9月20日晚上9点刚过，千问官宣Qwen-Image-2.1开源，权重在GitHub、ModelScope、Hugging Face三处同步放出，包含权重而不是只开源推理代码。官方给这个模型的定位是"Qwen图像系列当前最平衡、性价比最高的开源生图模型"。几个小时里，“开源生图第一”"7B参数超越Nano Banana 2""AIPC黄金时代"这类说法刷屏。知乎微博
但发布当晚5小时内，小红书、B站、知乎的实测帖已经陆续放出来。把两边信息对齐后发现：推送标题里的几把尺子，彼此并没有对上。今晚就想拉权重尝鲜的，先把这四个数字的事读完再动手。
第一件事：官方喊的"7B"和仓库里的"16B"，不是一回事
发布页强调的7B，只是视觉生成主干——32层Single-Stream DiT。整个仓库里还有约8B的Qwen3-VL负责理解提示词和参考图，外加一个64通道的RGBA VAE。知乎上那篇28赞的拆解回答说得明白：全模型加起来其实是16B级的参数，真正负责生成图片的核心DiT只有大概7B。这对你的影响很实际：算硬盘、算显存的时候，别按7B的体量做预算。知乎
真正配得上"效率"二字的是另一样东西：混合粒度注意力加KV Cache复用——模型把输入图像与编辑指令作为静态上下文，在首步预计算并缓存，以提升推理效率、降低显存开销。翻译成大白话：参考图只认真看一次，后面生成几十步一直复用这份记忆。你用1张参考图感觉不出差别，喂到5张、10张时，重复计算省下来的才是真金——这个架构的红利，优先兑现给重度多参考图工作流的人，不是所有人。知乎
第二件事：“开源"和"商用免费”，也不是一回事
不少人是冲着"以后商单可以本地跑了"去装机的。但那篇拆解回答特意划了重点：license仅限非商业用途，商业使用必须单独申请商业许可。所以账单要分开算：个人练习、学习、整活，随便玩；拿它出电商图、接商单，先把商业许可这行字读明白再谈"省钱"。知乎
小红书的评论区里，有人直接问千问核心成员吴晨飞：按开源license，商品、短剧这些场景其实有风险吧？官方回复没有回避，技术就是双刃剑，开源就是把剑分享给更多的人，大家一起讨论怎么用的更稳更合规。态度开放，但协议也没说改。小红书
第三件事：说"拿下开源生图第一"的那张榜，是谁出的？
官方发布里那张对比开源、闭源模型的成绩表，用的是自家的评测集Qwen-Image-Bench——自己出题、自己考试。这不代表分数是假的，但代表它考的题未必是你的题。媒体转述的"拿下开源生图第一"，源头也是这套评测。知乎
维度 | 官方叙事 | 发布5小时内的社区信号 |
|---|---|---|
图像编辑 | 局部编辑全面升级、人像商品一致性增强 | 口碑最硬：去文案后画面还原度高、圈选三个区域三种指令一次完成、6张人像合成合照可用 |
文生图画质 | 自报Bench领先开源/闭源 | 有用户直言编辑强但生图与KREA 2相比没优势，官方成员回应"继续努力" |
推理速度 | 多图输入场景效率优势明显 | “文生图速度比Krea2还慢”（B站评论）；RTX 5070 Ti笔记本官方工作流一张1024×1024要20多秒 |
细节瑕疵 | 未提及 | 评论区有人问"图片偶尔出现的细碎纹理"，当晚尚无解释 |
输出分辨率 | “2K直出” | B站网友补刀：折算下来大约400万像素 |
发布当晚社区实测的分歧，恰好长在这张榜的边界外。编辑能力确实很牛，不得不服，但是生图能力是不是可以再提升一下？这条点赞过3的小红书评论，官方成员回了句"好的，我们继续努力"。一位RTX 5070 Ti笔记本用户当晚放了实测：用官方原版工作流，只加提示词，一张1024×1024的图生成时长20多秒。B站的工具流作者评论区更直接：试了一下文生图，速度比krea2还慢。小红书小红书哔哩哔哩
编辑强、生图平、速度不占优——如果只按媒体标题下单，预期就对不齐了。
第四件事：3.0明明早就发布了，为什么开源的是"2.1"？
这是当晚社区最困惑的一条时间线：那篇拆解回答的原话是"Qwen-Image-3.0已经7月就发了，没想到现在居然有个Qwen-Image-2.1"。7月21日发布的3.0是走API/闭源路线的旗舰，当时高赞评测的回答对它的判断并不客气：“我个人感觉qwen是负多胜少”，人像特写质感是真好，但整体没压过前代。知乎知乎
把版本地图摊开就清楚了：这次的2.1不是给3.0打补丁，而是换了一套架构重新起盘——32层Single-Stream DiT、原生RGBA透明图、把文生图与图像编辑整合在同一模型中，走的是"开源+轻量+编辑一体"的差异化产品线。同一时期，9月初刚开源、被海外叫作"8B小钢炮"的商汤U1.5 Lite，以及Kera2、Zimage这些同期选手都还在场。开源生图正处在"每十来天一个新模型"的窗口期，版本命名给消费者添的乱，本身就是这轮混战的注脚。知乎
部署这笔账：8G能玩是真的，"极限"也是真的
今晚就动手的人最关心自己的卡。目前能看到三把尺：
方案 | 显存口径 | 来源 | 状态 |
|---|---|---|---|
全精度bf16本地跑 | 约14GB量级，单张4090可跑 | 知乎分析文章（针对生成主干的估算） | 第三方估算 |
DiffSynth-Studio低显存方案 | 最低约7GB | 知乎28赞回答 | 回答者称"比较极限"，3060靠offload能玩 |
“8G显存无限生图” | 8GB | B站视频标题 | 社区量化/加载策略玩法，未经广泛复验 |
知乎那篇架构分析给的量级是全精度bf16显存占用约14GB，一张4090跑得动。显存紧的人，低显存方案确实已经出现：可以压到7GB左右，但连给出方案的回答自己都说"会比较极限"，3060得靠offload才能玩。24G级显卡直接官方工作流开干；12G以下建议再晾两天——历史上量化版、蒸馏版通常比首发晚几天到两周。知乎知乎
还有两个装机前要知道的坑：提示词改写（PE）模型是独立加载、手动开关的，官方建议大部分场景打开更稳；B站网友发现官方PE有审核，就很难绷。指望它像本地老SD一样放飞的人，要先有心理准备。哔哩哔哩
谁该现在上车，谁再等等
电商素材、立绘、表情包方向：能力真对口，协议是拦路石。 原生透明图层是这次最被低估的更新——对比去年12月的Layered版，2.1的RGBA VAE做到了16倍压缩、没有patchify，官方成员在评论区亲口确认。先生成带alpha的图、而不是先生成再抠图，毛发边缘这类老抠图痛点从根上绕开。但"商用要许可"意味着：个人练手先冲，生产链路先把许可谈完。小红书
短剧、漫画分镜方向：值得盯，先别梭哈。 三视图到连贯分镜、最多10张参考图输入保角色一致性，B站创作者管这叫H3缺的最后一块拼图。但文生图速度比不过Krea2、细碎纹理未解，量产前拿自己的真实脚本压测一轮再决定。哔哩哔哩
订着GPT-Image 2.5 / Nano Banana 2的人：先别退订。 发布5小时的证据里，这台本地跑的开源模型在纯文生图的美学和速度上还没翻过闭源旗舰的山。这波真正改写的是"多图编辑+透明底"这个细分的成本结构——社区的原话是，开源社区终于补齐了最后的多模态编辑模型短板。不是整个生图市场。哔哩哔哩
只有一件事现在就该做：把ModelScope/HF页面收藏了，然后设个提醒，一周后回头看社区量化版和第三方评测集的成绩——自报的Qwen-Image-Bench说了不算，等别人用公开题再考它一遍，API定价和商业许可的细则也该落地了（截至发稿，官方开源发布里没有给出2.1的API价格）。到那时再决定要不要为它换掉你现在的流水线，一分钟都不晚。
