把一张人物照变成可叠在海报上的透明 PNG，以前往往要先生成或编辑，再调用抠图模型去掉背景。Qwen 在 9 月 20 日发布 Qwen-Image-2.1 权重，把文生图、图像编辑、多参考图合成和透明图生成装进同一条本地流水线。技术上的入口变少了，法律上的入口却多了一道：这批权重采用 Qwen Research License，只允许研究和评估，商业项目需要另行申请许可。
这使“权重可以下载”与“模型可以进入生产”成为两件不同的事。对设计工具和内容平台来说，2.1 的价值不只是多一个生成模型，而是它试图直接交付可继续编辑的素材；决定它能否落地的，也不只是画质，还有透明度是否真实、完整流水线占多少资源，以及企业有没有取得商业授权。
透明背景不是白底抠图，而是模型直接生成第四个通道
Qwen-Image-2.1 的视觉生成部分是一个 32 层、70 亿参数的单流扩散 Transformer。它配套的 VAE 使用 64 通道潜变量，输入输出都是 RGBA：除了红、绿、蓝三个颜色通道，还直接预测 alpha 透明度。官方示例把提示词写成“这是带透明度的 RGBA 图像”，保存结果时得到四通道 PNG，而不是先生成白底图片再由另一套分割模型抠图。
我们逐个检查了官方展示区的三张透明 PNG。三份文件都包含四个通道，alpha 均覆盖 0—255 的 256 个取值。这至少确认了展示文件不是把棋盘格画进 RGB 图片，也不是只有完全透明或完全不透明的简单遮罩。它不能替代多提示词实测，但能关闭一个更基础的问题：官方所称的 RGBA 确实落在文件通道里。
此前 Qwen 已有专门的 Qwen-Image-Layered，把现有图像拆成多个可移动、缩放和重着色的 RGBA 图层。2.1 做的不是首次让 Qwen 系列接触图层，而是把透明图生成、普通生图和编辑合并到一个模型接口。前者更像“把成图拆开”，后者则允许从文字直接生成透明素材，也能读取透明输入继续修改。
十张参考图共用一条管线，缓存只省掉重复计算
同一个 QwenImage21Pipeline 可以不带图片做文生图，也可以接收单张或列表形式的条件图。官方把上限写为十张参考图，并展示了六张人像合成群像、五张服装与配饰图组合穿搭等案例；局部编辑还可以用圆圈、涂画或单独遮罩指出修改位置。对工作流的意义是，人物、商品、背景和修改指令不再分别交给多套专用模型。
这条统一管线靠块因果注意力区分三类内容：文字和系统指令、作为条件的参考图、正在生成的目标图。文字与条件图在第一次去噪时计算一次键值缓存，后续步骤只重复计算目标图像部分。因此，参考图越多，缓存越能避免重复编码同一组条件；它并不等于十张图都能稳定保持身份，也不保证局部修改不会影响画面其他区域。
Hugging Face 的 Diffusers 集成提供了一项更具体的边界。在一张 H100 上，以 BF16、单张 2048×2048 图像、20 个去噪步骤运行时，修复缓存占用问题后的峰值显存仍是 56.5 GiB。官方推荐的原始检查点配置是 2048×2048、40 步。这个数字不是所有硬件的最低要求，却足以说明：所谓“7B”只描述视觉生成 Transformer，不能直接换算成整条管线的显存门槛。
发布时 Hugging Face 仓库的 BF16 文件合计约 33.1GB。其中视觉生成 Transformer 约 14.2GB，Qwen3-VL 8B 文本与图像编码器约 17.5GB，RGBA VAE 约 1.35GB。官方给出的低显存方案是把模型卸载到 CPU；这降低 GPU 常驻占用，却会把压力转给系统内存和数据搬运时间。团队评估本地部署时，至少要同时记录下载体积、峰值显存、系统内存、分辨率、参考图数量和步数，而不是只看参数量。
权重开放下载，但不是宽松商用开源
Qwen Research License 把“非商业”定义为仅用于研究或评估。协议允许在这个范围内使用、复制、修改和再分发材料；任何商业用途都要向 Qwen 另行申请许可。再分发还需要附带协议、标明修改并保留指定的版权声明。若使用模型材料或其输出来训练、微调或改进另一个对外提供的 AI 模型，产品文档还必须显著标注“Built with Qwen”或“Improved using Qwen”。
这里需要把材料与普通输出分开理解。协议明确限制的是模型权重、代码和文档等 Qwen Materials，也在若干条款中提到输出，但没有给普通生成图片单列一套清晰的所有权规则。企业不能据此反推“输出天然可商用”；因为只要商业工作流实际运行了这些模型材料，已经触及需要单独许可的用途。具体合同、托管服务和输出安排仍应由使用方确认，不能用“可下载”代替法律审查。
这个变化尤其值得与上一代公开权重对照。Qwen-Image、Qwen-Image-2512、Qwen-Image-Edit-2511 和 Qwen-Image-Layered 的模型卡都标为 Apache 2.0；2.1 则换成只放行非商业用途的研究许可。它在模型结构上把原来分散的生成、编辑和图层能力收拢了，在采用条件上却比这些前代权重更窄。官方把 2.1 称为“open-source”，更准确的采购与工程表述应是“公开可下载的研究权重”。
是否能进入生产线，要看授权、资源和可复现编辑
Qwen 展示了文字、人物、商品和透明素材的多组样例，也给出一张自有评测榜单；发布材料没有公开足以复算的测试集、评分协议或独立盲测结果。因此，现阶段可以确认的是功能接口、模型结构、权重体积和许可条件，不能把展示图直接写成“画质领先同类”，也不能由最多十张参考图推导出稳定的身份保持率。
对研究者，2.1 已经是一份可下载、可接入 Diffusers 和 ComfyUI 的统一检查点。对商业团队，最短的验证清单反而更现实：先取得覆盖具体产品形态的许可，再用自己的品牌人物、透明边缘、文字排版和局部修改任务做固定种子回归测试，同时记录完整机器配置与延迟。只有授权和这些同条件结果同时成立，透明图层才会从漂亮的官方样例变成可进入生产线的素材能力。
