阿里開源 Qwen-Image-2.1，7B 引數統一生成與編輯

阿里開源 Qwen-Image-2.1，將文生圖與影像編輯統一到單一模型，視覺生成元件僅 7B 引數，原生支援生成和編輯透明影像。該模型最多可接受 10 張參考圖，支援圈選、塗抹和獨立掩碼三種區域性編輯方式，並提升人像身份與商品一致性。採用混合粒度注意力架構，KV cache 複用輸入影像與編輯指令以降低視訊記憶體佔用，權重已在 GitHub、Hugging Face 和 ModelScope 發布。

7B 引數即統一生成與編輯並原生支援透明圖層，參考圖上限提升到 10 張，對關注開源影像模型與本地部署的開發者有直接參考價值。

原標題：Qwen-Image-2.1: Compact, Efficient, and Unified Image Creation
閱讀原文