Alibabas Qwen-Image-2.1 vereint Bildgenerierung und -bearbeitung in einem einzigen Open-Weight-Modell, das lokal läuft

Alibabas KI-Team Qwen hat mit Qwen-Image-2.1 ein Open-Weight-Bildmodell veröffentlicht, das Bildgenerierung und Bildbearbeitung vereint. Der visuelle Generierungsteil umfasst nur 7 Milliarden Parameter, soll laut Qwen auf dem hauseigenen Benchmark aber die meisten geschlossenen Modelle übertreffen. Das schlanke Modell lässt sich auf leistungsfähigen Heim-GPUs wie einer 3090 ausführen. Unabhängige Benchmarks stehen noch aus.

Eine zentrale Neuerung ist die native Erzeugung und Bearbeitung transparenter Bilder (RGBA), etwa zum Freistellen von Objekten oder zum Ändern von Text auf transparenten Ebenen. Das Modell verarbeitet bis zu zehn Referenzbilder gleichzeitig, beispielsweise für Gruppenporträts, virtuelle Anproben oder die Raumgestaltung. Änderungen an der Architektur sollen die Verarbeitung der Eingabebilder beschleunigen. Lokale Bearbeitungen lassen sich durch Einkreisen, Masken oder gemalte Markierungen steuern.

Qwen-Image-2.1 steht auf Hugging Face, GitHub und Model Scope bereit. Auf Hugging Face gibt es auch eine Demo. Die Research-License schließt eine kommerzielle Nutzung allerdings aus. Wer das Modell geschäftlich einsetzen möchte, muss bei Qwen eine separate Lizenz beantragen.