权重一放，圈里就炸了。
9月20日，阿里巴巴千问团队把Qwen-Image-2.1推上了Hugging Face和ModelScope。官方自己的说法很硬：这是开源。但真正让开发者坐直的，不是口号，是那组数字——视觉生成部分只有7B参数，32层Single-Stream DiT，却把文生图和图像编辑塞进了同一套权重。
哈基米云报道。
初代Qwen-Image还是2025年8月那只20B的MMDiT。一年刚过，体积砍下去一大截，本地部署的门槛跟着掉。同一天，Diffusers的QwenImage21Pipeline、ComfyUI原生工作流、vLLM-Omni、SGLang、LightX2V全部到齐。这不是「过几天再适配」，是首日就能跑。
官方把这次更新收成四句话。
第一句：小模型，低成本。混合粒度注意力，再配上前缀KV缓存复用，文本指令和参考图只在第一步去噪时算一遍，后面直接吃缓存。带多张条件图的编辑任务，官方点名说加速最明显。
第二句：原生透明。提示词能直接吐普通图，也能吐带Alpha通道的RGBA图；透明图层能改，照片主体能抠。以前开源圈要透明素材，往往还得外挂去背模型。现在，官方把它收进同一个checkpoint。默认出图2048×2048，走40步去噪；16:9给到2752×1536。
第三句：最多10张参考图。圈选、涂鸦、独立遮罩都能指定局部编辑，人像和商品要保真。官方展示里，六张单人肖像能合成一张合影；模特、衣服、鞋、包、帽五张参考图，能拼出一套完整穿搭。局部编辑还能一次圈多处：摘手表、改发色、换衣服。
第四句：字和人要好看。文字排版、人像光影、细节质感，官方说都往上提了一档。
架构也不含糊。GitHub写得很清楚：生成用的Transformer是32层、7B、单流、块因果注意力；文字编码器是Qwen3-VL 8B，同时吃文本和条件图；VAE是64通道RGBA，空间压缩16倍；调度是Flow Matching。注意，7B只是DiT。加上8B编码器，整条管线大概15B上下——显存账要按整条算，别被「7B」三个字骗了。
要贴近官方展示质量，还得再跑一个提示词改写模型：Qwen3.5-VL 9B微调出来的两份权重，PE-T2I管文生图，PE-I2I管编辑。短提示词先被拉成细描述，再建议长宽比。也就是说，好看的那一层，并不全是7B自己干的。
国内用户还有一条捷径：wuli.art提供免费试用，Chatbox和画布都能玩透明背景。魔搭则走DiffSynth-Studio，下载、在线生成、LoRA训练一条龙。AMD Radeon可以走ROCm；FlagOS还放出了8种芯片平台的预构建镜像。
故事到这儿，像是一封给本地部署玩家的情书。转折在许可证。
仓库标明的是Qwen Research License Agreement，生效日期就是2026年9月20日。授权范围写死了：仅限非商业的研究与评估。商用必须另向官方申请。拿模型或其输出去训练、微调、改进并对外发布的AI模型，还得显著标注Built with Qwen或Improved using Qwen。衍生作品不能拿Qwen当主名。
这和初代Qwen-Image的Apache 2.0不是一条路。权重能下、代码能看、ComfyUI当天能跑——但设计公司、电商店铺如果要把这套接进付费产线，现在还差一张商业授权。外界把这次叫「开源」，更精确的说法是：开放权重，研究可用，商用另谈。
哈基米云的判断很简单。Qwen-Image-2.1把生成、编辑、透明通道、多参考图合成，收进一个能在消费级卡上转起来的checkpoint，这是真利好。生态首日就位，也是真利好。但同一天收紧授权，等于把「能玩」和「能卖」劈成两半。开发者现在就能下权重；想把它变成生意，得先把许可证读完。
做项目需要大模型，国内的、国外的这里都能接到。价格谈得下来，调用稳得住，出了问题有人跟到落地。
平顶山市哈基米与他的朋友们科技有限公司
联系电话：17629730802
公司官网：hajimi.yun