Qwen-Image 2.1：7B 统一生成与编辑，支持 RGBA 输出

什么是 Qwen-Image 2.1？

Qwen-Image 2.1 是阿里巴巴开源权重 Qwen-Image 系列的第二代产品，它以由 32 层单流 DiT 构建的 7B 视觉生成组件取代了初代版本的 20B MMDiT 主干。模型卡片描述了四项变化：

• 紧凑高效。 混合粒度注意力加上前缀 KV 缓存复用，在远低于 20B 代际的计算成本下保持高图像质量。
• 原生透明度与统一创作和编辑。 一个模型即可根据文本生成普通或透明 RGBA 图像、编辑透明图层，并从照片中提取主体。
• 多样化编辑。 每次请求支持最多 10 张引用图像，可通过圆圈、手绘标注或独立遮罩指定局部编辑，并保持人物与产品的身份一致性。
• 逼真纹理与精致美学。 改进的排版、人像光照和精细细节。

原生输出尺寸从 1:1 的 2048x2048 起步，涵盖 2400x1792（4:3）、2528x1696（3:2）和 2752x1536（16:9），并提供对应的竖版比例。

具有真实透明度通道的透明图像

最引人注目的变化是透明度能够保留到文件中。Qwen-Image 2.1 不再先在纯色背景上生成、再用抠图模型把主体切出来，而是自行写入透明度通道，因此贴纸、产品渲染图和 UI 资产生成后即可直接合成。模型卡片推荐使用明确的提示词格式来触发该功能：

This is an RGBA image with transparency. <your subject description>.
The image has alpha channel and the background is transparent.

ComfyUI 支持

Qwen-Image 2.1 在发布首日便通过集成 PR（Comfy-Org/ComfyUI #16400）登陆 ComfyUI，官方模板要求 ComfyUI 0.37.0 或更高版本。重新打包的单文件权重位于 Comfy-Org/Qwen-Image-2.1，其中包括 BF16 和 INT8 convrot Transformer，以及 Qwen3-VL-8B 文本编码器和可选的提示词增强器。