Qwen Image 2.1
Китайцы выкатили новую открытую модель для генерации картинок — Qwen Image 2.1. Главный сок релиза в том, что разработчики наконец-то объединили создание артов с нуля и сложное редактирование в рамках единой архитектуры. Под капотом крутится визуалка на 7B параметров (Single-Stream DiT), а за зрение и чтение промптов отвечает Qwen3-VL-8B. Сетка умеет переваривать до 10 референсов за раз и собирать комплексные сцены без лишнего жонглирования чекпоинтами. По сути, перед нами попытка заменить целый огород специализированных утилит одним универсальным решением. Ключевые фишки релиза: Нативная прозрачность (RGBA): Самое полезное нововведение для продакшена. Сетка генерирует картинки сразу с честным альфа-каналом без необходимости прогонять результат через сторонние удалялки фона. Она умеет как рисовать изолированные объекты по текстовому описанию, так и вырезать нужный предмет из обычной фотографии в отдельный прозрачный слой. Локальные правки с сохранением идентичности: Область для редактирования можно пометить маской или обвести контуром, попросив изменить только её. Модель жестко держит исходную внешность человека, форму продукта и текстуры, что критично для рекламных креативов и товарных каталогов. До 10 референсов в одном запросе: В один контекст можно скормить пачку исходников — например, чтобы собрать цельный образ из пяти отдельных фотографий одежды или сгенерировать интерьер комнаты по разрозненным кадрам мебели. Нативное 2K и рендеринг текста: Из коробки поддерживаются разрешения вплоть до 2048×2048 (и 2752×1536 для формата 16:9). Заметно подтянули разборчивость надписей на плакатах и упаковках, генерацию панорам, инфографики и виртуальную примерку. Оптимизация инференса: Благодаря гибридному вниманию и KV-кешированию префикса текстовые инструкции и картинки-референсы кодируются один раз, а не пересчитываются заново на каждом шаге денойзинга.
