APIPod logoAPIPod
Alibaba

Qwen Image 2.1

2 个可用模型
提供商: Alibaba
更新于: 最近

Qwen-Image 2.1 用 7B 单流 DiT 统一了文生图与指令式编辑:可从文本生成普通或透明(RGBA)图像、编辑透明图层、从照片中提取主体;支持最多 10 张参考图,并可圈选、涂抹或蒙版指定局部编辑区域,同时保持人物与商品身份特征。Turbo 档把去噪步数压到 8 步,是系列中性价比最高的选择。

可用模型

2026 年 9 月 20 日发布阿里通义千问出品 · OpenAI 兼容图像 API

Qwen Image 2.1 API透明 PNG,不用再抠一次。

Qwen-Image 2.1 把生成、编辑与主体提取放进同一个 7B 模型:直接从文本生成原生 RGBA 图像、编辑透明图层、最多接受 10 张参考图,并可圈选、涂抹或蒙版指定局部编辑,同时保住人脸与商品。Turbo 档把去噪压到 8 步。

Qwen-Image-2.1 模型卡 → github.com/QwenLM

官方出图自带真实 alpha 通道:把底色切成纯白,主体背后不会出现任何填充。这些是模型直接产出的文件,不是后期抠掉背景的结果。RGBA · alpha原图 684×685
示例

官方出图自带真实 alpha 通道:把底色切成纯白,主体背后不会出现任何填充。这些是模型直接产出的文件,不是后期抠掉背景的结果。

视觉主干
7B
32 层单流 DiT
Turbo 步数
8
基础模型为 40 步
参考图
10
用于多主体合成
透明通道
RGBA
生成与编辑均原生支持
原生输出
2K
2048×2048 与 7 种宽高比
单次张数
6
n 可取 1~6

能力

小模型,同时做四件事

2.1 用一个 7B 单流替代了更重的组合,所以同一个 checkpoint 能生成、能编辑、能抠图,不必在多个模型之间交接。

01

紧凑高效

混合粒度注意力与前缀 KV 缓存复用,把文本和参考图只编码一次,再在每个去噪步复用,在低算力下维持画质。

7B · 32 层 · 前缀 KV 复用

02

原生透明

64 通道 RGBA VAE 可从文本生成普通或透明图像、编辑已有透明图层,也能把主体从照片里提取出来——不需要额外的抠图步骤。

64 通道 RGBA VAE · 16× 压缩

03

灵活编辑

最多传 10 张参考图合成多主体场景;要改哪里直接圈选、涂抹或传独立蒙版,而不是在提示词里用坐标描述。

≤ 10 张参考图 · 圈选 / 涂抹 / 蒙版

04

身份与质感

编辑前后人脸还是同一张脸,商品的标签与材质也不会被重新编造;排版、人像光影与细节质感同步提升。

人脸与商品身份保持

由六张单人肖像参考合成的合影

6 张参考图

六张单人照,一张合影

每个人都来自一张独立参考照,结果里脸型与发型各自可辨,而不是被平均成一张「通用脸」。

由五张独立参考图拼出的整套穿搭

5 张参考图

五张参考,整套穿搭

模特、衣服、鞋子、包和帽子分别提供,模型把它们组装成一张完整全身造型照。

局部编辑

圈住哪里,就只改哪里

把要动的区域标出来——去掉手表、改发色、换外套——画面其余部分保持像素级稳定,不会整张重绘、背景也不会漂移。

可以在参考图上直接圈选或涂抹标注;需要硬边缘时传一张独立蒙版。

标出待编辑区域的原始照片编辑前
去掉手表、改变发色并替换外套后的照片编辑后

官方模型卡中的圈选多区域编辑示例;两帧分别是公布的输入与输出。

保持面部身份的人像编辑
第二组保持面部身份的人像编辑
保持标签与材质的产品编辑
第二组保持标签与材质的产品编辑

身份保持决定了一张商品图能不能直接用:标签、Logo、材质与面部结构在编辑后依然是原来的,而不是被模型重新想象。

模型与价格

Pro 与 Turbo,都保留原生 2K

同一套 7B 架构、同一份请求契约、同样支持透明输出。Turbo 只是去噪步数更少,所以单张价格更低。

两个模型都按成功出图计费,与分辨率无关——2.1 不按 1K/2K 分档。Pro 每张 $0.04,Turbo 每张 $0.016。编辑走同一端点,附加 image_urls 即可。

API

生成、编辑与抠图共用一个端点

提交任务、轮询结果、读取 URL 数组。透明输出写在提示词里,而不是单独开关,所以同一次调用既能出普通图也能出 RGBA。

  • ·POST /v1/images/generations 返回 task_id,任务异步执行。
  • ·image_urls 最多放 10 张,用于多主体合成或引导局部编辑。
  • ·提示词以「This is an RGBA image with transparency.」开头,并说明背景透明。
阅读 API 文档
curl -X POST https://api.apipod.ai/v1/images/generations \
  -H "Authorization: Bearer $APIPOD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "qwen-image-2.1-pro",
  "prompt": "A hand-drawn chemistry study poster on cream paper: navy borders, a highlighted equation Fe + CuSO4 -> FeSO4 + Cu, a reactivity-series ladder and a before/after iron-nail experiment.",
  "size": "2048*2048",
  "n": 1
}'

# {"task_id":"tsk_...","status":"processing"}
# GET https://api.apipod.ai/v1/images/status/tsk_...

上游返回的图片 URL 24 小时后失效;APIPod 会把成品转存到自己的存储,因此你拿到的 URL 长期有效。

怎么选

Qwen Image 2.1 与 Qwen Image 3.0

2.1 是编辑与抠图代,3.0 是版面与排版代。两者共用同一个 API Key。

维度Qwen Image 2.1Qwen Image 3.0
擅长生成、编辑与抠图密集版面、排版、UI 与印刷
提示词预算短到中等指令最长 4.5k token
文字渲染排版强,但无 10px 承诺最小 10px,12 国语言
参考图最多 10 张,支持圈选与蒙版最多 3 张
透明通道原生 RGBA 输出不是重点
起步价$0.016 / 张(Turbo)$0.03 / 张

要透明素材、主体抠图、一次塞很多参考图,选 2.1;如果是「图里的文字」与整页版面,选 3.0。

常见问题

大家最常问的几件事

Qwen Image 2.1 是什么?

它是阿里通义千问统一的图像生成与编辑模型,2026 年 9 月开源并提供 API。7B 单流 DiT 同时承担文生图、指令式编辑、原生透明输出与主体提取,最多支持 10 张参考图。

在 APIPod 上怎么调用?

创建 API Key 后调用 https://api.apipod.ai/v1,模型名填 qwen-image-2.1-pro 或 qwen-image-2.1-turbo。先提交到 /v1/images/generations,再轮询 /v1/images/status/{task_id} 直到任务完成。

怎么计费?

按成功出图计费,与分辨率无关——2.1 不使用分辨率分档。Pro 与 Turbo 的单张价格不同;同一个模型 ID 在带 image_urls 时执行编辑,仍按同一单张价格计费。

怎么得到透明背景?

在提示词里要。推荐句式是「This is an RGBA image with transparency. <主体>. The image has alpha channel and the background is transparent.」。没有单独的透明参数,模型按提示词自行决定是否输出 RGBA。

最多能传几张参考图?

每次编辑最多 10 张。做合成时建议每张参考图只放一个主体;做局部编辑时也可以在参考图上圈选或涂抹,或传一张独立蒙版。

Turbo 会比 Pro 差吗?

Turbo 跑的是同一套 7B 架构,只是调度从 40 步压到 8 步,仍保留原生 2K 与透明输出。走量与草稿用它更划算;近景人像可能偏锐,出最终交付物时换 Pro。

该用 2.1 还是 3.0?

透明素材、抠图、多参考图与身份保持式编辑选 2.1;长提示词、密集版面与 10px 小字选 3.0。两者 API 形态一致,切换只改一个模型名。

带着 alpha 通道把素材交付出去。

创建 Key,生成一张透明 PNG,导入前先在纯白背景上检查一遍。