# Обзор Qwen-Image-2.1 > Обзор Qwen-Image-2.1: нативные 2K и RGBA, редактирование изображений, бенчмарки, требования к VRAM, установка ComfyUI и коммерческая лицензия. - Canonical HTML: https://omniakey.com/ru/blog/qwen-image-2-1-review - Markdown: https://omniakey.com/ru/blog/qwen-image-2-1-review.md - Published: 2026-09-21 (updated 2026-09-21) - Author: Kiki, COO at OmniaKey - Language: ru - Category: Guide - Reading time: 14 min - All posts: https://omniakey.com/blog/llms.txt --- Этот **обзор Qwen-Image-2.1** показывает интересную модель с открытыми весами и двумя редкими преимуществами: нативным RGBA и единым пайплайном для генерации и редактирования. Но есть и два жестких ограничения: публичные веса распространяются по некоммерческой исследовательской лицензии, а основные файлы занимают около 33.1 ГБ еще до накладных расходов инференса. Модель стоит оценить для прозрачных товарных изображений, стикеров, выделения объектов и композиций по нескольким референсам. Для коммерческого сервиса или простой установки на 24 ГБ она пока не является очевидным выбором. > **Проверено 21 сентября 2026 года.** Мы изучили официальный анонс, репозиторий, файлы Hugging Face, лицензию, инструкции Diffusers/ComfyUI, рецепт vLLM-Omni, график Qwen и независимый GenAI Image Showdown. Также были загружены четыре официальных примера. Собственная генерация в публичном Hugging Face Demo не завершилась из-за загрузки Space, поэтому это обзор запуска на основе доказательств, а не заявленный собственный бенчмарк. Официальная галерея содержит отобранные разработчиком примеры. ## Qwen-Image-2.1: краткий вывод обзора |Вопрос|Проверенный ответ| |-|-| |Что это|Единая модель text-to-image и редактирования `Qwen/Qwen-Image-2.1`| |Архитектура|Визуальный генератор 7B, 32 слоя Single-Stream DiT, энкодер Qwen3-VL 8B| |Разрешение|Нативное 2K; по умолчанию Diffusers использует `2048x2048`| |Прозрачность|Нативная генерация и обработка четырехканального RGBA| |Референсы|До 10 в официальном пайплайне; 4 в текущем vLLM-Omni| |Семплирование|40 шагов в официальном примере Diffusers| |Локальный объем|Около 33.1 ГБ для энкодера, Transformer и VAE без overhead| |Лицензия|Qwen Research License, только некоммерческие исследования/оценка| |OmniaKey|Нет в каталоге на 2026-09-21| Главная причина протестировать модель — не место в рейтинге, а сочетание **настоящего альфа-канала, десяти референсов и локального редактирования**. Лицензия, память и малое число независимых проверок не позволяют безоговорочно отправлять ее в продакшен. ## Что такое Qwen-Image-2.1 Qwen выпустила Qwen-Image-2.1 **20 сентября 2026 года**. Генерация по тексту, редактирование одного изображения, композиция по нескольким референсам, маски, нарисованные указания и прозрачное выделение объекта используют один пайплайн. Обозначение 7B относится только к визуальному генератору, а не ко всему загружаемому стеку: - визуальный генератор 7B и 32 слоя Single-Stream DiT; - Qwen3-VL 8B для текста и изображений-референсов; - VAE с 64 латентными каналами, сжатием пространства 16x и четырьмя каналами ввода/вывода; - RGB, RGBA, генерация и редактирование в одной модели. В день релиза поддержку объявили Diffusers `QwenImage21Pipeline`, ComfyUI, vLLM-Omni, SGLang и LightX2V. Ограничения зависят от среды: официальный Diffusers допускает десять референсов, а текущий vLLM-Omni отклоняет пятое изображение. Ищете Qwen 4? Это следующее поколение языковых моделей Qwen, не связанное с Qwen-Image-2.1. Alibaba 22 сентября 2026 г. сообщила, что модель ещё в обучении, а наша страница о [дате выхода Qwen 4](https://omniakey.com/ru/blog/qwen-4-release-date) отслеживает, что уже подтверждено. ## Что видно в официальных примерах Мы проверили оригинальные файлы, а не только миниатюры. Постер правильно воспроизвел обе заданные строки на английском и сохранил понятную типографическую иерархию. Сториборд содержал ровно шесть кадров и узнаваемого маленького робота. На товарном изображении убедительно выглядели преломление стекла и блики. Прозрачный пример — **RGBA PNG размером 1664x2496** с альфа-значениями от **0 до 255**. Это реальные прозрачные и непрозрачные пиксели, а не нарисованная шахматная подложка внутри RGB. Именно эта возможность сильнее всего отличает релиз. Все это отобранные официальные примеры, а не слепой тест. Из-за исследовательской лицензии мы не перепубликуем их, а даем ссылку на галерею и фиксируем проверяемые свойства. ## Бенчмарки Qwen-Image-2.1 На графике Qwen модель набрала **60.28** в Qwen-Image-Bench. Это полезное свидетельство поставщика, но не независимый рейтинг: сам бенчмарк, агрегация и оценка принадлежат издателю модели. Независимый **GenAI Image Showdown** использует 15 сложных заданий на следование промпту, разрешает адаптировать промпт под модель и запрещает редактирование и inpainting. |Модель|Пройдено заданий|Compliance| |-|-:|-:| |OpenAI GPT-Image 2|12 / 15|98%| |Ideogram 4|8 / 15|63%| |Qwen-Image-2.1|7 / 15|67%| |Исходная Qwen-Image|4 / 15|68%| Версия 2.1 поднялась с 4 до 7 пройденных задач, хотя отдельная метрика compliance изменилась с 68% до 67%. Противоречия нет: показатели измеряют разное. В этой небольшой проверке 2.1 лучше исходной модели, но не лидирует в сложном следовании инструкциям. Официальные 60.28 и независимые 7 / 15 нельзя объединить в одну таблицу: наборы заданий и методы оценки различаются. ## Нативные 2K, RGBA и редактирование Diffusers по умолчанию использует `2048x2048` и 40 шагов. Qwen также рекомендует `2400x1792` для 4:3, `1792x2400` для 3:4, `2752x1536` для 16:9 и `1536x2752` для 9:16. «Нативные 2K» описывают рабочий холст, но не гарантируют идеальный мелкий текст, точное количество объектов или больше смысловых деталей. Разрешение и следование промпту нужно проверять отдельно. Редактирование поддерживает до десяти референсов в Diffusers, сохранение идентичности людей и товаров, круги и нарисованные подсказки, отдельные маски, выделение объектов и прозрачные слои. Для RGBA Qwen советует явно запросить альфа-канал и прозрачный фон и сохранять PNG. JPEG альфа-канал не сохраняет. ## Требования Qwen-Image-2.1 к VRAM |Компонент|Примерный размер файлов| |-|-:| |Текстово-визуальный энкодер Qwen3-VL|17.5 ГБ| |DiT Transformer|14.2 ГБ| |RGBA VAE|1.4 ГБ| |Итого|33.1 ГБ| Размер файлов не равен пиковой VRAM, но официальный BF16-путь `.to("cuda")` не является комфортной конфигурацией на 24 ГБ. vLLM-Omni измерил на одной NVIDIA GB300 при `1024x1024` и 40 шагах: |Конфигурация|Пиковая память|Время на изображение| |-|-:|-:| |BF16|34.0 ГБ|3.28-4.49 с| |DiT FP8, чувствительный `img_mlp` в BF16|32.0-32.7 ГБ|3.36-4.71 с| |Текстовый энкодер FP8|27.5-28.1 ГБ|3.43-4.77 с| Это измерения **GB300** при 1024px, а не RTX 3090/4090 и не стандартные 2K. FP8 в этом тесте экономил память, но не ускорял генерацию. 24 ГБ могут работать с квантизацией, CPU offload, VAE tiling или сообществом ComfyUI, но это проект оптимизации, а не гарантированная базовая установка. ## Локальная установка через Diffusers Официальный quick start устанавливает Diffusers из Git. Для воспроизводимости используйте виртуальное окружение и закрепите проверенный commit. ```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") ``` Несколько референсов передаются как `image=[...]`. Записывайте seed, полный промпт, commit среды, точность, разрешение и число шагов — иначе сравнение качества невоспроизводимо. ### ComfyUI и серверные среды ComfyUI получил нативную поддержку и официальные JSON-workflow для генерации и редактирования. Он удобен для визуальных экспериментов и offload-схем сообщества. Diffusers прозрачнее для контролируемой Python-оценки; vLLM-Omni и SGLang рассчитаны на serving, batching, cache и FP8. Явно задавайте 40 шагов и проверяйте лимит референсов конкретной среды. ## Лицензия и коммерческое использование **Публичная лицензия не предоставляет коммерческих прав.** Qwen Research License определяет Non-Commercial как исследования или оценку и разрешает использование, изменение и распространение материалов только для некоммерческих целей. |Сценарий|Позиция опубликованной лицензии| |-|-| |Внутреннее исследование/оценка|Разрешено на условиях соглашения| |Распространение весов или производных|Только в некоммерческих границах и с уведомлениями| |Платный продукт или коммерческий сервис|Нужна отдельная коммерческая лицензия| |Контакт|`model-business@notice.qwencloud.com`| Возможность скачать веса не означает Apache-2.0 или свободный коммерческий open source. Если планируется продажа изображений или платный сервис, получите письменные условия и юридическую консультацию, а не выводите права из слова «open-source» в анонсе. ## Кому модель подходит Оценка оправдана, если нативная прозрачность убирает этап удаления фона, нужны несколько людей или товаров-референсов, одна локальная модель должна генерировать и редактировать, доступно больше 32 ГБ либо приемлемы квантизация/offload, а задача действительно некоммерческая. Лучше подождать без коммерческой лицензии, при обязательном plug-and-play 2K на 24 ГБ, при высшем приоритете точного следования промпту, необходимости зрелых данных по многоязычной типографике или управляемого Qwen-Image-2.1 API в OmniaKey уже сегодня. Для доступного сейчас API изображений изучите [сравнение Nano Banana 2 и Pro](https://omniakey.com/ru/blog/nano-banana-2-vs-pro-review). Актуальность маршрутов OmniaKey определяет [каталог моделей](https://omniakey.com/ru/models). Если не хотите запускать модель локально, Qwen Image 3 размещён в [Генераторе изображений ИИ](https://omniakey.com/ru/ai-image-generator). Более новый Qwen Image 3 Pro разобран в нашем [сравнении с GPT Image 2 на одинаковых промптах](https://omniakey.com/ru/blog/qwen-image-3-pro-vs-gpt-image-2), с результатами и ценой за изображение. ## Ограничения обзора Собственная генерация не завершилась из-за загрузки Demo. Визуальные наблюдения основаны на четырех отобранных официальных примерах. Независимый тест содержит лишь 15 задач text-to-image и не измеряет редактирование или прозрачность. Данные оборудования относятся к GB200/GB300, а не потребительским RTX. Это технический анализ, не юридическая консультация. ## Частые вопросы ### Qwen-Image-2.1 — open source? Код и веса доступны публично, а Qwen использует термин open-source. Однако веса распространяются по исследовательской лицензии с ограничением коммерции. Точнее говорить «открытые веса с исследовательской лицензией». ### Сколько VRAM требуется Qwen-Image-2.1? Основные файлы занимают около 33.1 ГБ. vLLM-Omni измерил 34.0 ГБ в BF16 и 27.5-28.1 ГБ с FP8 для текстового энкодера на GB300. Результат зависит от разрешения, точности, offload, runtime и GPU. ### Работает ли модель на RTX 3090 или 4090? Не по полному официальному BF16-пути `.to("cuda")`. Квантизация и offload могут позволить 24 ГБ, но официальные данные релиза не подтверждают скорость или стабильность нативных 2K на этих картах. ### Есть ли поддержка ComfyUI? Да. В день релиза появились нативная поддержка и официальные workflow генерации и редактирования. ### Сколько референсов поддерживается? Официальный Diffusers — до 10, текущий vLLM-Omni — 4. Проверяйте контракт фактически развернутой среды. ### Разрешено ли коммерческое использование? Опубликованная Qwen Research License его не разрешает. Запросите отдельную лицензию по адресу `model-business@notice.qwencloud.com` и проверьте свой сценарий с юристом. ### Доступен ли Qwen-Image-2.1 в OmniaKey? Нет на 21 сентября 2026 года. В каталоге есть маршруты Qwen Image 3, но нет `Qwen/Qwen-Image-2.1`. Этот обзор не является анонсом доступности. ## Первичные источники - [Официальный анонс Qwen](https://qwen.ai/blog?id=qwen-image-2.1) - [Репозиторий и quick start](https://github.com/QwenLM/Qwen-Image-2.1) - [Qwen Research License](https://github.com/QwenLM/Qwen-Image-2.1/blob/main/LICENSE) - [Файлы Hugging Face](https://huggingface.co/Qwen/Qwen-Image-2.1) - [ComfyUI text-to-image workflow](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/image_qwen_image_2_1_t2i.json) - [ComfyUI workflow редактирования](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/image_qwen_image_2_1_image_edit.json) - [Рецепт vLLM-Omni](https://recipes.vllm.ai/Qwen/Qwen-Image-2.1) - [Qwen-Image-Bench](https://github.com/QwenLM/Qwen-Image-Bench) - [Независимый GenAI Image Showdown](https://genai-showdown.specr.net/) _Данные проверены 2026-09-21. Среды, лимиты и варианты лицензирования могут измениться; перед production-решением снова откройте первичные источники._