Qwen Image 2.1 Pro API
Qwen Image 2.1 Pro ist ein professionelles Closed-Weight-Bildmodell von Alibabas Qwen-Team für Text-zu-Bild-Generierung und promptgesteuerte Bildbearbeitung mit bis zu 10 Referenzbildern.
Qwen Image 2.1 Pro ist das professionelle Closed-Weight-Modell der Qwen-Bildserie und vereint Text-zu-Bild-Generierung mit promptgesteuerter Bildbearbeitung. Es verarbeitet Texteingaben und Referenzbilder und erzeugt Bilder in nativer 2K-Auflösung mit optionalem transparentem Hintergrund im RGBA-Format. Vor der Generierung werden Prompts durch ein Sprachmodell umgeschrieben; der Positiv-Prompt-Parameter akzeptiert 2 bis 3000 Zeichen. Das Modell unterstützt bis zu 10 Referenzbilder, die einmalig zwischengespeichert werden können, statt bei jedem Schritt erneut gelesen zu werden. Es bietet einen Direktmodus und einen Agentenmodus mit optionalem Denken. Regionen lassen sich auf drei Wegen festlegen: farbige Kreise im Bild, gemalte Maskenbereiche oder ein Originalbild plus separate Maske. Die API umfasst Sicherheitsprüfungen, TTL-Einstellungen für Ausgaben, Wasserzeichen und vorab signierte URLs für Cloud-Uploads.
Besonders geeignet ist Qwen Image 2.1 Pro für Produktfotografie, Marketing-Visuals und die Komposition mehrerer Bilder, etwa das Zusammenführen von sechs Porträts zu einem Gruppenfoto oder von zehn Möbelfotos zu einer Raumszene. Auch für die Erzeugung von Icons mit transparentem Hintergrund, die Erstellung von Spiel-UI-Assets sowie für Bildbearbeitung und lokale Retusche ist es ausgelegt. Das Modell zeichnet sich durch stabile Hintergrundstrukturen bei iterativen Bearbeitungen aus und wird für transparente Bildgenerierung, Bearbeitung mit fixiertem Hintergrund und native RGBA-Freisteller empfohlen. In Qwens Effizienzdiagramm zeigt es eine angemessen schnelle Generierung; für die 2K-Bildbearbeitung mit zehn Eingabebildern nennt Qwen 1,59 Sekunden gegenüber 6,31 Sekunden für die Qwen-Image-2.1-Pro-Variante.
Die Leistungsfähigkeit auf Qwen-Image-Bench übertrifft laut Qwen die für den Parameterumfang erwartete Leistung. Allerdings sind Qwens Benchmark-Ergebnisse selbst erstellt und nicht offengelegt – es gibt keine Tabelle, keine Teilergebnisse und keine Bewertungsmethode, sodass es sich um Qwens Angaben und nicht um unabhängige Messungen handelt. Nutzertests berichten von geringerer Generierungsqualität als bei GPT Image 1.0 mit mehr Fehlern und Artefakten. Die offizielle Veröffentlichung enthält keine Sekunden pro Bild, keine VRAM-Nutzung, keine Durchsatzwerte für bestimmte GPUs und keine API-Preisdetails. Das Modell basiert auf einer visuellen Generierungskomponente mit 7B Parametern, 32 Single-Stream-DiT-Schichten und Aufmerksamkeit mit hybrider Granularität; die maximale Auflösung beträgt 2752 Pixel, die Ausgabeauflösung reicht von 0,26 bis 4,19 Megapixeln bei Seitenverhältnissen von 1:8 bis 8:1. Die BF16-Bereitstellung erfordert 32,44 GB Speicherplatz. Es ist über die einheitliche OpenRouter-API und Alibaba Cloud Model Studio unter der Kennung alibaba:[email protected] zugänglich.
Aktualisiert:
MODELL-ID
qwen-image-2.1-pro- Eingabe
- text / image
- Ausgabe
- image
Highlights
- Native 2K-Generierung
- Bis zu 10 Referenzbilder
- Transparente RGBA-Ausgabe
- Drei Methoden zur Regionsfestlegung
- Direkt- und Agentenmodus
Anbieter
Vergleichen Sie die API-Preise verschiedener Anbieter. Wählen Sie einen Anbieter aus, um alle Kosten und Bedingungen zu sehen.
| Verfügbarkeit | |||
|---|---|---|---|
| $0 | $0.046 |
Historische Daten sind keine Live-Statusprüfung. Fehlende Daten bedeuten keinen Ausfall.
Benchmarks
- 62.36
Qwen-Image-Bench
Punkte; Qwens nicht offengelegter Benchmark
- 60.28
Qwen-Image-Bench
Punkte; Qwen-Image-2.1
- 67.01
Qwen-Image-Bench
Punkte; GPT Image 2.5 Sunburst
- 59.82
Qwen-Image-Bench
Punkte; Nano Banana 2.0
- 55.33
Qwen-Image-Bench
Punkte; FLUX 2 Max
- 60.2
Qwen-Image-Bench
Punkte; Qwen-Image-2.1-Pro-Variante auf demselben internen Benchmark
- 1228
Qwen-Image-Bench
Punkte; von Qwen auf demselben internen Benchmark angegebener Wert
Werte wie vom Modellanbieter veröffentlicht.
Schnellstart
Senden Sie einen Bildauftrag, fragen Sie den Status ab und speichern Sie die Bilder. Die Beispiele verwenden curl und die Python-3-Standardbibliothek.
POST https://openapi.felo.ai/api/v1/images/generations
1API-Schlüssel hinterlegen
Erstellen Sie einen Schlüssel in Ihrem Konto bei der Felo API Platform und legen Sie ihn als Umgebungsvariable ab.
export FELO_API_KEY="YOUR_API_KEY"2Erste Anfrage senden
Optionale Werte hängen vom Modell ab und werden hier nicht vorgegeben. Prüfen Sie sie im Playground. Felder stehen neben model und prompt, ohne input-Hülle.
curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-o created.json \
-d '{
"prompt": "A studio product photo of a ceramic coffee cup on warm linen, soft morning light",
"model": "qwen-image-2.1-pro"
}'3Aufgabe abfragen
Die Antwort enthält task_id. Bei queued oder running alle 3 Sekunden abfragen; bei succeeded, failed oder interrupted stoppen. Maximale Wartezeit: 30 Minuten. Mit created.json können Sie denselben Auftrag ohne erneute Übermittlung weiter abfragen.
python3 - <<'PY'
import json, os, time
from pathlib import Path
from urllib.parse import quote
from urllib.request import Request, urlopen
task = json.loads(Path("created.json").read_text())
task_id = task["task_id"]
url = "https://openapi.felo.ai/api/v1/images/generations/" + quote(task_id, safe="")
headers = {"Authorization": "Bearer " + os.environ["FELO_API_KEY"]}
deadline = time.monotonic() + 1800
while task["status"] in ("queued", "running"):
if time.monotonic() >= deadline:
raise TimeoutError(f"Keep task_id={task_id} to resume polling")
time.sleep(3)
with urlopen(Request(url, headers=headers), timeout=60) as response:
task = json.load(response)
if task.get("task_id") != task_id or task.get("kind") != "image":
raise ValueError("Unexpected task response")
print(task["status"])
if task["status"] != "succeeded":
raise RuntimeError(task.get("error") or task["status"])
if not task.get("outputs"):
raise ValueError("Task succeeded without image outputs")
Path("task.json").write_text(json.dumps(task))
print("Saved task.json")
PY4Ausgabe herunterladen
Nach Erfolg outputs aus task.json speichern. Unterstützt werden HTTPS-URLs, URL-Objekte und b64_json. Signierte URLs zeitnah herunterladen; dafür ist kein API-Schlüssel nötig.
python3 - <<'PY'
import base64, json
from pathlib import Path
from urllib.request import urlopen
task = json.loads(Path("task.json").read_text())
if task.get("status") != "succeeded" or not task.get("outputs"):
raise ValueError("No completed image outputs")
extensions = {"image/png": ".png", "image/jpeg": ".jpg", "image/webp": ".webp", "image/gif": ".gif", "image/avif": ".avif"}
for index, output in enumerate(task["outputs"], 1):
item = output if isinstance(output, dict) else {}
url = output if isinstance(output, str) else item.get("url") or item.get("unsigned_url")
mime = item.get("media_type") or "image/png"
if url and url.startswith("https://"):
with urlopen(url, timeout=60) as response:
data = response.read()
mime = response.headers.get_content_type()
elif url and url.startswith("data:image/") and ";base64," in url:
header, encoded = url.split(",", 1)
mime = header[5:].split(";", 1)[0]
data = base64.b64decode(encoded, validate=True)
elif item.get("b64_json"):
data = base64.b64decode(item["b64_json"], validate=True)
else:
raise ValueError("Unrecognized image output")
path = Path(f"image-{index}" + extensions.get(mime, ".bin"))
path.write_bytes(data)
print(path)
PYinput_references
Zum Bearbeiten die Beispiel-URL durch Ihre HTTPS-Bild-URL oder eine Base64-Bild-data-URL ersetzen. Einmal senden und dieselben Abfrage- und Speicherschritte verwenden.
curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-o created.json \
-d '{
"prompt": "Keep the product and framing. Replace the background with a sunlit marble countertop.",
"model": "qwen-image-2.1-pro",
"input_references": [
{
"type": "image_url",
"image_url": {
"url": "https://example.com/product.png"
}
}
]
}'Unterstützte Parameter
- n
- seed
- resolution
- aspect_ratio
- input_references
Lieber die vollständige Referenz?
API-Referenz →Häufige Fragen
Was ist Qwen Image 2.1 Pro?
Qwen Image 2.1 Pro ist das professionelle Closed-Weight-Modell der Qwen-Bildserie und vereint Text-zu-Bild-Generierung mit promptgesteuerter Bildbearbeitung. Es verarbeitet Texteingaben und Referenzbilder und erzeugt Bilder in nativer 2K-Auflösung mit optionalem transparentem Hintergrund im RGBA-Format. Vor der Generierung werden Prompts durch ein Sprachmodell umgeschrieben; der Positiv-Prompt-Parameter akzeptiert 2 bis 3000 Zeichen. Das Modell unterstützt bis zu 10 Referenzbilder, die einmalig zwischengespeichert werden können, statt bei jedem Schritt erneut gelesen zu werden. Es bietet einen Direktmodus und einen Agentenmodus mit optionalem Denken. Regionen lassen sich auf drei Wegen festlegen: farbige Kreise im Bild, gemalte Maskenbereiche oder ein Originalbild plus separate Maske. Die API umfasst Sicherheitsprüfungen, TTL-Einstellungen für Ausgaben, Wasserzeichen und vorab signierte URLs für Cloud-Uploads. Besonders geeignet ist Qwen Image 2.1 Pro für Produktfotografie, Marketing-Visuals und die Komposition mehrerer Bilder, etwa das Zusammenführen von sechs Porträts zu einem Gruppenfoto oder von zehn Möbelfotos zu einer Raumszene. Auch für die Erzeugung von Icons mit transparentem Hintergrund, die Erstellung von Spiel-UI-Assets sowie für Bildbearbeitung und lokale Retusche ist es ausgelegt. Das Modell zeichnet sich durch stabile Hintergrundstrukturen bei iterativen Bearbeitungen aus und wird für transparente Bildgenerierung, Bearbeitung mit fixiertem Hintergrund und native RGBA-Freisteller empfohlen. In Qwens Effizienzdiagramm zeigt es eine angemessen schnelle Generierung; für die 2K-Bildbearbeitung mit zehn Eingabebildern nennt Qwen 1,59 Sekunden gegenüber 6,31 Sekunden für die Qwen-Image-2.1-Pro-Variante. Die Leistungsfähigkeit auf Qwen-Image-Bench übertrifft laut Qwen die für den Parameterumfang erwartete Leistung. Allerdings sind Qwens Benchmark-Ergebnisse selbst erstellt und nicht offengelegt – es gibt keine Tabelle, keine Teilergebnisse und keine Bewertungsmethode, sodass es sich um Qwens Angaben und nicht um unabhängige Messungen handelt. Nutzertests berichten von geringerer Generierungsqualität als bei GPT Image 1.0 mit mehr Fehlern und Artefakten. Die offizielle Veröffentlichung enthält keine Sekunden pro Bild, keine VRAM-Nutzung, keine Durchsatzwerte für bestimmte GPUs und keine API-Preisdetails. Das Modell basiert auf einer visuellen Generierungskomponente mit 7B Parametern, 32 Single-Stream-DiT-Schichten und Aufmerksamkeit mit hybrider Granularität; die maximale Auflösung beträgt 2752 Pixel, die Ausgabeauflösung reicht von 0,26 bis 4,19 Megapixeln bei Seitenverhältnissen von 1:8 bis 8:1. Die BF16-Bereitstellung erfordert 32,44 GB Speicherplatz. Es ist über die einheitliche OpenRouter-API und Alibaba Cloud Model Studio unter der Kennung alibaba:[email protected] zugänglich.
Wie wird die Nutzung abgerechnet?
Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben.
Welche Eingaben und Ausgaben unterstützt Qwen Image 2.1 Pro?
Das Modell akzeptiert Texteingaben und Bildeingaben und erzeugt Bilder als Ausgabe. Es unterstützt sowohl die reine Text-zu-Bild-Generierung als auch die promptgesteuerte Bearbeitung von Referenzbildern.
Wie viele Referenzbilder kann Qwen Image 2.1 Pro verarbeiten?
Das Modell kann bis zu 10 Referenzbilder für Komposition und Bearbeitung nutzen. Diese Referenzbilder können einmalig zwischengespeichert werden, statt bei jedem Schritt erneut gelesen zu werden.
Welche Auflösungen sind mit Qwen Image 2.1 Pro möglich?
Die native Generierung erfolgt in 2K-Auflösung. Die maximale Auflösung beträgt 2752 Pixel, und die Ausgabe reicht von 0,26 bis 4,19 Megapixeln bei Seitenverhältnissen von 1:8 bis 8:1.
Wie lässt sich festlegen, welche Bildregion bearbeitet wird?
Es gibt drei Methoden: farbige Kreise, die im Bild gezeichnet werden, gemalte Maskenbereiche oder ein Originalbild zusammen mit einer separaten Maske.
Was unterscheidet Qwen Image 2.1 Pro von Qwen-Image-2.1?
Qwen Image 2.1 Pro ist die professionelle Closed-Weight-Version der Qwen-Serie. Qwen-Image-2.1 hingegen ist die Open-Weight-Version, die unter der Qwen Research License für Forschung frei, für kommerzielle Nutzung jedoch nur mit separater Vereinbarung verfügbar ist.