Qwen Image 2.1 Pro API

Qwen Image 2.1 Pro to profesjonalny, zamknięty model z rodziny Qwen, opracowany przez zespół Alibaba Qwen. Łączy generowanie obrazów z tekstu z edycją sterowaną promptem, a do kompozycji i modyfikacji może wykorzystać do 10 obrazów referencyjnych. Model przepisuje prompt za pomocą dużego modelu językowego przed generowaniem, obsługuje tryb bezpośredni i agentowy oraz opcjonalne myślenie. Dysponuje trzema metodami wskazywania obszarów: kolorowymi okręgami na obrazie, namalowanymi maskami lub oryginalnym obrazem z osobną maską. Generuje natywnie w rozdzielczości 2K i tworzy obrazy RGBA z przezroczystym tłem. Parametr pozytywnego promptu przyjmuje od 2 do 3000 znaków. Model sprawdza się w fotografii produktowej, wizualizacjach marketingowych, kompozycjach z wielu obrazów (np. łączeniu sześciu portretów w zdjęcie grupowe czy dziesięciu zdjęć mebli w scenę pokoju), generowaniu ikon z przezroczystym tłem, tworzeniu zasobów interfejsu gier oraz edycji i lokalnej retuszy obrazów. W testach użytkowników jakość generowania bywa niższa niż w GPT Image 1.0, z większą liczbą błędów i artefaktów. Wyniki benchmarku Qwen-Image-Bench pochodzą z wewnętrznego, nieujawnionego testu Qwen, więc są deklaracjami producenta, a nie niezależnymi pomiarami. Oficjalne wydanie nie podaje czasu generowania pojedynczego obrazu, zużycia VRAM, przepustowości na konkretnych GPU ani szczegółów cen API. Model jest zbudowany wokół komponentu generowania obrazów o 7B parametrów, z 32 jednowątkowymi warstwami DiT i uwagą o hybrydowej ziarnistości. Obrazy referencyjne mogą być buforowane raz, zamiast odczytywane przy każdym kroku. Wdrożenie BF16 wymaga 32,44 GB miejsca na dysku. Maksymalna rozdzielczość wynosi 2752 pikseli, a rozdzielczość wyjściowa mieści się w zakresie od 0,26 do 4,19 megapiksela, przy proporcjach od 1:8 do 8:1. Model jest dostępny przez ujednolicone API OpenRouter i Alibaba Cloud Model Studio pod identyfikatorem alibaba:[email protected].

Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny. Rozliczane według rzeczywistego kosztu generowania. Ostateczną kwotę znajdziesz na rachunku.

Model przyjmuje tekst i obrazy jako dane wejściowe, a zwraca obrazy. Pozwala łączyć generowanie z tekstu z edycją sterowaną promptem.

Model może komponować i edytować na podstawie do 10 obrazów referencyjnych.

Maksymalna rozdzielczość wynosi 2752 pikseli, a rozdzielczość wyjściowa mieści się w zakresie od 0,26 do 4,19 megapiksela. Proporcje obrazu mogą wynosić od 1:8 do 8:1.

Model obsługuje trzy metody: kolorowe okręgi rysowane na obrazie, namalowane maski oraz oryginalny obraz z osobną maską.

Qwen Image 2.1 Pro to zamknięta wersja profesjonalna, podczas gdy Qwen-Image-2.1 jest wersją z otwartymi wagami. Otwarte wagi Qwen-Image-2.1 podlegają licencji Qwen Research License, która pozwala na badania, ale nie na użytek komercyjny bez osobnej umowy.

Wyniki Qwen-Image-Bench pochodzą z wewnętrznego, nieujawnionego testu Qwen, bez tabeli, podpunktów i metody punktacji. Są to deklaracje producenta, a nie niezależne pomiary.