 已完成与 diffusers 和 ComfyUI 的集成，开发者可以直接在既有工作流中调用。此外，官方在 Hugging Face Spaces 提供了免安装的浏览器在线 demo，用户无需本地部署即可体验模型效果。

从行业视角看，将生成与编辑合并到单一 7B 检查点，意味着推理部署时只需维护一套权重，有望降低显存占用与切换成本。参考图上限提升至 10 张，也为多图条件控制类应用留出更大空间。