2026年9月20日，阿里通义千问团队发布Qwen-Image-2.1，并开放其模型权重。这是一款在文生图生成与图像编辑上统一的生成式模型：视觉生成组件仅约7B参数，采用32层单流DiT架构，在保持高质量图像生成的同时显著降低显存与推理成本。对图像生成模型的研究者与工程团队，这是2026年9月值得关注的模型发布。本文从AI模型与算法视角解读。
统一架构：把文生图与图像编辑放进同一个模型
Qwen-Image-2.1以单一模型统一文生图生成与图像编辑两个任务，完整核心管线约15B参数，包含约8B参数的Qwen3-VL文本编码器；视觉生成组件采用32层单流DiT架构、约7B参数。这种一个模型覆盖多任务的设计，让开发者无需维护多套权重即可同时处理生成与编辑场景，显著降低了部署与迭代成本，是图像生成模型在架构复用上的代表做法。
轻量高效：混合粒度注意力与前缀KV缓存复用
在算法与工程层面，Qwen-Image-2.1引入混合粒度注意力（mixed-granularity attention）与前缀KV缓存复用等策略，在保证生成质量的同时提升推理效率、降低峰值显存占用。默认推理步数约40步，并支持最高约2K的原生输出分辨率，为大图、长图等高质量生成场景提供了基础，也体现了轻量化DiT模型在推理优化上的进展。
原生透明图与首日工具链接入
Qwen-Image-2.1采用64通道RGBA自编码器，原生支持生成与编辑带透明通道的图像，单次编辑任务可接受最多约10张参考图。发布即获得Diffusers、ComfyUI、vLLM-Omni与SGLang等主流框架的首日接入，便于本地工作流快速落地。需要说明的是，该模型权重以研究用途许可限量公开，商业使用需另行申请授权。
对模型选型与部署的启示
对评估图像生成模型的团队，建议结合自身对生成质量、推理时延与显存预算的要求，将该模型在真实提示词与素材上的表现与既有方案对比；同时关注其许可限制，涉及商业场景时需提前确认授权条件。轻量参数加高效推理的路线，也让中小团队更易完成自托管部署与面向业务的二次优化。
小结
Qwen-Image-2.1于2026年9月20日发布，以7B轻量DiT统一文生图与图像编辑、原生透明图支持为核心看点，是2026年9月AI模型与算法领域值得关注的图像生成模型更新。