Saltar al contenido
Volver

Alibaba libera Qwen-Image-2.1: un modelo open-weight de 7B que genera y edita imágenes con transparencia nativa

El equipo Qwen de Alibaba open-sourcéa Qwen-Image-2.1, un modelo unificado de generación y edición de imágenes con transparencia RGBA nativa y licencia de investigación.

Nauta Lab
3 min

Alibaba libera Qwen-Image-2.1: un modelo open-weight de 7B que genera y edita imágenes con transparencia nativa

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 diffusers con el pipeline QwenImage21Pipeline, con soporte de torch>=2.4 y transformers>=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).


Compartir artículo:

Sigue leyendo

Noticias relacionadas

Más en IA →

Buscar en Ping Diario