Qwen-Image-2.1: görsel üretim ve düzenlemeyi birleştiren kompakt 7B model

Kompakt 7B mimarisi

Qwen, üretim kalitesini, çıkarım verimliliğini ve maliyeti dengelediğini belirttiği Qwen-Image-2.1'i açık kaynak olarak yayımladı. Sürüm, metinden görsel üretimi ile görsel düzenlemeyi tek bir modelde birleştiriyor; görsel üretim bileşeni 7B parametre içeriyor ve saydam görseller için yerleşik destek sunuyor.

Bileşen 32 Single-Stream DiT katmanından oluşuyor. Qwen, kompakt boyutun üretim kalitesinden ödün vermediğini, çıkarım verimliliğinin ise çoklu girdili düzenlemede öncelik olduğunu belirtiyor. Bunu karma ayrıntı düzeyli dikkat mimarisi sağlıyor: sistem öneki ve düzenleme talimatları dahil metin, token düzeyinde nedensel maske kullanırken görsel üretimi blok düzeyinde maske kullanıyor. KV önbelleğinin yeniden kullanımı, girdi görsellerini ve düzenleme talimatlarını ilk adımda hesaplanıp önbelleğe alınan statik bağlam haline getiriyor; bu da çıkarımı hızlandırıp bellek kullanımını azaltıyor.

Tek modelde saydamlık

Aralık 2025'te tanıtılan Qwen-Image-Layered, saydam görsel üretimi için ayrı bir modeldi. Qwen-Image-2.1 bu yeteneği birleşik modele taşıyor ve istemin, çıktının normal mi yoksa saydamlık kanallı bir görsel mi olacağını belirlemesini sağlıyor. Üretim ve düzenleme birleştiği için saydam görseller doğrudan düzenlenebiliyor — örneğin bir öznenin ifadesi değiştirilirken saydam arka plan korunuyor. Aynı yetenek fotoğraflara da uzanıyor: model, RGB bir görselden istenen özneyi RGBA katmanı olarak ayırabiliyor ve bu, öğelerin tasarım ile kompozisyonda yeniden kullanımını kolaylaştırıyor.

10 referans görsele kadar düzenleme

Qwen dört düzenleme iyileştirmesi sıralıyor: çoklu referans, yerel düzenleme, sadakat ve görev kapsamı. Model 10'a kadar referans görsel alıyor ve ayrı öznelerle varlıkları tek kompozisyonda birleştirebiliyor: altı portre tek grup fotoğrafında, beş referanstan bir kıyafet, on mobilya görselinden bir oda yerleşimi.

Yerel düzenlemeler daireler, boyanmış işaretler veya ayrı bir maske ile belirtilebiliyor; girdi görselinin bozulmaması için orijinal görsel ile maske iki ayrı girdi olarak da verilebiliyor. Sadakat çalışması portre kimliği ile ürün tutarlılığına odaklanıyor: yüz hatları düzenlemeler arasında daha istikrarlı korunuyor, ürünün metni, dokusu ve biçimi muhafaza ediliyor. Görev kapsamı bir selfie'den üretilen panoramaları, model fotoğrafından genişletilen infografikleri ve üç görünümlü karakter referansından kurulan storyboard'ları içeriyor.

Sürüm ayrıca tipografi ve portre işlemesini iyileştiriyor; metin üretiminde yazı tipi stilleri ve yerleşim dikkate alınıyor. Qwen-Image-2.1 GitHub, Hugging Face ve ModelScope üzerinde erişilebilir; ekip modeli tasarım, içerik üretimi, e-ticaret ve görsel hikâye anlatımı için pratik bir araç olarak sunuyor.