阿里開源Qwen-Image-2.1：7B引數兼顧生圖與編輯，原生支援透明通道

Qwen-Image-2.1 是一個把文生圖、影像編輯和原生透明通道生成合為一體的開源影像模型。它的核心視覺生成元件只有 7B 引數，不僅體積精簡，還能直接輸出帶透明背景的 RGBA 資產，甚至從普通照片裡直接摳出設計圖層。

它最大的特點，是把以往需要拆成好幾個模型來跑的工作流，打包進了一個 7B 大小的單模型裡。

7B 引數是怎麼把生圖和編輯做順的

Qwen-Image-2.1 的視覺生成部分採用了 32 層 Single-Stream DiT 架構。為了在小引數量下兼顧生成質量和推理速度，它引入了一種混合粒度注意力機制。

在處理文本指令和編輯引導時，模型使用 token 級別的因果掩碼；處理影像生成時，則切換到 chunk 級別的掩碼。

更聰明的地方在於 KV cache 複用。在進行影像編輯時，輸入的參考圖和編輯提示詞會被當成靜態上下文，在第一步計算完成後直接快取起來，顯著降低了視訊記憶體佔用並提升了推理效率。

這也讓它具備了強悍的多圖參考能力。模型最多可以同時吃進 10 張參考圖，把它們融合成一張和諧的畫面。比如輸入 6 張個人肖像合成為一張合影，或者把模特、衣服、鞋子、包和帽子等 5 張素材拼成完整的穿搭效果，甚至直接根據 10 張傢俱圖排出一套室內設計效果圖。

在區域性編輯上，它支援畫圈標記、畫筆塗抹以及獨立的黑白遮罩三種方式。如果你不想在原圖上畫線破壞細節，直接傳入原圖加上單獨的遮罩圖即可。模型還專門針對人臉身份一致性和商品質感做了保留最佳化。

原生透明通道：免去後處理摳圖

很多文生圖工具生成的都是普通 RGB 圖片，想要透明背景還得接一層摳圖演算法。Qwen-Image-2.1 直接把透明通道做進了生成核心。

早在 2025 年 12 月，阿里曾推出專門支援透明圖生成的 Qwen-Image-Layered。這一次，他們把這項能力完全融入了主模型。

只要在提示詞裡指定，模型就會直接輸出 RGBA 格式的透明背景素材。無論是單個主體還是包含多個元素的複雜排版，都能直接出透明圖。

更實用的是透明圖的編輯和主體提取。你可以讓模型在保持透明背景的前提下修改主體的面部表情，或者替換圖層裡的文字。如果給它一張普通的實拍照片，它也能直接將指定主體抽離出來，輸出為透明 RGBA 圖層，直接供後續設計複用。

為什麼重要

對於電商美工、獨立開發者和遊戲素材製作者來說，這個模型簡直是流水線神器。它把生成、摳圖、多素材拼圖和換裝等繁瑣工序，收斂到了同一個輕量級模型裡，極大地精簡了部署和工程鏈路。

我們認為，阿里在 7B 尺寸上走了一條非常務實的路線。它沒有在純畫面極限表現上硬拼幾十上百億引數的大模型，而是用緊湊的架構和針對性的推理最佳化，把編輯靈活性和原生透明輸出打造成了核心賣點。如果你平時有大量資產提取、批次換背景或多圖合成的需求，現在就很值得部署一套來跑跑看。