# Recensione di Qwen-Image-2.1 > Recensione di Qwen-Image-2.1: 2K nativo, immagini RGBA trasparenti, editing, benchmark, requisiti VRAM, installazione ComfyUI e licenza commerciale. - Canonical HTML: https://omniakey.com/it/blog/qwen-image-2-1-review - Markdown: https://omniakey.com/it/blog/qwen-image-2-1-review.md - Published: 2026-09-21 (updated 2026-09-21) - Author: Kiki, COO at OmniaKey - Language: it - Category: Guide - Reading time: 14 min - All posts: https://omniakey.com/blog/llms.txt --- Questa **Qwen-Image-2.1 recensione** descrive un modello di immagini open-weight interessante per due capacità rare: output RGBA nativo e una sola pipeline per generazione e modifica. Evidenzia anche due limiti decisivi: i pesi pubblici hanno una licenza di ricerca non commerciale e i file principali occupano circa 33.1 GB prima dell'overhead di inferenza. Vale la pena valutarlo per asset trasparenti, sticker, estrazione di soggetti e composizioni multi-riferimento. Non è ancora la scelta più semplice per un prodotto commerciale o per una GPU da 24 GB senza ottimizzazioni. > **Verificato il 21 settembre 2026.** Abbiamo controllato annuncio, repository, file Hugging Face, licenza, guide Diffusers/ComfyUI, ricetta vLLM-Omni, grafico Qwen e GenAI Image Showdown indipendente. Abbiamo anche scaricato quattro output ufficiali. Una generazione personalizzata sul Demo pubblico non è terminata perché lo Space era occupato: questa è quindi una recensione di lancio basata sulle prove, non un benchmark proprietario. La galleria ufficiale contiene esempi selezionati dal fornitore. ## Qwen-Image-2.1 recensione: risposta breve |Domanda|Risposta verificata| |-|-| |Cos'è|Modello unificato text-to-image e editing, ID `Qwen/Qwen-Image-2.1`| |Architettura|Generatore visivo 7B, 32 layer Single-Stream DiT, encoder Qwen3-VL 8B| |Risoluzione|2K nativo; Diffusers usa `2048x2048` per impostazione predefinita| |Trasparenza|Generazione e modifica RGBA nativa a quattro canali| |Immagini di riferimento|Fino a 10 nella pipeline ufficiale; 4 nell'attuale vLLM-Omni| |Campionamento|40 step nell'esempio Diffusers ufficiale| |Ingombro locale|Circa 33.1 GB per encoder, Transformer e VAE, prima dell'overhead| |Licenza|Qwen Research License, sola ricerca/valutazione non commerciale| |OmniaKey|Non presente in catalogo al 2026-09-21| Il motivo migliore per provarlo non è la classifica, ma l'unione di **alfa reale, dieci riferimenti ed editing locale**. Licenza, memoria e poche valutazioni indipendenti sconsigliano invece un impiego immediato in produzione. ## Cos'è Qwen-Image-2.1? Qwen ha pubblicato Qwen-Image-2.1 il **20 settembre 2026**. Generazione text-to-image, modifica di un'immagine, composizione multi-riferimento, maschere, indicazioni dipinte ed estrazione trasparente passano dalla stessa pipeline. L'etichetta 7B indica soltanto il generatore visivo, non tutto lo stack caricato: - generatore visivo 7B con 32 layer Single-Stream DiT; - encoder Qwen3-VL 8B per prompt e immagini di riferimento; - VAE con 64 canali latenti, compressione spaziale 16x e quattro canali in ingresso/uscita; - RGB, RGBA, generazione e modifica in un modello. Diffusers `QwenImage21Pipeline`, ComfyUI, vLLM-Omni, SGLang e LightX2V hanno annunciato supporto day-one. I limiti dipendono dal runtime: Diffusers documenta dieci riferimenti, mentre l'attuale vLLM-Omni rifiuta la quinta immagine. Cerchi Qwen 4? È la prossima generazione dei modelli linguistici di Qwen, separata da Qwen-Image-2.1. Alibaba ha detto il 22 settembre 2026 che è in addestramento, e la nostra pagina sulla [data di uscita di Qwen 4](https://omniakey.com/it/blog/qwen-4-release-date) segue ciò che è stato confermato. ## Cosa mostrano gli esempi ufficiali Abbiamo ispezionato i file originali. Il poster ha riprodotto correttamente entrambe le righe inglesi richieste, con gerarchia e spaziatura coerenti. Lo storyboard ha prodotto esattamente sei riquadri mantenendo riconoscibile il piccolo robot. L'immagine di prodotto mostra rifrazione e riflessi del vetro convincenti. L'esempio trasparente è un **PNG RGBA da 1664x2496** con alfa tra **0 e 255**. Contiene pixel realmente trasparenti e opachi, non una scacchiera disegnata in RGB. È la capacità più chiaramente distintiva della release. Sono esempi ufficiali selezionati, non un test cieco. Data la licenza di ricerca, non li ripubblichiamo: rimandiamo alla galleria e riportiamo proprietà verificabili. ## Benchmark di Qwen-Image-2.1 Il grafico Qwen riporta **60.28** su Qwen-Image-Bench. È un dato utile del produttore, non una classifica indipendente, perché benchmark, aggregazione e valutazione provengono dall'editore del modello. Il **GenAI Image Showdown** indipendente usa 15 compiti difficili di aderenza al prompt, consente di adattare il prompt per modello e vieta editing e inpainting. |Modello|Compiti superati|Compliance| |-|-:|-:| |OpenAI GPT-Image 2|12 / 15|98%| |Ideogram 4|8 / 15|63%| |Qwen-Image-2.1|7 / 15|67%| |Qwen-Image originale|4 / 15|68%| 2.1 passa da 4 a 7 compiti superati, mentre la metrica separata compliance cambia dal 68% al 67%. Non è una contraddizione: misurano aspetti diversi. In questo test ridotto 2.1 migliora sull'originale, ma non guida nell'aderenza a istruzioni complesse. Il 60.28 ufficiale e il 7 / 15 indipendente non si possono fondere in una classifica, perché usano compiti e punteggi diversi. ## 2K nativo, RGBA e modifica immagini Diffusers usa `2048x2048` e 40 step per impostazione predefinita. Qwen raccomanda anche `2400x1792` per 4:3, `1792x2400` per 3:4, `2752x1536` per 16:9 e `1536x2752` per 9:16. “2K nativo” indica la tela prevista; non garantisce testo piccolo perfetto, conteggi esatti o più dettaglio semantico. Risoluzione e fedeltà al prompt sono test separati. L'editing supporta fino a dieci riferimenti in Diffusers, preservazione dell'identità di persone/prodotti, cerchi o pittura per modifiche locali, maschere separate, estrazione del soggetto e livelli trasparenti. Per RGBA, Qwen suggerisce di richiedere esplicitamente canale alfa e sfondo trasparente, salvando in PNG. JPEG non conserva l'alfa. ## Requisiti VRAM di Qwen-Image-2.1 |Componente|Dimensione serializzata approssimativa| |-|-:| |Encoder testo/visione Qwen3-VL|17.5 GB| |Transformer DiT|14.2 GB| |VAE RGBA|1.4 GB| |Totale|33.1 GB| La dimensione su disco non coincide con il picco VRAM, ma il percorso BF16 ufficiale `.to("cuda")` non è una configurazione comoda da 24 GB. vLLM-Omni ha misurato su una NVIDIA GB300, `1024x1024` e 40 step: |Configurazione|Picco memoria|Tempo per immagine| |-|-:|-:| |BF16|34.0 GB|3.28-4.49 s| |DiT FP8, `img_mlp` sensibile in BF16|32.0-32.7 GB|3.36-4.71 s| |Encoder testo FP8|27.5-28.1 GB|3.43-4.77 s| Sono misure **GB300** a 1024px, non RTX 3090/4090 né 2K predefinito. FP8 ha soprattutto ridotto la memoria e non ha accelerato il test. Una scheda da 24 GB può funzionare con quantizzazione, CPU offload, VAE tiling o workflow ComfyUI della community, ma va considerato un progetto di ottimizzazione e non una base garantita. ## Installazione locale con Diffusers Il quick start installa Diffusers da Git. Per valutazioni riproducibili, usate un ambiente virtuale e fissate il commit provato. ```bash python -m pip install "torch>=2.4.0" "transformers>=5.17" accelerate pillow python -m pip install git+https://github.com/huggingface/diffusers ``` ```python import torch from diffusers import QwenImage21Pipeline pipe = QwenImage21Pipeline.from_pretrained( "Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16, ).to("cuda") image = pipe( prompt='A museum poster that reads "NATIVE RGBA", precise typography', width=2048, height=2048, num_inference_steps=40, generator=torch.Generator("cuda").manual_seed(42), ).images[0] image.save("qwen-image-2-1.png") ``` Per più riferimenti passate `image=[...]`. Registrate seed, prompt completo, commit del runtime, precisione, risoluzione e step: senza questi dati il confronto non è riproducibile. ### ComfyUI e serving ComfyUI offre supporto nativo e workflow JSON ufficiali per generazione e modifica. È semplice per esperimenti visivi e offload della community. Diffusers è più chiaro per test Python controllati; vLLM-Omni e SGLang mirano a serving, batch, cache e FP8. Inviate esplicitamente 40 step e verificate il limite di riferimenti del runtime. ## Licenza e uso commerciale **La licenza pubblicata non concede l'uso commerciale.** Qwen Research License definisce Non-Commercial come ricerca o valutazione e limita a tale ambito uso, modifica e distribuzione dei materiali. |Uso|Posizione della licenza pubblicata| |-|-| |Ricerca/valutazione interna|Consentita secondo le condizioni dell'accordo| |Redistribuzione di pesi o derivati|Soggetta al limite non commerciale e agli avvisi| |Prodotto a pagamento o servizio commerciale|Richiede una licenza commerciale separata| |Contatto|`model-business@notice.qwencloud.com`| Pesi scaricabili non significano Apache-2.0 o open source commerciale. Chi vende asset generati o integra il modello in un servizio a pagamento deve ottenere condizioni scritte e consulenza legale, senza dedurre diritti dalla parola “open-source” nell'annuncio. ## Per chi ha senso Valutatelo se la trasparenza nativa elimina il ritaglio dello sfondo, servono più persone/prodotti/stili come riferimenti, volete generazione ed editing locali in un modello, avete oltre 32 GB o accettate quantizzazione/offload e l'uso è davvero ricerca non commerciale. Aspettate se manca la licenza commerciale, serve 2K plug-and-play su 24 GB, l'aderenza esatta al prompt conta più dell'alfa, occorrono dati maturi sulla tipografia multilingue o vi serve oggi un'API Qwen-Image-2.1 gestita da OmniaKey. Per un'API immagini già disponibile, consultate la [recensione Nano Banana 2 vs Pro](https://omniakey.com/it/blog/nano-banana-2-vs-pro-review). Il [catalogo modelli](https://omniakey.com/it/models) è la fonte corretta per la disponibilità OmniaKey. Se preferite non eseguire un modello in locale, Qwen Image 3 gira in versione ospitata nel [Generatore immagini IA](https://omniakey.com/it/ai-image-generator). Il più recente Qwen Image 3 Pro è nel nostro [confronto con GPT Image 2 sugli stessi prompt](https://omniakey.com/it/blog/qwen-image-3-pro-vs-gpt-image-2), con risultati e costo per immagine. ## Limiti della recensione La generazione personalizzata non è terminata perché il Demo era occupato. Le osservazioni visive derivano da quattro esempi ufficiali selezionati. Il confronto indipendente contiene solo 15 compiti text-to-image e non misura editing o trasparenza. I dati hardware provengono da GB200/GB300, non RTX consumer. Questa è analisi tecnica, non consulenza legale. ## Domande frequenti ### Qwen-Image-2.1 è open source? Codice e pesi sono scaricabili pubblicamente e Qwen lo definisce open-source. Tuttavia, i pesi usano una licenza di ricerca che limita il commerciale. “Open-weight con licenza di ricerca” è più preciso di open source senza restrizioni. ### Quanta VRAM richiede Qwen-Image-2.1? I file principali totalizzano circa 33.1 GB. vLLM-Omni ha misurato 34.0 GB in BF16 e 27.5-28.1 GB con encoder testo FP8 su GB300. Risoluzione, precisione, offload, runtime e GPU cambiano il risultato. ### Funziona su RTX 3090 o 4090? Non con il percorso BF16 completo `.to("cuda")` dell'esempio ufficiale. Quantizzazione e offload possono rendere possibili 24 GB, ma i dati ufficiali non dimostrano velocità o stabilità 2K nativa su tali schede. ### Qwen-Image-2.1 supporta ComfyUI? Sì. ComfyUI ha pubblicato supporto nativo e workflow ufficiali text-to-image e editing il giorno del lancio. ### Quante immagini di riferimento supporta? Diffusers ufficiale arriva a 10; l'attuale vLLM-Omni a 4. Controllate il runtime realmente distribuito. ### Si può usare commercialmente? La Qwen Research License pubblica non lo consente. Richiedete una licenza separata a `model-business@notice.qwencloud.com` e una verifica legale del caso d'uso. ### Qwen-Image-2.1 è disponibile su OmniaKey? No al 21 settembre 2026. Il catalogo contiene route Qwen Image 3, ma non `Qwen/Qwen-Image-2.1`. Questa recensione non annuncia disponibilità. ## Fonti primarie - [Annuncio ufficiale Qwen](https://qwen.ai/blog?id=qwen-image-2.1) - [Repository e quick start](https://github.com/QwenLM/Qwen-Image-2.1) - [Qwen Research License](https://github.com/QwenLM/Qwen-Image-2.1/blob/main/LICENSE) - [File del modello su Hugging Face](https://huggingface.co/Qwen/Qwen-Image-2.1) - [Workflow ComfyUI text-to-image](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/image_qwen_image_2_1_t2i.json) - [Workflow ComfyUI di editing](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/image_qwen_image_2_1_image_edit.json) - [Ricetta vLLM-Omni](https://recipes.vllm.ai/Qwen/Qwen-Image-2.1) - [Qwen-Image-Bench](https://github.com/QwenLM/Qwen-Image-Bench) - [GenAI Image Showdown indipendente](https://genai-showdown.specr.net/) _Evidenze verificate il 2026-09-21. Runtime, limiti e opzioni di licenza possono cambiare; riaprite le fonti primarie prima di decidere per la produzione._