Qwen-Image-2.1 генерирует картинки с нуля, редактирует фото, собирает кадры из референсов и выдаёт PNG с настоящей прозрачностью. В японском разборе собраны 18 сценариев. Одни опираются на функции модели, другие — идеи автора, а не результаты тестов. Мне тут важнее понять, какие детали модель сохраняет.
Обычная версия вышла 20 сентября 2026 года, Turbo — 9 октября. Сведения о настройках, лицензии и ценах ниже проверены на 1 ноября 2026 года. Сам японский материал — разбор возможностей, не практический обзор модели.
Автор японского разбора предлагает оценивать качество картинки вместе с тем, насколько хорошо модель сохраняет исходные детали.
Qwen-Image-2.1 стоит проверять по сохранности деталей
Визуальная часть модели содержит 7 млрд параметров. Она принимает текстовый запрос (T2I) и входное изображение (I2I), так что отдельная модель для каждого типа задачи не обязательна. Qwen заявляет поддержку до 10 референсов, локальных правок и прозрачных изображений.
Для креатора это много операций в одном рабочем процессе. Но смена фона может затронуть товар, логотип или черты лица. Даже убедительная картинка иногда искажает исходник — детали всё равно нужно сверять.
Прозрачность, эмоции и вырезание
- Сделать персонажа на прозрачном фоне: оставить в кадре фигуру и предметы, убрать нарисованный фон. Проверить результат на светлой, тёмной и цветной подложках.
- Подготовить эмоции одного персонажа: менять выражение лица, сохраняя одежду, контур, предметы и положение в макете.
- Убрать фон у товара: проверить края, прозрачные участки, этикетку и форму предмета. Если нужна точность, сравнить результат с ручным вырезанием.
- Собрать шесть портретов в общий кадр: задать порядок и расположение, затем пересчитать людей и сравнить каждого с референсом.
- Сделать виртуальную примерку: отдельно указать, где человек, одежда, обувь и аксессуары. Результат использовать как концепт, не как доказательство посадки вещи.
- Скомпоновать интерьер из мебели: передать изображения предметов и их расположение. Проходы, размеры и помехи у дверей перепроверить по плану, а не по картинке.
Фон, панорамы и локальные правки
- Перенести товар в новую обстановку: перечислить, что должно сохраниться — форма, крышка, цвет и текст этикетки. Сверить результат с исходным фото.
- Расширить селфи до панорамы: использовать для творческой сцены или концепта. Сгенерированная часть кадра не документирует реальное место.
- Указать участок цветным кругом и описать нужную правку: проверить, исчезла ли отметка и не затронула ли модель соседние объекты.
- Нарисовать область прямо на изображении и попросить добавить объект: оценить следы кисти, положение, масштаб, тень и контакт с окружением.
- Передать отдельную маску для редактирования участка: уточнить в конкретном шаблоне, какая область меняется, а какая защищается.
- Сменить сцену вокруг человека или товара: отдельно назвать черты, которые нужно сохранить. Если предмет должен совпадать с оригиналом, его можно вернуть в финал фотомонтажом.
Рекламные кадры, интерфейсы и серия изображений
- Создать концепт нового продукта: задать объект, свет, ракурс, назначение изображения, место под заголовок и формат публикации.
- Сравнить варианты портрета: менять по одному условию — например, только свет или выражение лица. Проверить мелкие детали и крупный план.
- Сделать афишу с текстом: передать точные формулировки, порядок чтения и информацию, которую нельзя добавлять. Проверить даты, цифры и знаки на мобильном размере.
- Набросать экран приложения: определить, что человек делает и какие блоки должны быть главными. Это картинка для обсуждения, не готовый кликабельный интерфейс.
- Подготовить поясняющую схему к фото оборудования: сверить названия деталей, числа и стрелки с исходной документацией.
- Собрать статичные кадры раскадровки: проверить, что персонаж, одежда и предметы не меняются между планами. Изображения можно взять за основу для дальнейшей анимации.
Всего в разборе 18 сценариев. Выбирать их стоит по тому, насколько серьёзной будет ошибка. В концептуальном кадре можно оставить модели простор для фантазии. Фото товара для карточки требует точности.
Референсы помогают задать отношения, но не гарантируют точность
При работе с несколькими изображениями сначала назначьте каждому роль: на первом — человек, на втором — куртка, на третьем — обувь. Потом задайте расположение и перечислите детали, которые нужно сохранить. В ComfyUI порядок входных изображений связан с указателями в запросе. Перепутаете номера — модель может применить инструкцию не к тому референсу.
Кстати, японский автор отдельно разбирает прозрачность. RGBA — изображение с каналом alpha, который хранит прозрачность. Нарисованная шахматная подложка её не заменяет. Положите PNG на несколько фонов: цветной ореол у волос или грязный край на тёмном фоне сразу заметны.
С масками тоже нужно быть внимательным. Белая область не во всех шаблонах означает «изменить»: всё зависит от конкретного workflow. И даже локальная правка не гарантирует, что пиксели за пределами маски останутся побитово прежними.
Turbo быстрее запускается, но его настройки нельзя свести к восьми шагам
Turbo — дистиллированная версия на 8 шагов генерации. Обычную модель и Turbo некорректно сравнивать, просто выставив одинаковое число шагов. В шаблоне ComfyUI для обычной версии указаны 25 шагов, CFG 1 и Euler; для Turbo — 8 шагов, CFG 1, Euler и специальное расписание ManualSigmas. В примере кода Qwen для обычной версии используют 40 шагов. Настройки зависят от способа запуска.
Перед сравнением зафиксируйте размер изображения, модель, расписание, входные референсы и текст запроса. Иначе разницу легко приписать версии, хотя на неё могло повлиять другое разрешение или схема обработки. Размер входного изображения тоже важен: в одном примере из японского материала фото 3000 × 4000 пикселей при обработке округлялось до 3008 × 4000.
Есть пользовательское сравнение от автора chichi-pui: он сгенерировал 20 изображений в четырёх моделях, включая Qwen-Image-2.1, на RTX 5070 Ti с 16 ГБ, используя одинаковые промпты и seed. Для Qwen автор указал 9,5 секунды на изображение. В его подборке визуальная разница между моделями оказалась небольшой. Число шагов не выравнивали, поэтому это наблюдение одного автора, а не контролируемый рейтинг.
Открытые веса не дают автоматического разрешения на рекламу
Для локального запуска доступны ComfyUI и Diffusers. Для Apple Silicon в README Qwen указано стороннее приложение LightX2V-Mac-App от ModelTC. В описании приложения названы Apple Silicon и macOS 14 или новее. Автор проекта пишет, что проверял его на M4 Pro с 24 ГБ объединённой памяти. Это конфигурация автора, а не обещание такой же скорости на любом Mac.
Семь миллиардов параметров не означают, что модель запустится на любом устройстве. Помимо визуальной части используются Qwen3-VL для обработки текста и референсов, VAE для сжатия и восстановления изображения, а иногда — отдельный Prompt Enhancer. Нагрузка зависит от размера картинки, числа референсов и компонентов, которые одновременно находятся в памяти.
Mori Lab описал запуск на RTX 5070 с 12 ГБ VRAM: автору не хватило видеопамяти, и он перенёс часть вычислений. Модель всё же можно запустить на такой карте, но скачанный размер весов не показывает, сколько памяти потребуется во время работы.
Для бизнеса главное ограничение — лицензия. По данным японского разбора, проверенная автором Qwen Research License ограничивает использование опубликованных материалов некоммерческими исследованиями и оценкой. Для коммерческих целей нужна отдельная лицензия. Разрешительная лицензия библиотеки не отменяет условий для самих весов. Перед клиентским проектом проверяйте лицензию модели.
API стоит сравнивать по региону и цене принятого изображения
По таблице API, которую автор проверил на 1 ноября 2026 года, цена генерации зависит от региона. В Singapore International Turbo стоил $0.016 за изображение, Pro — $0.04. В Tokyo Global — $0.014133 и $0.035333 соответственно. Это стандартные цены без пересчёта валют, налогов и возможных дополнительных расходов.
| Режим | Регион API | Цена за изображение, USD | Проверено |
|---|---|---|---|
| Turbo | Singapore International | 0.016 | 1 ноября 2026 |
| Pro | Singapore International | 0.04 | 1 ноября 2026 |
| Turbo | Tokyo Global | 0.014133 | 1 ноября 2026 |
| Pro | Tokyo Global | 0.035333 | 1 ноября 2026 |
Alibaba Cloud указывает для Turbo ориентир $160 за 10 000 изображений по цене Singapore. Но стоимость генераций — лишь часть затрат. Ещё нужно отобрать результаты, проверить детали и внести ручные исправления. Для своего процесса посчитайте, сколько попыток уходит до подходящей картинки.
При работе через API отдельно изучите условия сервиса, регион обработки, отправку пользовательских фотографий и права на исходные материалы. API и локальные веса дают разные способы доступа, и набор функций у них может отличаться.
Начните с задачи, где ошибку легко заметить
Для первых проб подойдут концепты и черновые композиции. Потом можно перейти к прозрачным PNG и правкам реальных фото, каждый раз сравнивая исходник с результатом. На товарах с важными этикетками, лицах и юридически значимым текстом проверяйте особенно внимательно.
Qwen-Image-2.1 объединяет много этапов работы с изображением. А сохранность деталей и возможность коммерческого использования всё равно нужно проверять человеку.
Примеры моих работ с генерацией фото и видео
Источники
Qwen-Image-2.1 Pro and Turbo APIs Are Live — Alibaba Cloud Community
Qwen-Image-2.1 Pro — документация Alibaba Cloud Model Studio
Qwen-Image-2.1: сравнение четырёх моделей на 20 промптах — chichi-pui
Запуск Qwen-Image-2.1 на RTX 5070 с 12 ГБ — Mori Lab
Источникnote.com
