Qwen-Image-2.1：Alibabaが画像の生成と編集を1つでこなす70億パラメータモデルの重みを公開

2026年9月20日、AlibabaのQwenチームは Qwen-Image-2.1 の重みを公開しました。テキストからの画像生成と既存画像の編集を、1つのチェックポイントでこなすモデルです。Alibabaはこれを、Qwen-Imageシリーズで「最もバランスが良く、コスト効率の高い」モデルと位置づけています。10月9日には高速版の Qwen-Image-2.1-Turbo が登場し、Alibaba Cloud Model StudioでPro／TurboのAPIも始まりました。

Qwen-Image-2.1でできること

開発者は4つの改良点を挙げています。

• コンパクトなサイズ。 生成部は70億パラメータ、32層のDiTです。2025年の初代Qwen-Imageは200億パラメータで、編集には別のチェックポイントQwen-Image-Editが必要でした。
• 透過背景。 アルファチャンネル付きのPNG（RGBA）を直接出力し、透過レイヤーの編集や写真からの切り抜きもできます。背景除去の工程を別に挟む必要はありません。
• 柔軟な編集。 1リクエストで参照画像は最大10枚。円、手描きの印、マスクで局所編集の範囲を指定でき、人物や商品の同一性も保ちます。
• リアルさ。 文字組み、ポートレートのライティング、細かな質感が向上しました。

ネイティブ解像度は2Kで、正方形は2048×2048、16:9は2752×1536、3:2は2528×1696です。標準は40ステップ。プロンプトと条件画像は別の80億パラメータのQwen3-VLエンコーダーが処理するため、ローカルで動かすにはメモリに余裕のあるGPUが必要です。

Qwen-Image-2.1-Turboの違い

Turboは2026年10月9日に登場しました。同じ70億パラメータのアーキテクチャのまま、40ステップではなく 8ステップ で画像を生成します。機能は削られておらず、2K、透過背景、参照画像10枚、局所編集はそのままです。ステップのスケジュールはチェックポイントに組み込まれているため、num_inference_steps だけを変えても変わりません。TurboはLightX2Vアプリを通じてApple Silicon搭載Macでも動きます。

ダウンロードと実行方法

Qwen-Image-2.1とTurboの重みはHugging FaceとModelScopeに、コードとサンプルはGitHubのQwenLM/Qwen-Image-2.1リポジトリにあります。公開当日からDiffusers（QwenImage21Pipeline）、ComfyUI、vLLM-Omni、SGLang、LightX2V、Intel OpenVINOが対応しました。AMD（ROCm）やIntel Arc向けのビルドもあります。

最大の注意点は Qwen Research License です。公開された重みは非商用目的でしか使えません。初代Qwen-Imageは自由度の高いApache 2.0ライセンスでした。商用利用には、Alibabaの個別ライセンスかModel Studioの有料APIが用意されています。

AI2Faceで試すには

Qwen-Image-2.1はAPI経由でAI2Faceのジェネレーターで使えます。自前のGPUもComfyUIの構築も不要で、非商用ライセンスを気にする必要もありません。隣には Nano Banana 2.1、GPT Image、Seedream、Flux といったトップクラスの画像モデルが並び、同じプロンプトで簡単に比較できます。費用は生成前に表示されます。詳しい比較は AI画像生成ツール のまとめをご覧ください。