Qwen-Image-2.1 spojuje tvorbu a úpravy obrázků s průhledným výstupem

Qwen-Image-2.1 spojuje tvorbu a úpravy obrázků s průhledným výstupem

Ondřej Barták
Ondřej Barták
podnikatel a programátor
3. 10. 2026
3 minut čtení · 26 zhlédnutí
Poslechněte si článek
Audio verze článku
Qwen-Image-2.1 spojuje tvorbu a úpravy obrázků s průhledným výstupem

Alibaba vydala Qwen-Image-2.1, který v jediném stažitelném checkpointu spojuje tvorbu obrázků z textu a úpravy podle instrukcí. Podporuje také výstup s průhledností: kompatibilní pipeline mohou ukládat PNG s alfa kanálem přímo, bez samostatného odstraňování pozadí. Obrazová část modelu má 7 miliard parametrů.

Nativní rozlišení 2 048 × 2 048 a až deset předloh

Podle oznámení Alibaby model vytváří obrázky v nativním rozlišení 2 048 × 2 048 pixelů. Při jednom generování přijímá až 10 referenčních obrázků, takže vstup nemusí být omezený na textové zadání nebo jedinou obrazovou předlohu.

Průhlednost zajišťuje podpora RGBA. Vedle červené, zelené a modré složky zachovává autoenkodér také alfa kanál. Přímé ukládání průhledných PNG závisí na tom, zda tuto možnost podporuje použitá pipeline.

Tři komponenty a přibližně 33 GB ke stažení

Základem obrazové části je 32vrstvý jednoproudový diffusion transformer se 7 miliardami parametrů. Textový enkodér nese označení Qwen3-VL 8B. Obrazový kodek tvoří 64kanálový RGBA variační autoenkodér s 16násobnou prostorovou kompresí.

Celý balík zahrnující obrazový model, enkodér a autoenkodér má přibližně 33 GB. Paměť potřebná při běhu závisí na použité přesnosti, rozlišení a kvantizaci. Roli hraje také přesouvání komponent mimo GPU a to, zda pipeline drží všechny části současně načtené v paměti grafické karty.

První mezi otevřenými vahami, osmnáctý v celkovém pořadí

V žebříčcích Artificial Analysis AA-Image-T2I v2.0 a AA-Image-Editing v2.0 se Qwen-Image-2.1 dostal na první místo mezi modely s otevřenými vahami. V generování z textu získal Elo 1 034, zatímco Ideogram 4.0 (Quality) měl 1 011. V úpravách dosáhl hodnocení 1 074 oproti 1 066 u HunyuanImage 3.0 Instruct.

Elo v těchto hodnoceních převádí výsledky párového porovnávání preferencí na relativní skóre. Čísla jsou srovnatelná pouze uvnitř stejného žebříčku a mohou se měnit s dalšími vyhodnoceními.

Při zahrnutí proprietárních systémů patří novince v Artificial Analysis 18. místo v obou disciplínách. Předchozí Qwen Image 2.0 byl v generování na 72. místě a v úpravách na 58. místě. Celkovému pořadí nadále dominují uzavřené systémy; v LMArena je Qwen-Image-2.1 šestnáctý v úpravách a sedmnáctý v generování z textu.

Zlepšení rozvržení, osvětlení i úprav textu

V kategoriích Artificial Analysis model vede mezi otevřenými vahami v 16 z 36 hodnocení. Pět prvenství připadá na schopnosti generování: složité kompozice a vykreslování textu doplňují kategorie Knowledge, Layout a Lighting. Ve způsobech využití generování vede ve třech kategoriích, které zahrnují tvorbu pro sociální sítě, produktivitu a znalostní práci i spotřebitelské použití. V Architecture a Frontier se o nejlepší výsledek dělí.

U úprav získal prvenství ve třech typech zásahů: změnách textu či symbolů, úpravách založených na uvažování a kompozici či rámování. Dalších pět vedoucích výsledků má mezi způsoby využití úprav. Vedle produktivity a obsahu pro sociální sítě sem patří maloobchod a e-commerce, animace a hry i návrh UI/UX.

Oproti Qwen Image 2.0 se v měření Artificial Analysis zmenšil odstup od nejlepších výsledků ve všech schopnostech generování z textu. Největší zlepšení vykázaly Layout, Lighting a Knowledge. U úprav nastal největší mezigenerační posun v Text or Symbol Edits, Object-Level Edit a Identity-Preserving Edit.

K celkovému lídrovi se nová verze při úpravách nejvíce přiblížila v kategorii Scene and Style Edit. Ta zahrnuje změny osvětlení, vizuálního stylu a nahrazování pozadí.

Stažitelné váhy, komerční použití se samostatnou licencí

Váhy jsou dostupné přes Hugging Face a ModelScope. Diffusers přidal podporu už v den vydání a ComfyUI nabízí hotovou šablonu pracovního postupu. Model podporují také nástroje vLLM-Omni, SGLang a LightX2V.

Dostupnost vah doprovází změna licenčních podmínek. Qwen-Image-2.1 používá Qwen Research License Agreement, který dovoluje pouze nekomerční využití; pro komerční nasazení je nutná samostatná licence od Alibaby. Dřívější vydání Qwen-Image používala Apache 2.0, která komerční použití za svých podmínek umožňovala.

Reklama

S tvorbou obsahu pomáhá UpTier.

SEO a GEO na autopilota. Multiagentní systémy UpTier píší a optimalizují obsah pro vyhledávače i AI odpovědi.

Objevte UpTier ↗

Kategorie:AI
Líbil se vám tento článek?
Objevte další zajímavé příspěvky na blogu
Zpět na blog

Související články

NVIDIA představila Nemotron for Science pro vývoj vědeckých AI agentůNVIDIA představila Nemotron for Science pro vývoj vědeckých AI agentů
Nemotron for Science spojuje otevřený model, chemický dataset a postupy dodatečného tréninku. Výzkumníci je mohou využít při tvorbě agentů pro specializované vědecké úlohy.
2 min čtení
18. 11. 2026
Trump chce vytlačit čínskou AI ze světových trhů. Šampiony jsou Nvidia, OpenAI a AnthropicTrump chce vytlačit čínskou AI ze světových trhů. Šampiony jsou Nvidia, OpenAI a Anthropic
Washington chce z Nvidie, OpenAI a dalších firem udělat národní šampiony a pomocí hotových AI balíčků vytlačit čínskou konkurenci ze světových trhů.
3 min čtení
18. 11. 2026
OpenAI vytáhlo do boje proti zneužívání dětí. ChatGPT zablokuje účet na celý denOpenAI vytáhlo do boje proti zneužívání dětí. ChatGPT zablokuje účet na celý den
OpenAI posiluje ochranu dětí: nový systém odhalí i dosud neznámé AI obrázky a za pokus o jejich získání ChatGPT účet na 24 hodin zablokuje.
4 min čtení
18. 11. 2026
Přihlaste se k odběru našeho newsletteru
Zůstaňte informováni o nejnovějších příspěvcích, exkluzivních nabídkách, a aktualizacích.
CodedTrip

Provozovatel: CodedTrip LLC, USA.

YouTube
TikTok