AlibabaのQwenチームが2026年9月20日、画像の生成と編集を1つでこなすモデル Qwen-Image-2.1 を公開しました。重みは Hugging Face と ModelScope で配布されており、ライセンスは研究用の Qwen Research License Agreement です。
公表されている構成
| 公開日 | 2026年9月20日 |
| できること | 文章からの画像生成、画像の編集 |
| 画像を作る部分 | 7B（70億パラメータ）、Single-Stream DiT 32層 |
| 文章を読む部分 | Qwen3-VL 8B（画像も読める言語モデル） |
| 画像の圧縮・復元（VAE） | 64チャンネル、RGBA（透過あり）、縦横16分の1に圧縮 |
| 解像度 | 2K に対応（推奨の例は 2048×2048） |
| 編集に使える参照画像 | 最大 10枚 |
| ライセンス | Qwen Research License Agreement（研究・非商用のみ） |
何が新しいのか
透過画像をそのまま出せます。 画像の圧縮・復元を受け持つ部分（VAE）が、色の3チャンネルに加えて透明度（アルファ）を持つ RGBA で作られています。背景が透明なロゴや素材を、切り抜きの後処理なしで生成できるということです。
編集に使える参照画像が最大10枚です。 文章での指示に加え、編集したい場所を丸で囲む、描き込みで示す、マスクで指定する、といった方法で部分的に直せます。複数の画像を組み合わせて1枚にすることや、人物や製品の見た目を保ったまま編集することもできる、とされています。
そのほか、文字の描画、人物の照明、細部の質感を改善したとしています。
動かすには
Python のライブラリ Diffusers に専用の読み込み口（QwenImage21Pipeline）が用意されており、公開と同じ日に ComfyUI、vLLM-Omni、SGLang、LightX2V も対応しました。
必要な GPU メモリの目安は示されていませんが、メモリが足りない場合に一部を CPU 側へ逃がす方法（pipe.enable_model_cpu_offload()）と、FP8 への量子化、複数の GPU で分担する方法が案内されています。
ライセンス：商用で使うには別の契約が要る
ここは注意が要ります。Qwen Research License Agreement は、モデルの利用・複製・配布・改変を非商用の目的に限って認めています。商用で使うには別のライセンスが必要で、問い合わせ先（[email protected]）が示されています。
また、派生物には「Built with Qwen」などの表示が求められ、「Qwen」を主な名前として使うことはできません。重みは誰でも手に入りますが、「オープンに公開された＝自由に商用で使える」ではない点は押さえておく必要があります。
手元に GPU が無くても、wuli.art で Qwen-Image-2.1 のすべての機能を無料で試せる、と README に書かれています。
どう見るか
生成と編集を1つのモデルにまとめ、透過画像と最大10枚の参照画像に対応した、というのが今回の要点です。画像を作る部分は 7B と、個人の GPU でも工夫すれば動かせる大きさに収めています。
一方で、公開資料には他のモデルとの性能比較の数字は載っていません。仕事で使うかどうかは、ライセンスの条件（非商用）を先に確かめたうえで、自分の用途で試して判断することになります。
モデルと README は Hugging Face と GitHub に、ライセンスの全文はこちらにあります（2026年9月27日確認）。
