Модели с именем Qwen-Image-2.1 не существует. Упоминается только Qwen-Image-2.0, выпущенная 10 февраля 2026 года как «next-generation foundational image generation model». Всё остальное, что есть, — это линейка Qwen-Image, Qwen-Image-Edit и их месячные итерации: Qwen-Image-2512, Qwen-Image-Edit-2509 и Qwen-Image-Edit-2511. Ниже — что именно известно про каждую из них, как они запускаются и какие ограничения признают сами авторы.
Что известно про Qwen-Image-2.0 и чем она отличается от предыдущих версий
Qwen-Image-2.0 заявлена как следующая базовая модель генерации изображений. В анонсе перечислены четыре отличия:
- поддержка инструкций длиной до 1k токенов для прямой генерации профессиональной инфографики — презентаций, постеров, комиксов;
- нативная поддержка 2K-разрешения для детализированных реалистичных сцен;
- объединение понимания и генерациимодель и понимает запрос, и создаёт по нему изображение, а генерация и редактирование выполняются в одном режиме — без переключения между отдельными пайплайнами;
- более лёгкая архитектура — меньший размер модели и более быстрый инференс.
Предыдущая базовая модель Qwen-Image — это MMDiTархитектура диффузионной модели, в которой механизм внимания работает и по текстовым, и по визуальным токенам на 20B параметров, нацеленная на сложный рендеринг текста и точное редактирование изображений. Qwen-Image-2512 — декабрьское обновление Qwen-Image с более реалистичными людьми, лучшими текстурами и улучшенным рендерингом текста. Qwen-Image-Edit-2509 — сентябрьская месячная итерация Qwen-Image-Edit. Qwen-Image-Edit-2511 — декабрьский релиз для редактирования с поддержкой нескольких изображений и улучшенной согласованностью.
В репозитории по-прежнему отдельно перечислены Qwen-Image-2512 для генерации по тексту и Qwen-Image-Edit-2511 для редактирования.
Даты релизов и что было открыто
4 августа 2025 года вышли и сам Qwen-Image, и его веса — на Hugging Face и ModelScope. 9 августа 2025 года появилась поддержка LoRA-моделейлёгких дообучаемых надстроек, которые добавляют модели новое поведение без полного переобучения с весами на ModelScope. 18 августа 2025 года был открыт исходный код Qwen-Image-Edit.
Как запускать через diffusers
Для генерации по тексту модель загружается по имени и типу данных, затем переносится на устройство. На вход принимает промпт, негативный промпт, ширину, высоту, число шагов инференса, true_cfg_scaleпараметр, регулирующий силу следования текстовому промпту: чем выше значение, тем точнее результат соответствует описанию и генератор.
Для редактирования одного изображения модель загружается из "Qwen/Qwen-Image-Edit" в torch.bfloat16 на cuda. Для редактирования нескольких изображений — из "Qwen/Qwen-Image-Edit-2511" или "Qwen/Qwen-Image-Edit-2509", где поле image задаётся списком: несколько изображений передаются в вызов одним списком, а не по одному.
Выбор пайплайна определяется числом входных изображений: одиночный вход — для одного изображения, несколько — для списка.
Ограничения по входным данным
Qwen-Image-Edit поддерживает только одно входное изображение. Qwen-Image-Edit-2509 и Qwen-Image-Edit-2511 поддерживают несколько изображений и улучшенную согласованность. Для 2509 авторы прямо рекомендуют использовать его напрямую вместо Qwen-Image-Edit — как для одного, так и для нескольких изображений, поскольку у него лучше согласованность.
Prompt Enhancement и почему он обязателен для редактирования
Авторы наблюдали, что результаты редактирования могут становиться нестабильными, если не используется переписывание промпта, и поэтому настоятельно рекомендуют его применять. Для этого есть два официальных инструмента:
- для text-to-image — на базе Qwen-Plusязыковая модель Qwen, используемая здесь для переписывания текстовых промптов; переписывает промпт и поддерживает несколько языков;
- для image edit — на базе Qwen-VL-Maxмультимодальная модель Qwen, которая принимает и текст, и изображение; переписывает промпт с учётом изображения и тем самым повышает стабильность редактирования.
Для Qwen-Image-2512 рекомендуется использовать новейшие инструменты улучшения промпта из src/examples/tools/prompt_utils_2512.py.
Локальное развёртывание
Локально Qwen-Image разворачивается через Multi-GPU API Server — веб-интерфейс на Gradio с параллельной обработкой на нескольких GPU, управлением очередью, автоматической оптимизацией промптов и поддержкой разных соотношений сторон. Настройка — переменными окружения: NUM_GPUS_TO_USE задаёт число используемых GPU, TASK_QUEUE_SIZE — размер очереди задач, TASK_TIMEOUT — таймаут задачи в секундах.
Сервер запускается из каталога src командой python examples/demo.py.
Что меняется для разработчиков
Для генерации по тексту теперь рекомендуется Qwen-Image-2512 — с лучшей реалистичностью персонажей и качеством текстур. Для редактирования — Qwen-Image-Edit-2511 с поддержкой нескольких изображений и улучшенной согласованностью. Вместо Qwen-Image-Edit рекомендуется Qwen-Image-Edit-2509. При редактировании настоятельно рекомендуется применять переписывание промпта.
Цифры
Qwen-Image-2512 протестирована в более чем 10 000 слепых раундов на AI Arena и признана сильнейшей открытой моделью изображений, оставаясь конкурентоспособной с закрытыми системами. AI Arena — открытая платформа бенчмаркинга на основе рейтинга Eloспособа сравнивать модели: каждая пара картинок оценивается голосованием, и по победам и поражениям модели пересчитывается её числовой рейтинг. В каждом раунде две анонимные картинки от случайно выбранных моделей по одному промпту показываются пользователям для попарного сравнения, голоса обновляют личные и глобальные таблицы лидеров.
На странице Hugging Face для Qwen/Qwen-Image указано: 266 180 загрузок за последний месяц, размер модели — 20B параметров, тип тензоров — BF16.
Ограничения и открытые вопросы
Авторы признают, что без переписывания промпта результаты редактирования могут быть нестабильными. Инструмент Prompt Enhancementофициальный инструмент улучшения промптов на базе Qwen-VL-Max требует переменной окружения DASHSCOPE_API_KEY. Qwen-Image-Edit ограничен одним входным изображением.
