알리바바, 이미지 모델 'Qwen-Image-2.1' 상용 API 출시

커머스나 마케팅 현장에서 제품 이미지 하나를 제작하려면 손이 많이 갑니다. AI로 이미지를 생성하고, 별도 툴을 열어 배경을 지우고, 포토샵에서 제품을 합성한 뒤, 텍스트가 깨지지 않도록 다시 타이포그래피를 얹는 식입니다.

단계를 거칠 때마다 작업 시간이 늘어날 뿐 아니라, 제품의 형태나 모델의 얼굴이 미세하게 왜곡되는 문제가 반복됐습니다.

알리바바가 자사 Model Studio 플랫폼을 통해 'Qwen-Image-2.1'의 Pro 및 Turbo API 상용 서비스를 출시했습니다. 텍스트 기반 생성부터 최대 10장 참조 편집, 알파 채널 누끼 작업, 2K 텍스트 렌더링까지 7B 단일 모델 하나로 해결하도록 설계한 점이 핵심입니다.

4가지 도구를 단일 모델로 통합

Qwen-Image-2.1의 내부 구조는 32레이어 싱글 스트림 DiT 기반의 7B 시각 생성 모델과 Qwen3-VL 8B 텍스트 인코더, 64채널 RGBA VAE로 구성되어 있습니다.

가장 눈에 띄는 기술적 특징은 멀티 이미지 캐싱입니다. 통상 여러 장의 참조 이미지를 입력하면 연산량이 급증하지만, 알리바바는 첫 번째 디노이징 단계에서 입력 이미지와 텍스트를 한 번만 계산해 캐시에 저장하고 이후 단계에서 재활용해 다중 이미지 추론 속도를 대폭 끌어올렸습니다.

이러한 구조 덕분에 실무에 필요한 여러 작업이 모델 내부에서 한 번에 처리됩니다.

우선 실제 알파 채널을 포함한 RGBA 이미지를 직접 출력할 수 있습니다. 프롬프트 입력만으로 배경이 투명한 피사체를 만들거나 기존 사진에서 대상을 깔끔하게 따낼 수 있어 별도의 누끼 툴이 필요 없습니다.

또한 최대 10장의 참조 이미지를 결합할 수 있어, 개별 의류 컷과 모델 사진, 배경을 조합해 하나의 자연스러운 룩북 컷으로 합성해 냅니다. 여기에 마스크 영역 수정 기능과 2048x2048 네이티브 2K 해상도의 또렷한 텍스트 렌더링이 더해져 포스터나 배너 제작도 바로 소화합니다.

장당 20원대, 파격적인 대량 생성 가격

알리바바는 오픈소스 배포와 상용화를 단계적으로 분리해 접근했습니다.

지난 9월 20일 Hugging Face와 ModelScope에 모델 가중치를 공개해 X에서만 240만 회 이상의 조회수를 기록했으나, 해당 가중치는 연구 및 평가 전용 라이선스로 묶여 있었습니다. 기업이 상용 서비스에 적용하려면 이번에 열린 Model Studio API를 사용하는 방식입니다.

가격 정책은 대량 생산에 초점을 맞췄습니다. 디노이징 스텝을 40회에서 8회로 줄여 속도를 높인 Turbo 버전은 싱가포르 리전 기준 장당 0.016달러, 미국 버지니아·프랑크푸르트·도쿄·홍콩 등 글로벌 리전 기준 장당 0.014133달러에 불과합니다. 1만 장을 생성해도 약 140~160달러 수준입니다.

고화질 메인 캠페인용 Pro 버전은 싱가포르 리전 0.04달러, 글로벌 리전 0.035333달러로 책정되었습니다. 두 버전 모두 성공한 호출에 대해서만 과금되며, 미세조정(Fine-tuning)도 지원합니다.

왜 중요한가

우리는 Qwen-Image-2.1이 개별 기능 중심의 이미지 SaaS 생태계를 빠르게 흡수하는 신호탄이라고 봅니다.

지금까지는 배경 제거 서비스, 가상 피팅 솔루션, 텍스트 디자인 툴 등 파편화된 서비스들을 따로 구독하고 복잡하게 API를 연동해 써야 했습니다. 하지만 파운데이션 모델 자체가 고품질 투명 배경과 선명한 텍스트, 다중 이미지 합성을 기본 지원하기 시작하면 이러한 중간 레이어 도구들은 설 자리를 잃게 됩니다.

특히 대규모 상품 상세 페이지를 제작해야 하는 이커머스 기업이나 스타트업에게는 자체 GPU 인프라를 구축할 필요 없이 장당 20원 안팎의 비용으로 파이프라인을 자동화할 수 있다는 점이 큰 매력입니다.

다만 연구용 라이선스로 인해 오픈 모델 가중치를 자체 서버에 올려 무제한으로 활용할 수 없다는 한계는 분명합니다. 결국 저렴한 비용의 대가로 알리바바 클라우드 API 생태계에 종속되는 구조인 만큼, 도입을 검토하는 팀이라면 인프라 독립성과 편의성 사이의 손익을 따져볼 필요가 있습니다.