Qwen-Image-2.1: el modelo abierto de 7B que genera y edita imágenes con transparencia RGBA en GPUs de consumo
Alibaba publica Qwen-Image-2.1, modelo open-weight de solo 7B parámetros que unifica generación y edición de imágenes con soporte RGBA nativo
🧠 Qwen-Image-2.1: generación y edición de imágenes con solo 7B parámetros
El equipo Qwen de Alibaba ha liberado Qwen-Image-2.1, un modelo open-weight que unifica generación de imágenes desde texto y edición de imágenes existentes en una única arquitectura. Su componente de generación visual tiene solo 7 mil millones de parámetros, lo que le permite ejecutarse en GPUs de consumo como la RTX 3090, una hazaña inusual para un modelo que afirma superar a la mayoría de modelos cerrados en benchmarks de imagen.
Capacidades clave
Las novedades principales de Qwen-Image-2.1 respecto a su predecesor son:
- Generación y edición transparente (RGBA): el modelo genera nativamente imágenes con canal alfa, permitiendo aislar objetos, cambiar texto en capas transparentes o componer elementos sin fondo — algo que la mayoría de modelos requieren post-procesado para lograr.
- Edición guiada por pintura y máscaras: acepta círculos, trazos pintados o máscaras separadas para definir zonas de edición local, manteniendo el resto de la imagen intacta.
- Hasta 10 imágenes de referencia simultáneas: útil para retratos grupales, try-on virtual o diseño de interiores con múltiples elementos de referencia.
- Reutilización de KV cache: cambios arquitectónicos aceleran la inferencia cuando se procesan varias imágenes de referencia a la vez.
Disponibilidad y licencia
El modelo está disponible en Hugging Face, GitHub y Model Scope, con una demo interactiva en Hugging Face Spaces. Junto con el modelo principal, Qwen ha liberado dos modelos auxiliares de prompt rewriting (Qwen-Image-2.1-PE-T2I y Qwen-Image-2.1-PE-I2I) que convierten instrucciones breves y vagas en prompts detallados para la generación y edición.
La licencia es de investigación (no permite uso comercial directo), por lo que empresas interesadas deben solicitar una licencia separada a Qwen. Los benchmarks independientes aún están pendientes, aunque Qwen afirma que supera a la mayoría de modelos cerrados en su propio benchmark interno.
Contexto: la carrera de modelos abiertos de imagen
Qwen-Image-2.1 se suma a una tendencia creciente de modelos de imagen abiertos que intentan cerrar la brecha con soluciones propietarias como DALL-E, Midjourney o Stable Diffusion. El hecho de que un modelo de solo 7B parámetros pueda competir con modelos mucho más grandes sugiere que la eficiencia arquitectónica está ganando terreno frente al simple escalado de parámetros. Para desarrolladores y entusiastas, esto significa que la generación y edición de imágenes de alta calidad cada vez está más al alcance de hardware doméstico.