Qwen Image 2.1
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
Qwen Image 2.1 Pro
Qwen Image 2.1 Pro 用 7B 单流 DiT 统一文生图与指令式编辑:可从文本生成原生 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,可圈选、涂抹或蒙版指定局部编辑,并保持人物与商品身份特征。原生 2K 输出,单次 1~6 张。
Qwen Image 2.1 Turbo
Qwen Image 2.1 Turbo 沿用 2.1 架构与契约,但把去噪步数从 40 步压到 8 步,是 Qwen-Image 系列中性价比最高的选择。它同样支持最多 10 张参考图的生成与编辑、原生透明输出,并保留原生 2K 分辨率,单次 1~6 张。
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。

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

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」。

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。
编辑前
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。




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。
示例
Qwen Image 2.1 生成的图像
全部来自 Qwen-Image-2.1 官方模型卡,保持原始分辨率。透明示例放在棋盘格上,方便你直接看到通道。

原生透明贴纸
This is an RGBA image with transparency. A cute cartoon character sticker with soft shading and a clean outline. The image has alpha channel and the background is transparent.

六张参考合成合影
These six characters from the reference portraits are sitting around a campfire in a forest at night, keeping each person's face and hairstyle exactly as in their reference image.

五张参考拼穿搭
Assemble the complete outfit shown across these five reference images - the model, the clothing, the shoes, the bag and the hat - into one full-body styling photo.

圈选局部编辑
Circle-guided local edit on the same photo: remove the watch, change the hair colour, and replace the jacket, leaving everything outside the circles untouched.

化学笔记海报
A hand-drawn chemistry study poster on cream paper: navy borders, highlighted "Fe + CuSO4 → FeSO4 + Cu", a reactivity-series ladder, a property comparison table and a before/after iron-nail experiment.

教学笔记页
A vertical educational notes page in marker-and-watercolour style with a yellow highlighted title, equation panel, molecule diagrams and a summary strip.

五格分镜
A five-panel storyboard of the same character walking through a rainy night market, consistent costume and lighting across panels.

架构示意图
A clean technical diagram of the Qwen-Image 2.1 architecture: 7B single-stream DiT, Qwen3-VL text encoder and an RGBA VAE, with labelled data flow.

人像身份保持
Edit this portrait while preserving identity: keep the face, bone structure and hairstyle, change only the lighting to soft window light from the left.

商品身份保持
Place this product on a marble surface with a soft contact shadow, keeping the label text and logo exactly as in the reference photo.
提示词改编自官方模型卡,卡片中为便于阅读有所精简;图片为公开出图的自托管副本。
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。
qwen-image-2.1-pro
全能首选
参考 checkpoint:细节与排版最强,适合出最终交付物。
质量优先于走量时使用。size 保持 2048*2048 可获得原生 2K。
查看模型qwen-image-2.1-turbo
快且便宜
同一 7B 模型改用 8 步调度,保留原生 2K 与透明输出,是系列中单张价格最低的。
近景人像的皮肤纹理可能偏锐;对微观细节有要求时改用 Pro。
查看模型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。
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 2.1 | Qwen 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。