阿里上線 Qwen-Image-2.1 API：單模型搞定摳圖、2K 渲染與十圖融合

做電商或者設計的人都懂這種折磨：要上一款新鞋，先在 Midjourney 裡生成一張圖，再拖進摳圖軟體把背景摳掉，接著去 Photoshop 裡給模特換上一套新衣服，最後還得手動打上產品文案。

這一套流程下來，打開了四個工具，換了三四個格式，最要命的是每多倒一手，模特長相或者產品細節就走樣一次。

Alibaba 在自家的 Model Studio（百鍊）平臺上，正式把 Qwen-Image-2.1 的 Pro 和 Turbo API 推向商業化落地。阿里想做的事情說白了就一件：別到處折騰了，把生成、改圖、摳圖和排版全塞進同一個 7B 引數的模型裡。

一個人包攬整條流水線

根據官方披露的技術細節，Qwen-Image-2.1 的底層是一個 32 層的單流 DiT 架構，視覺生成部分只有 70 億引數，搭配了一個 Qwen3-VL 8B 的文本編碼器和一個 64 通道的 RGBA VAE。

這裡面最聰明的機制在於快取。以往多張參考圖輸入模型，算力消耗會成倍往上竄。阿里讓模型在第一個去噪步驟就把輸入的圖片和文字特徵算好並快取下來，後面的去噪步驟直接複用，大大壓低了多圖推理的延遲。

反應到實際工作流中，這個單模型拿出了四項硬本領。

首先是原生透明通道。它不是生成一張白底圖再去描邊扣掉，而是直接輸出帶真實 Alpha 通道的 RGBA 圖片。一句話就能生成透明底的商品圖，或者直接從舊照片裡把主體摳出來，省掉了一整道摳圖工序。

其次是支援最多 10 張圖的多參考融合。比如左邊喂一張上衣，右邊喂一條褲子，再加一張模特臉和一張背景圖，模型能一口氣拼出一套穿搭方案，而且能保持商品本來的樣子不變形。

再加上圈定區域的區域性重繪，以及預設 2048x2048 的原生 2K 輸出。阿里的重點還在於文字渲染，海報上的標題和標籤不再是一堆鬼畫符，而是真正清晰可讀的印刷體排版。

算力成本直接打成白菜價

商業化方面，阿里這次分成了兩步走。

早在 9 月 20 日，團隊就在 Hugging Face、ModelScope 和 GitHub 上放出了開源權重，當時在 X 上的釋出推文就拿到了超過 240 萬次瀏覽。但那個權重掛著 Qwen Research 許可證，明文規定只能用於研究評估，不能直接商用。

想要拿去跑業務，現在唯一的官方途徑就是走這次開放的 Model Studio API。

價格定得很直接。主打大批次的 Turbo 版本把去噪步數從 40 步壓縮到了 8 步，在新加坡區域單張生成收費 0.016 美元，每分鐘限速 120 次請求；在美東維吉尼亞、法蘭克福、東京和中國香港等全球區域，價格進一步降到單張 0.014133 美元。算下來，生成一萬張圖只要約 140 到 160 美元。

如果是要拿去做品牌主視覺，還有生成質量更高的 Pro 版本，新加坡單張 0.04 美元，全球區域 0.035333 美元，限速每分鐘 20 次請求。兩個版本都按成功生成的圖片計費，呼叫失敗不扣錢，並且都支援定製微調。

為什麼重要

我們認為，Qwen-Image-2.1 最打動人的地方，不是它又刷了什麼榜單，而是它展現了影像生成工具的收斂趨勢。

過去兩年裡，AI 影像賽道堆滿了各種碎片化的「套殼」外掛：一個專門去背景的 SaaS、一個專門做區域性重繪的工具、再加一個生成營銷海報的平臺。對於中小電商團隊和獨立開發者來說，不僅每個月要付好幾份訂閱費，還要在不同的 API 之間來回倒資料，維護成本極高。

阿里的思路很務實。它用一個不到百億引數的小模型，把文生圖、透明摳圖、多圖融合和文字排版連成了一條線。單張圖一分多錢的成本，意味著哪怕是日均生成幾萬張 SKU 圖片的跨境電商，也能在不買一張顯示卡、不招專業修圖師的前提下，直接把整條出海圖文流水線跑起來。

這種把「功能疊加」轉變成「工具替代」的打法，對市面上那些單點功能的生圖 SaaS 會造成非常直接的衝擊。如果大模型底座自己就能吐出原生透明圖和規整文字，中間商的生存空間會被迅速擠壓。

不過對於開發者來說，這裡也有個必須留意的坎。開源權重的研究許可證是一道緊箍咒，你不能直接把權重拉到自己的伺服器上低成本商用；要上線就得繫結阿里的雲端 API。如何在阿里給出的便宜呼叫價和雲廠商鎖定之間做權衡，會是很多團隊接下來要算的賬。