阿里开源Qwen-Image-2.1：7B参数兼顾生图与编辑，原生支持透明通道

Qwen-Image-2.1 是一个把文生图、图像编辑和原生透明通道生成合为一体的开源图像模型。它的核心视觉生成组件只有 7B 参数，不仅体积精简，还能直接输出带透明背景的 RGBA 资产，甚至从普通照片里直接抠出设计图层。

它最大的特点，是把以往需要拆成好几个模型来跑的工作流，打包进了一个 7B 大小的单模型里。

7B 参数是怎么把生图和编辑做顺的

Qwen-Image-2.1 的视觉生成部分采用了 32 层 Single-Stream DiT 架构。为了在小参数量下兼顾生成质量和推理速度，它引入了一种混合粒度注意力机制。

在处理文本指令和编辑引导时，模型使用 token 级别的因果掩码；处理图像生成时，则切换到 chunk 级别的掩码。

更聪明的地方在于 KV cache 复用。在进行图像编辑时，输入的参考图和编辑提示词会被当成静态上下文，在第一步计算完成后直接缓存起来，显著降低了显存占用并提升了推理效率。

这也让它具备了强悍的多图参考能力。模型最多可以同时吃进 10 张参考图，把它们融合成一张和谐的画面。比如输入 6 张个人肖像合成为一张合影，或者把模特、衣服、鞋子、包和帽子等 5 张素材拼成完整的穿搭效果，甚至直接根据 10 张家具图排出一套室内设计效果图。

在局部编辑上，它支持画圈标记、画笔涂抹以及独立的黑白遮罩三种方式。如果你不想在原图上画线破坏细节，直接传入原图加上单独的遮罩图即可。模型还专门针对人脸身份一致性和商品质感做了保留优化。

原生透明通道：免去后处理抠图

很多文生图工具生成的都是普通 RGB 图片，想要透明背景还得接一层抠图算法。Qwen-Image-2.1 直接把透明通道做进了生成核心。

早在 2025 年 12 月，阿里曾推出专门支持透明图生成的 Qwen-Image-Layered。这一次，他们把这项能力完全融入了主模型。

只要在提示词里指定，模型就会直接输出 RGBA 格式的透明背景素材。无论是单个主体还是包含多个元素的复杂排版，都能直接出透明图。

更实用的是透明图的编辑和主体提取。你可以让模型在保持透明背景的前提下修改主体的面部表情，或者替换图层里的文字。如果给它一张普通的实拍照片，它也能直接将指定主体抽离出来，输出为透明 RGBA 图层，直接供后续设计复用。

为什么重要

对于电商美工、独立开发者和游戏素材制作者来说，这个模型简直是流水线神器。它把生成、抠图、多素材拼图和换装等繁琐工序，收敛到了同一个轻量级模型里，极大地精简了部署和工程链路。

我们认为，阿里在 7B 尺寸上走了一条非常务实的路线。它没有在纯画面极限表现上硬拼几十上百亿参数的大模型，而是用紧凑的架构和针对性的推理优化，把编辑灵活性和原生透明输出打造成了核心卖点。如果你平时有大量资产提取、批量换背景或多图合成的需求，现在就很值得部署一套来跑跑看。