Qwen-Image-2.1 vs. Grok Imagine Image 2.0: Freie Gewichte gegen eine kostenpflichtige Umgebung

Eines davon kostet nichts pro Bild und wird mit einer Lizenz geliefert, die den Verkauf des Ergebnisses verbietet. Das andere kostet je nach Bezugsquelle zwischen zwei und sechs Cent pro Bild, unterliegt keiner solchen Einschränkung und wird in den Ranglisten geführt, die man tatsächlich einsehen kann. Qwen-Image-2.1 wurde am 20. September 2026 als offene Gewichte unter einer Forschungs-Lizenz veröffentlicht. Grok Imagine Image 2.0 ist der kostenpflichtige Bild-Endpunkt des Anbieters, der über die eigene API und eine Reihe von Drittanbietern bereitgestellt wird. Bei der Wahl zwischen ihnen geht es nicht um Qualität – sondern darum, ob man das Modell besitzen oder die Umgebung drumherum mieten möchte, und die Umgebung leistet mehr, als das Preisschild vermuten lässt.

Was ein Bild auf jeder Seite kostet

Der Preis von Qwen-Image-2.1 ist null pro Bild und einmalig nicht null. Du lädst ungefähr 33 GB herunter — einen 7B-Diffusionstransformer mit 32 Layern in Single-Stream-Bauweise bei etwa 14 GB plus einen Qwen3-VL-8B-Textencoder, der den Großteil des Rests ausmacht —, und danach bestehen die Grenzkosten eines Bildes aus dem Strom, um es laufen zu lassen. Auf einer eingeschränkten Karte empfiehlt die Modellkarte CPU-Offload über pipe.enable_model_cpu_offload(), was der Standardausweg ist, und es kostet dich Geschwindigkeit statt Geld.

Der Preis von Grok Imagine Image 2.0 hat die entgegengesetzte Struktur. In der eigenen Dokumentation von xAI wird das Flaggschiff mit 0,04 $ pro Ausgabebild aufgeführt, während der Basis-Bild-Endpunkt von Grok Imagine bei 0,02 $ und die Qualitätsstufe bei 0,05 $ liegt. Drittanbieter liegen mit ihrer eigenen Staffelung in einem ähnlichen Bereich – einer nennt Pauschalpreise von 0,05 $ für Text-zu-Bild und 0,06 $ für Bearbeitung, unabhängig von Auflösung oder Qualitätseinstellung, ein anderer veranschlagt pauschal 0,045 $ sowohl bei 1K als auch bei 2K für seine Qualitätsstufe, und ein dritter bewirbt 0,025 $ für Text-zu-Bild oder Referenzbearbeitung mit bis zu fünf Eingabebildern. Über den gesamten Markt hinweg liegt das bei ungefähr 0,02 bis 0,06 $ pro Bild, wobei der Verbraucherzugang in X Premium und SuperGrok gebündelt ist, statt pro Bild abgerechnet zu werden.

• Kostenmodell — Qwen-Image-2.1 ist ein fester Hardware- und Download-Aufwand mit marginalen Kosten von null pro Bild; Grok Imagine Image 2.0 ist rein marginal und skaliert für immer linear mit dem Volumen.
• Break-even — der Schnittpunkt ist eine Volumenfrage, die Sie berechnen können, und er verschiebt sich, sobald ein Anbieter einen Tarif ändert. Bei ein paar Tausend Bildern pro Monat ist der gehostete Weg trivial günstiger als der Kauf einer GPU; bei hohem, dauerhaftem Volumen gewinnt der lokale Weg bei den Kosten und verliert bei allen anderen Achsen.
• Was Sie auf der lokalen Seite nicht kaufen können — Rate Limits, Uptime und das Betriebsteam eines anderen. Was Sie auf der gehosteten Seite nicht kaufen können, sind die Gewichte.

Was die Ranglisten sagen – und was nicht

Grok Imagine Image 2.0 hat öffentliche Ranking-Behauptungen. xAIs Startmaterial nannte mit Stand 7. August 2026 den zweiten Gesamtplatz sowohl in den Text-to-Image- als auch den Image Edit Arena-Boards, hinter GPT Image 2 – das ist eine vom Anbieter zitierte, mit Zeitstempel versehene Momentaufnahme und sollte auch so gelesen werden. Drittanbieter-Tracker setzten es in den Wochen danach auf etwa Platz zwei bei der Bildbearbeitung und Platz drei bei Text-to-Image, wiederum hinter GPT Image 2, mit Elo-Werten im niedrigen 1.300er-Bereich, während einige Tracking-Websites näher an 1.173–1.175 berichteten. Die Spannweite zwischen diesen Zahlen ist selbst die Lektion: Leaderboard-Positionen in dieser Kategorie ändern sich von Woche zu Woche, und ein Rang ohne Datum ist keine Information.

Qwen-Image-2.1 hat überhaupt kein Ranking. Zum Zeitpunkt dieser Niederschrift fehlte es in den unabhängigen Bild-Bestenlisten. Seine einzige Qualitätskennzahl ist das herstellereigene Qwen-Image-Bench-Diagramm, in dem es 60,28 ausweist, gegenüber Nano Banana 2.0 mit 59,82 und GPT Image 1.5 mit 59,65 — Herstellermaterial, von keinem Dritten reproduziert. Der einzige wirklich unabhängige Datenpunkt ist die funktionale Verifikation, die zusammen mit der SGLang-Integrationsarbeit veröffentlicht wurde: die transparente PNG-Ausgabe bestand, Alpha blieb über den gesamten Bereich 0–255 erhalten, und RGBA-PSNR maß 60,69 dB in einer einzelnen Stichprobe, die die Autoren ausdrücklich als Korrektheitsprüfung und nicht als Qualitätsgarantie beschreiben.

Die ehrliche Bilanz lautet also: Das eine Modell hat einen öffentlichen Rang, der sich verschiebt, und eine daran geknüpfte Anbieterbehauptung, und das andere hat eine Anbieter-Scorecard und einen bestandenen Integrationstest. Das ist kein Vergleich, und kein Artikel, der etwas anderes behauptet, hat beide laufen lassen.

Alpha, und warum es die eine technische Asymmetrie ist

Die Transparenz von Qwen-Image-2.1 ist in das Modell integriert. Ein 64-Kanal-RGBA-VAE mit 16-facher räumlicher Kompression bedeutet, dass der Alphakanal Teil des latenten Raums ist, der entrauscht wird, was dir drei Dinge aus einem einzigen Mechanismus liefert: Generierung mit Transparenz, Bearbeitung innerhalb eines Bildes, das bereits Transparenz besitzt, ohne es zuvor zu plätten, und Subjektextraktion aus einem gewöhnlichen RGB-Foto, die Alpha statt einer harten Maske zurückgibt. Kein Knoten zur Hintergrundentfernung, kein Matting-Modell, keine Kantenbereinigung – das ist die Behauptung des Anbieters, und die funktionale Verifikation mit SGLang ist der einzige unabhängige Beleg dafür, dass der Kanal real und nicht bloß nominell ist.

Grok Imagine Image 2.0 hat keine dokumentierte Entsprechung. Seine veröffentlichte Oberfläche ist Text-zu-Bild und referenzbasierte Bearbeitung, mit Auflösungs- und Qualitätsstufen und bis zu fünf Eingabebildern bei einigen Anbietern. Wenn Ihr Asset ein freigestelltes Motiv mit sauberen halbtransparenten Kanten benötigt – Haare, Glas, Rauch –, fügen Sie auf der Grok-Seite einen Matting-Schritt hinzu und nicht auf der Qwen-Seite. Ob dieser Schritt mehr kostet als der Lizenzärger auf der anderen Seite, ist die eigentliche Ingenieursfrage, und sie hängt von Ihrem Motiv ab.

Eine Bearbeitungsumgebung versus einen Kontrollpunkt

Die beiden Systeme sind sich uneinig darüber, wo die Bearbeitungsintelligenz angesiedelt sein sollte.

Grok Imagine Image 2.0 macht daraus einen Dienst. Man sendet ein Referenzbild und eine Anweisung, der Anbieter entscheidet, was das bedeutet, und die Auflösungs- und Qualitätsstufen werden pro Anfrage gewählt. Es gibt nichts zu lesen, nichts abzustimmen und nichts, das kaputtgehen kann — was für ein Team, das keine eigene diffusers-Pipeline besitzen möchte, ein echter Vorteil ist. Das ist auch der Grund, warum der Preis je nach Anbieter für nominell dasselbe Modell variiert: Man kauft eine Umgebung, nicht nur Gewichte.

Qwen-Image-2.1 legt es in Checkpoints ab, die man inspizieren kann. Neben dem Bildmodell liefert es zwei Prompt-Umschreibungsmodelle mit — PE-T2I und PE-I2I, jeweils ein feinabgestimmtes Qwen3.5-VL 9B mit rund 18,8 GB —, wobei der Umschreibungscode in einem prompt_rewrite/Ordner und einer mitgelieferten system_prompt.txt liegt, die unter anderem festlegt, wie die Sprache des gerenderten Textes gewählt wird. Das ist ein Maß an Überprüfbarkeit, das keine gehostete Bild-API bietet. Außerdem sind es 37,6 GB Rewriter zusätzlich zum Modell, was bei einer Komponente, die die meisten Pipelines als optional betrachten dürften, echte Kosten für Speicherplatz und Ladezeit bedeutet.

• Bearbeitungsoberfläche — Qwen-Image-2.1 unterstützt lokale Bearbeitungen per Kreis, gemalte Anmerkung oder separate Maske sowie Bearbeitung transparenter Ebenen und Subjektextraktion; die dokumentierte Bearbeitung von Grok Imagine Image 2.0 ist referenzbildgesteuert.
• Referenzeingaben — Qwen-Image-2.1 akzeptiert bis zu 10 Referenzbilder; ein Early-Access-Tester berichtet, dass die Konsistenz bei mehreren Referenzen ab etwa drei Bildern abnimmt; mehrere Grok-Anbieter dokumentieren bis zu fünf Eingabebilder.
• Native Auflösung — Qwen-Image-2.1 gibt nativ in 2K aus, wobei 2048×2048 bei 40 Schritten über sieben Seitenverhältnis-Voreinstellungen hinweg der Standard ist; die Auflösung von Grok Imagine Image 2.0 ist eine pro Anfrage gewählte Option, die vom Anbieter bepreist wird.

Distribution und die Lizenz

Hier gehen die beiden am stärksten auseinander, und es ist überhaupt kein technischer Unterschied.

Grok Imagine Image 2.0 ist über die API von xAI und über mehrere unabhängige Drittanbieter verfügbar, was Preiswettbewerb bedeutet, was wiederum bedeutet, dass der Preis, den Sie zahlen, ein Marktpreis und kein Listenpreis ist. Es gibt keinen Download, keine GPU, keine Lizenzdatei zum Lesen und keine über die eigenen Bedingungen des Anbieters hinausgehenden Einschränkungen für die kommerzielle Nutzung.

Qwen-Image-2.1 ist nur auf eine Weise erhältlich: durch Herunterladen. Es wird unter der Qwen Research License Agreement vom 20. September 2026 bereitgestellt, die Rechte ausschließlich für nichtkommerzielle Zwecke gewährt und festlegt, dass eine kommerzielle Nutzung eine separate Lizenz erfordert, die beim Anbieter angefragt werden muss. Das ist eine Verschärfung gegenüber der früheren Qwen-Image-Reihe, die unter Apache 2.0 bereitgestellt wurde, und es ist der eine Fakt, der die meisten konkreten Entscheidungen zwischen diesen beiden bestimmt. Ein Studio, das sie anhand der Qualität der Ergebnisse vergleicht, beantwortet die falsche Frage; das Studio, das Qwen-Image-2.1 nicht für Kundenarbeit nutzen kann, vergleicht sie überhaupt nicht.

OrcaRouter ist der Ort, an dem die gemietete Seite dieser Vereinbarung lebt. Wir leiten über 200 Modelle hinter einem einzigen OpenAI-kompatiblen Endpunkt zum Listenpreis des Anbieters ohne Aufschlag weiter, mit automatischem Failover über Anbieter hinweg, einer Routing-DSL und Modellfusion – sodass eine Bildroute ein Primär- und ein Fallback-Modell benennen kann, statt auf den Nachmittag eines Anbieters zu wetten. Wir leiten den xAI Grok Imagine Bildendpunkt weiter, aber beachten Sie die Version: Unser Katalog führt grok/grok-imagine-image, nicht Grok Imagine Image 2.0, das neuere Modell können wir Ihnen derzeit also nicht bereitstellen. Wir leiten auch kein Qwen-Image-Modell irgendeiner Version weiter, daher ist Qwen-Image-2.1 nur lokal verfügbar. Die weitergeleitete Bildlinie, die wir anbieten, ist OpenAIs GPT-Image-Familie, Googles Imagen-4-Stufen und Gemini-Bildvorschauen sowie jener ältere Grok-Imagine-Bildendpunkt; da der Listenpreis durchgereicht statt aufgeschlagen wird, ist eine Preissenkung eines Anbieters für eines davon noch am selben Tag live.

Was würde diese Antwort ändern?

Drei Dinge, und alle drei sind innerhalb eines Quartals plausibel.

• Eine kommerzielle Lizenz für Qwen-Image-2.1. Wenn der Anbieter Bedingungen zu einem Preis veröffentlicht, den ein Studio zu zahlen bereit ist, werden sowohl der Transparenzvorteil als auch die Grenzkosten von null für kommerzielle Arbeit nutzbar, und dieser Vergleich bekommt eine völlig andere Gestalt. Heute gibt es keinen veröffentlichten Preis und keine angegebenen Bedingungen.
• Ein unabhängiger Benchmark für Qwen-Image-2.1. Wenn ein Dritter die Qwen-Image-Bench-Zahlen des Anbieters reproduziert oder das Modell auf einem öffentlichen Imageboard platziert, würde das die einzige verbleibende offene Frage — ist es tatsächlich gut — zu einer geklärten machen.
• Eine Preisbewegung auf der Grok-Seite. Der Anbieterwettbewerb hat bereits eine Spanne von 0,02 $ bis 0,06 $ für nominell dasselbe Modell hervorgebracht. Eine dauerhafte Senkung würde die gehostete Route für mehr Volumenbänder zur Standardoption machen, als es derzeit der Fall ist.

Bis eines davon verfügbar ist, ist der Tiebreak weder die Qualität noch der Preis. Es geht darum, ob du Alpha brauchst und mit einer nichtkommerziellen Lizenz leben kannst – dann lädst du es herunter und bezahlst mit Hardware – oder ob du ausliefern musst und möchtest, dass jemand anderes das Modell betreibt – dann bezahlst du pro Bild und denkst nie wieder über eine VAE nach.