阿里通义千问团队近日端出了一道让开源社区眼前一亮的菜:开放权重的图像生成与编辑模型Qwen-Image-2.1正式登场。最让人意外的是它的身板——视觉生成组件仅用70亿参数，却在自家的评测基准上压过了市面上绝大多数闭源模型。团队放话底气十足，不过第三方独立评测尚在赶来的路上，这份成绩单还需时间检验。更接地气的是，它不挑设备，一块像RTX3090这样的主流消费级显卡就能托起它跑起来。
Qwen-Image-2.1最拿手的一招是"合并同类项"。官方展示的合照里，每张面孔都来自不同人物的单独照片，模型像一位耐心的拼图师，把它们自然缝合成一张群像。这背后是它对透明图像的原生支持——生成的不是普通RGB图，而是带透明通道的RGBA格式，用户于是可以把物体单独抠出来，也能直接在透明图层上改写文字，排版和后期都省了事。
参考图的处理能力同样夸张。一次最多吞下十张参考图，群像合成、虚拟试穿、房间设计都在这套框架里跑通。想局部修改也不必重画整张图，画个圈、涂个遮罩、随手点几下做标记，模型就明白该动哪一块。团队透露，架构层面的改动加上KV缓存复用，让推理速度明显提升，尤其当参考图数量一多，提速感受更明显。
门槛也放得很低。模型已在Hugging Face、GitHub和魔搭社区（ModelScope）同步上线，还配了个在线Demo供人把玩。唯一需要注意的是授权:它挂的是研究许可，明确禁止商用，企业用户若想落地，得另外向千问团队单独申请商业授权。换句话说，个人把玩与学术探索敞开大门，真要赚钱做生意，还得先过授权这一关。
