
El equipo Qwen de Alibaba liberó Qwen-Image-2.1, un modelo open-weight de 7B parámetros que unifica generación de imágenes desde texto y edición en un solo workflow. El punto que lo distingue de la competencia: transparencia RGBA nativa para crear y editar assets sin fondo.
Qué trae de nuevo
- Compacto y eficiente: una arquitectura liviana con mixed-granularity attention y reuso de caché KV en el prefijo, que promete buena calidad de imagen a bajo costo computacional. Son 32 capas Single-Stream DiT en el componente visual.
- Transparencia nativa, creación y edición unificadas: genera imágenes regulares o transparentes (RGBA) desde texto, edita capas transparentes y extrae sujetos de fotografías —todo en el mismo modelo.
- Edición versátil: soporta hasta 10 imágenes de referencia, ediciones locales vía círculos, anotaciones pintadas o máscaras separadas, y preservación de identidad para personas y productos.
- Mejor estética: tipografía mejorada, iluminación de retratos y detalles finos más pulidos.
El catch: la licencia
Acá está el asterisco. Qwen-Image-2.1 se distribuye bajo la Qwen Research License, que prohíbe el uso comercial sin un acuerdo separado. O sea: podés bajar el modelo, inspeccionar la implementación y armar un prototipo, pero meterlo en un producto de pago requiere negociar otra licencia con Alibaba.
La lectura es clara: es un release de investigación con funciones prácticas poco comunes —sobre todo la creación y edición de assets transparentes con múltiples referencias—, no un regalo open-source para producción.
Detalles técnicos
- Salida de hasta 2K (2048x2048 en 1:1, y aspect ratios 16:9, 9:16, 4:3, 3:4, entre otros).
- Se corre vía
diffuserscon el pipelineQwenImage21Pipeline, con soporte detorch>=2.4ytransformers>=5.17. - Disponible en Hugging Face y ModelScope, con demo pública y blog oficial.
En el tablero de los modelos chinos, Alibaba sigue marcando ritmo: tras la ola de razonamiento y los modelos de lenguaje, ahora apunta al terreno de la generación visual con un enfoque de “gen + edit” unificado. Veremos si la licencia de investigación le pesa frente a alternativas más permisivas.
Fuente: Hugging Face / Qwen Blog / TechNode — lanzamiento de Qwen-Image-2.1.
Update: 2026-10-10 — Llega Qwen-Image-2.1-Turbo con generación en 8 pasos
El equipo Qwen de Alibaba publicó (anuncio vía X el 9 de octubre, checkpoint ya en Hugging Face) Qwen-Image-2.1-Turbo, un checkpoint acelerado del mismo modelo que baja la generación y edición de imágenes a sólo 8 pasos de denoising, manteniendo la arquitectura visual de 7B.
Los detalles técnicos que importan:
- Carga directo en Diffusers con
QwenImage21Pipeline(requiere Diffusers desde source por el soporte de sampling sigmas configuradas del pipeline, PR #14950). - Trae su propio sampling schedule embebido: no hay que configurar el scheduler a mano. Usa CFG=1 por defecto.
- Prefix KV caching reutiliza el contexto de texto e imagen de referencia entre pasos de denoising, que es de donde sale buena parte del ahorro.
En la práctica: menos pasos + caché de contexto = generación de imágenes 2K y edición por lenguaje natural mucho más barata de servir, con la misma base que el modelo original. Buena noticia para quien corre Qwen-Image en GPU modesta.
Fuente: Hugging Face — Qwen/Qwen-Image-2.1-Turbo, anuncio del equipo Qwen (9-10-2026).


