Qwen-Image-2.1 مقابل GPT Image 2: نزّله مجانًا، أو استأجر الأفضل

Qwen-Image-2.1 هو تنزيل بحجم 33 غيغابايت يمكنك تشغيله مجانًا ولا يمكنك بيعه. GPT Image 2 هو واجهة API لا يمكنك تنزيلها إطلاقًا، تُحاسَب حسب الرمز المميز، بعد أربعة أشهر من الإنتاج ويتصدّر قوائم الصدارة المستقلة للصور. هاتان الحقيقتان هما المقايضة بأكملها، والجزء المثير هو أن ميزة الشفافية — الشيء الذي يجعل Qwen-Image-2.1 يستحق نظرة من الأساس — وصلت إلى كلا النظامين خلال شهر من بعضهما البعض عبر مسارات مختلفة تمامًا. صدر Qwen-Image-2.1 في 20 سبتمبر 2026 مع دمج ألفا في فضاءه الكامن. اكتسب GPT Image 2 background: "transparent" معاملًا في 20 أغسطس 2026 كعلامة API.

طريقان إلى الميزة نفسها

المخرجات الشفافة هي السبب في أن معظم الناس ينتهي بهم الأمر بمقارنة هذين الاثنين، لذا ابدأ من هناك، لأن التطبيقات ليست متكافئة والفرق أهم من المخرجات نفسها.

شفافية Qwen-Image-2.1 معمارية. فوجود VAE RGBA بـ64 قناة مع ضغط مكاني بمقدار 16× يعني أن ألفا جزء من الفضاء الكامن الذي يزيل النموذج الضوضاء فيه. وتمنحك الآلية نفسها التوليد مع الشفافية، والتحرير داخل صورة تتمتع بالفعل بالشفافية دون تسطيحها، واستخلاص الموضوع من صورة فوتوغرافية RGB عادية يعيد ألفا بدلًا من قناع ثنائي. إنها قدرة واحدة لها ثلاثة استخدامات، وتصوغ الجهة المورّدة الأمر على أنه لا حاجة إلى عقدة منفصلة لإزالة الخلفية، أو نموذج ماتينغ، أو تمريرة تنظيف للحواف.

شفافية GPT Image 2 هي معامل طلب. إضافة background: "transparent" إلى جانب output_format: "png" تُرجع صورة بقناة ألفا حقيقية، وتعمل عبر التوليد من النص إلى الصورة، وتحرير الصور، وأداة توليد الصور في Responses API. يمكن الجمع بين الرسم الداخلي المعتمد على القناع والخلفيات الشفافة. تم إطلاقها في Preview، لذا تشير إرشادات OpenAI نفسها إلى أن النتائج قد تكون غير مستقرة — ويوصف التحرير مع الشفافية بأنه إعادة رسم الخلفية أو إزالتها بدلًا من العزل الدقيق للحدود. يدّعي مصدران ثانويان على الأقل أن المعامل غير متاح وأن GPT Image 2 لا يُخرج الشفافية على الإطلاق؛ وهذا يتعارض مع تغطية الإعلان، ونسخ وثائق API، واختبارات طرف ثالث، لذا تعامل معها باعتبارها قديمة أو خاطئة وليس كإشارة مضادة. لا تغيّر الشفافية تكلفة الرموز — عند جودة وحجم محددين، تستهلك الصورة الشفافة وصورة معتمة العدد نفسه من رموز الصور.

لذا، كلاهما ينتج ألفا. أحدهما يفعل ذلك لأن النموذج بُني بهذه الطريقة؛ والآخر لأن معاملًا ما يطلب ذلك من الخدمة. وأيّهما أفضل يعتمد كليًا على ما إذا كان يجب أن تصمد ألفا عبر حلقة تحرير، وهذا قابل للاختبار في فترة بعد ظهر واحدة.

ماذا يمنحك السبق الذي حققه GPT Image 2

أربعة أشهر في الإنتاج ليست نقطة تسويقية، بل هي فجوة في النضج، وتظهر في أماكن مملة وحاسمة.

• مكانة مستقلة — يحتل GPT Image 2 قمة لوحات الصدارة المستقلة للصور، وقد بقي هناك مدة كافية ليصبح ذلك ادعاءً مستقرًا لا ارتفاعًا مؤقتًا في أسبوع الإطلاق. أما Qwen-Image-2.1 فكان غائبًا تمامًا عن تلك اللوحات عند كتابة هذا.
• أنماط فشل موثّقة — النموذج الذي مضى على استخدامه العام أربعة أشهر لديه مجموعة من حالات الفشل المعروفة يمكنك قراءتها قبل أن تصطدم بها. أما نموذج أُطلق للعموم أمس فليس لديه سوى بطاقة أداء من المورّد واختبار تكامل واحد.
• السطح التشغيلي — حدود معدل متدرّجة معبّر عنها بكل من الرموز في الدقيقة والصور في الدقيقة (من 100,000 TPM و5 IPM في الفئة الابتدائية وصولًا إلى 8,000,000 TPM و250 IPM في الفئة العليا)، إضافة إلى دعم نقطة نهاية الدفعات. هذا هو الفرق بين عرض تجريبي وطابور يمكنك تقدير حجمه.
• أرقام جودة من طرف ثالث — موقع لوحة الصدارة مُقاس بشكل مستقل. الرقم الوحيد المتاح لـ Qwen-Image-2.1 هو مخطط Qwen-Image-Bench الخاص بالمورّد، حيث يقرأ 60.28 مقابل Nano Banana 2.0 عند 59.82 وGPT Image 1.5 عند 59.65. مادة مورّد، غير معاد إنتاجها.

نقطة البيانات المستقلة حقًا الوحيدة بشأن Qwen-Image-2.1 هي التحقق الوظيفي المنشور مع تكامل SGLang: اجتاز إخراج PNG الشفاف، وتم الاحتفاظ بقناة ألفا عبر النطاق الكامل 0–255، وتم قياس RGBA PSNR عند 60.69 dB على عينة واحدة، واجتازت إعدادات FP8 توليد PNG الشفاف. يقول مؤلفو SGLang صراحةً إن هذا فحص صحة وليس ضمانًا عامًا للجودة. وهو أقوى دليل متاح على أن قناة ألفا حقيقية. ولا يقول شيئًا عمّا إذا كانت الصور جيدة.

الفاتورة، تمت معالجتها

تتم فوترة GPT Image 2 حسب التوكنات، ما يعني أن تكلفة الأصل تعتمد على فئة الجودة والدقة بطريقة يخفيها السعر لكل صورة. أسعار القائمة المنشورة هي 5.00 دولارات لكل مليون توكن إدخال نصي، و8.00 دولارات لكل مليون توكن إدخال صور، و30.00 دولارًا لكل مليون توكن إخراج صور، مع أسعار مخزّنة مؤقتًا عند 1.25 و2.00 دولار على التوالي. لا تنشر OpenAI جدولًا ثابتًا لتوكنات الإخراج لهذا النموذج — فالجدول الأقدم الذي يغطي أعداد التوكنات المنخفضة والمتوسطة والمرتفعة مُعلَّم صراحةً بأنه لا ينطبق على GPT Image 2 — لذا فإن الأرقام أدناه هي قياسات من طرف ثالث لأسعار القائمة بنسبة أبعاد 1:1، من النص إلى الصورة:

• إخراج 1K — جودة منخفضة $0.0059، متوسطة $0.053، عالية $0.211 لكل صورة.
• إخراج 2K — منخفض $0.012، متوسط $0.107، عالٍ $0.428.
• إخراج 4K — منخفض $0.020، متوسط $0.178، عالٍ $0.712.

الفارق بين الجودة المنخفضة والعالية عند الدقة نفسها يبلغ نحو خمسة وثلاثين ضعفًا. هذا هو القرار الفعلي داخل خط معالجة GPT Image 2: ليس أي نموذج، بل أي مستوى جودة يصمد أمام المراجعة بأقل تكلفة. وهو يتفاعل مع التحرير بطريقة تفاجئ الناس — input_fidelity لا يمكن ضبطه في هذا النموذج لأنه يعالج كل صورة مُدخلة بدقة عالية تلقائيًا، لذا فإن طلب تحرير يحمل صورًا مرجعية يستهلك رموز إدخال صور أكثر مما قد تقدّره من حجم المخرجات. وبناءً على ذلك، تكون حلقات التوليد والفحص والتحرير أكثر تكلفة هنا مما توحي به أرقام التكلفة لكل صورة.

في مقابل ذلك، التكلفة الحدية لكل صورة لدى Qwen-Image-2.1 هي الكهرباء. لكن العقبة هي التكلفة الثابتة والترخيص. ثلاثة وثلاثون غيغابايت للتنزيل، وDiT بحجم نحو 14 غيغابايت مع ذهاب الباقي إلى مشفّر النص Qwen3-VL 8B، ويوصى بتفريغ الحمل إلى CPU على البطاقات المحدودة، وكل ذلك بموجب اتفاقية Qwen Research License Agreement المؤرخة في 20 سبتمبر 2026 — للاستخدام غير التجاري فقط، مع حقوق تجارية بترتيب منفصل، ولا يوجد سعر أو شروط منشورة لها.

حيث يقع الخيار المستضاف

هناك مسار وسط يتجنّب كلاً من مسألة وحدة معالجة الرسوميات (GPU) ومسألة الترخيص، وهو المسار الذي تسلكه معظم الفرق فعلاً. يوجّه OrcaRouter عائلة GPT-Image من OpenAI إلى جانب فئات Imagen 4 من Google ومعاينات صور Gemini ونقطة نهاية صور Grok Imagine من xAI —أكثر من 200 نموذج خلف نقطة نهاية واحدة متوافقة مع OpenAI، وسعر القائمة لدى المزوّد يُمرَّر دون أي هامش ربح، وتحويل تلقائي عند الفشل بين المزوّدين، ولغة DSL للتوجيه، ودمج النماذج. ولأن سعر القائمة يُمرَّر بدلاً من إضافة هامش ربح عليه، فإن أي تخفيض سعر من مورّد على أي نموذج موجَّه يصبح ساريًا في اليوم نفسه، ولأن التحويل عند الفشل تلقائي، فإن تعرّض مزوّد ليوم سيئ لا يتحول إلى انقطاع لديك. Qwen-Image-2.1 ليس ضمن النماذج التي نوجّهها، ولا أي إصدار آخر من Qwen-Image — فهو عرض محلي فقط — لذا هذه ليست دعاية للوافد الجديد. بل هي الإجابة الصادقة عن سؤال «ماذا أستخدم بينما أقيّم الوافد الجديد؟».

القرار، بصيغة واضحة.

اختر GPT Image 2 إذا كان الناتج تجاريًا، أو إذا كنت بحاجة إلى حد أدنى للجودة مُقاس بشكل مستقل، أو إذا أردت تكاليف لكل أصل يمكنك التنبؤ بها وتحديد سقف لها، أو إذا كنت بحاجة إلى أن يعمل هذا الأسبوع دون شراء عتاد. تقبّل أنك تستأجره، وأنك لا تستطيع ضبطه الدقيق، وأنك لا تستطيع تشغيله دون اتصال، وأن التكلفة لكل صورة تتزايد خطيًا مع الحجم إلى الأبد.

اختر Qwen-Image-2.1 إذا كان الناتج بحثًا أو تقييمًا أو عملًا شخصيًا، وإذا كنت تريد تحديدًا ألفا تصمد عبر حلقة تحرير بدلًا من ألفا أنتجها معامل مرة واحدة، وإذا كنت تريد قراءة منطق إعادة الكتابة — فنقاط التحقق PE-T2I وPE-I2I المضمّنة هي نماذج Qwen3.5-VL 9B مضبوطة بدقة مع system_prompt.txt قابل للقراءة، وهو أكثر مما تحصل عليه من أي واجهة برمجة تطبيقات صور مستضافة — أو إذا كنت ببساطة تريد معرفة ما يمكن أن يفعله نموذج صور بأوزان مفتوحة بحجم 7B في سبتمبر 2026 دون الدفع مقابل كل صورة لتعرف.

لا تختر أياً منهما، وأحِل الأمر إذا كان المُخرَج تجارياً والموعد النهائي حقيقياً. فهذا ليس تهرّباً؛ بل هو الخيار الذي لا يتطلب منك حل مسألة ترخيص لا يمكنك الحصول على إجابة بشأنها بعد.