Qwen-Image-2.1：原生透明圖、33GB 與非商用授權（2026）

Qwen-Image-2.1 在 2026 年 9 月 20 日發布後，最吸睛的不是又一張排行榜，而是它把 RGBA 透明度直接放進生成與編輯管線：圖像可以原生帶 alpha channel，不必先生成白底再做去背。不過，Qwen 官方發布文口中的「open-source」，和實際授權條款之間有一道不能略過的界線——權重可公開下載，但研究授權只允許研究與評估用途，商用必須另取授權。

這篇不把發布稿改寫成規格表。我們要回答三個更實際的問題：原生透明度究竟改變了什麼工作流程？「7B」是否真的代表一般顯卡能輕鬆跑？以及，下載得到權重，為什麼仍不能直接拿去做商業產品？

Qwen-Image-2.1 到底發布了什麼？

先校正最容易被標題帶偏的數字。官方說的 7B，是視覺生成元件，也就是 32 層 Single-Stream DiT，不是完整管線只有 70 億參數。官方架構說明另外列出 Qwen3-VL 8B 文字編碼器與 64-channel RGBA VAE；Hugging Face 上七個 safetensors 檔案合計約 33.13 GB。所以「核心縮到 7B」成立，「整套模型很輕」則不成立。

元件	官方描述	讀者該怎麼理解
生成核心	約 7B DiT、32 層	7B 只描述主要生成器
文字／影像編碼器	Qwen3-VL 8B	完整推理還要載入另一個大型元件
VAE	64-channel RGBA、16× 壓縮	alpha 是模型資料流的一部分，不是外掛去背器
權重檔	約 33.13 GB	下載體積與執行記憶體不能只看「7B」

Qwen-Image-2.1 真正重要的新東西：alpha 不再只是後製

“Native transparency is a major addition in this release.”

中文：原生透明度是本次更新的重要新增能力。

Qwen 團隊

一般的「透明圖生成」常是兩段式：模型先畫完整背景，再由分割或去背模型猜出主體邊界。髮絲、玻璃、煙霧、半透明陰影因此很容易出現白邊或硬切。Qwen-Image-2.1 的做法不同：官方文件把 RGB 與 RGBA 都列為原生輸出，提示詞可要求 transparent background；SGLang 的整合文件也把 alpha 描述為連續值，而不是最後套一個二元遮罩。

這個差異很實用。電商商品圖、貼圖、簡報元件、遊戲 sprite、UI 裝飾與合成素材，都可以直接把「透明邊界」納入生成目標。真正值得觀察的不是它能否做出一張看起來透明的示範，而是批次生成時，半透明邊緣能否穩定、主體內部會不會被誤挖空，以及輸出放到深色與淺色背景上是否同樣乾淨。

十張參考圖與局部編輯：模型上限不等於每個後端都做到

Qwen 說「Qwen-Image-2.1 supports up to 10 reference images」，並展示以圈選、塗抹註記或獨立遮罩指定局部修改。這讓它不只是文字生圖器，也更像一個能讀取素材、保留未修改區域、再重組結果的統一編輯模型。

這裡要把「基礎模型規格」和「執行後端限制」分開。Diffusers 的管線可接收影像列表，但vLLM 官方預覽 recipe當時把參考圖上限設為四張，第五張會回傳錯誤。獨立遮罩也應理解為官方展示的一種條件輸入，而不是所有介面都已提供傳統 inpainting 的 mask_image API。若你的流程真的仰賴十張素材或精準遮罩，必須按實際後端逐項驗收。

Qwen-Image-2.1 的 Day-0 支援：可以裝，不等於穩定版已到

官方列出的五個 Day-0 整合並非同一成熟度。截至 2026 年 9 月 21 日，Diffusers、ComfyUI、SGLang 與 LightX2V 的支援已進各自原始碼主線，但發布標籤或打包版可能尚未包含；vLLM-Omni 則仍是未合併的預覽 PR。把它們統稱為「五個框架正式版都可用」會誤導讀者。

整合	查核狀態	實際含義
Diffusers	PR 已合併	官方安裝方式指向 Git main，不是舊標籤版
ComfyUI	PR 已合併	main 有原生節點與工作流；桌面打包更新另計
SGLang	PR 已合併	需依 source 版文件部署
LightX2V	PR 已合併	原始碼支援生圖與圖像編輯
vLLM-Omni	PR 預覽、未合併	需 checkout 特定分支，不能當正式版能力

硬體也不能只看 7B。SGLang 公開的單一環境測量中，RTX 4090 要啟用文字編碼器逐層卸載，1024×1024、40 steps 約使用 22.7 GiB，耗時 18.68 秒；這能證明消費級 GPU 有一條可行路徑，卻不能外推成所有工作站的速度保證。對多數人而言，真正的門檻會是完整元件載入、offload 策略、解析度與步數，而不是模型名稱裡的參數數字。

基準分數 60.28：看起來很強，但證據還沒有閉環

這張圖最合理的讀法，是「7B 視覺生成核心在 Qwen 自家評測中表現有競爭力」，而不是「7B 已全面擊敗大型閉源模型」。發布材料提供的是聚合分數；判分器、提示詞集合與榜單本身都由 Qwen 團隊建立。沒有獨立重現以前，60.28 可以當成值得測試的訊號，不能當成品質已被外部驗證的結論。

社群熱度也一樣。截至台北時間 2026 年 9 月 21 日 06:20，Hacker News 討論串的官方 API 快照來到 426 分、145 則後續回覆；數字在查核期間仍快速變動。它證明「透明素材＋本地權重」碰到真實需求，不證明每一項品質宣稱都已站穩。

最大誤會：權重下載得到，不等於開源可商用

“FOR NON-COMMERCIAL PURPOSES ONLY.”

中文：僅限非商業用途。

Qwen Research License

這是整次發布最需要被放大的句子。授權把 Non-Commercial 明確定義為僅限研究或評估，不是「只要沒有收錢就行」。商業使用者必須另外向 Qwen 申請並取得商用授權；公開文件提供聯絡方式，沒有公開價格、條款或核准保證。

因此，本文選擇稱它為「公開可下載權重、採非商用研究授權」，而不直接稱為開源模型。OSI 的 Open Source AI Definition要求使用者能為任何目的使用系統；限制商業用途的條款不符合這個核心原則。Qwen 的發布用語描述了「拿得到權重」，授權文件才決定「你被允許拿它做什麼」。

我的判斷：這是工作流程更新，不是免費商用捷徑

我同意 Qwen 對原生透明度重要性的判斷。alpha 若能和顏色、形狀一起生成，圖像模型就從「交付一張完成圖」往「交付可重組資產」走了一步。這對設計系統、素材庫與自動化版型，比單純多幾分 benchmark 更有長期價值。

但我不接受兩個捷徑式結論。第一，7B 不等於完整管線輕巧；33GB 權重、8B 編碼器與實際顯存數字都提醒我們，compact 是相對說法。第二，Day-0 有整合不等於 production-ready；source branch、打包版、參考圖上限和 API 形狀，現在仍會因後端而異。

更關鍵的是授權。對研究者而言，公開權重讓架構、alpha 輸出與編輯流程能被檢查；對商業團隊而言，它不是 Apache、MIT 或其他可直接投入產品的寬鬆授權。這不是文字遊戲，而是決定能否上線、能否收費、能否把衍生系統交付客戶的產品條件。

現在該怎麼用 Qwen-Image-2.1？

1. 研究與評估：先固定 repo commit 與後端版本，做一組最小 RGBA 測試。把同一批輸出放在黑、白、彩色背景上，檢查半透明邊緣與主體穿孔。
2. 設計流程評估：不要只看官方精選圖。用自己的 logo、玻璃、髮絲、陰影與十張參考素材壓測，分別記錄主體保真、alpha 邊界與未編輯區域漂移。
3. 工程部署：把解析度、steps、參考圖數、offload 策略、峰值顯存與延遲一起量；同時確認你使用的整合究竟是 tagged release、main，還是未合併 PR。
4. 任何商業用途：先停在評估階段，取得並審閱另外的商用授權，再決定是否納入產品。不要把「權重可下載」當成授權完成。

結論：透明能力是真的，開放程度要看授權

Qwen-Image-2.1 最有價值的地方，是把透明圖從後處理選項提升為模型原生資料格式，並把多參考圖與局部編輯放進同一套系統。官方素材與外部框架整合足以證明這條技術路徑已經能跑；至於品質是否穩定、十張素材是否都能可靠融合、各種硬體是否划算，仍要交給實際工作負載回答。

而在「開源」這件事上，判斷可以很乾脆：看授權，不看發布稿形容詞。這次是可公開下載的研究權重，不是可自由商用的開源授權。能力值得測，產品決策則必須把那條界線畫清楚。