Qwen-Image 2.1 vs. Meta Muse Image: Das Modell, das Sie aufrufen können, vs. das Modell, das Sie behalten können

Es gibt eine Version dieses Vergleichs, bei der es um Bildqualität geht, und sie lässt sich noch nicht schreiben – jedenfalls nicht ehrlich. Qwen-Image 2.1, das das Qwen-Image-Team am 20. September 2026 veröffentlicht hat, hat keinerlei unabhängige Bewertung. Meta Muse Image, am 7. Juli 2026 von Meta Superintelligence Labs als Metas erstes hauseigenes Bildmodell eingeführt, wurde gemessen – es belegt Platz drei auf dem Image-Editing-Board von Artificial Analysis mit einem Elo von etwa 1.105, liegt unter den Top fünf für Text-to-Image und an der Pareto-Front für Qualität versus Preis bei 10 US-Dollar pro tausend Bilder. Doch die nützlichere Frage bei diesen beiden ist nicht, welche besser ist. Sie lautet, was man mit jeder von ihnen tun darf, und diese Antworten sind nahezu perfekt umgekehrt.

Zugang und Überprüfbarkeit sind zwei verschiedene Dinge, und niemand bietet beides

Meta Muse Image ist das Modell, das man aufrufen kann. Seit August 2026 ist es über Metas eigene Model API zu einem Pauschalpreis von 0,01 $ pro Bild – rund 10 $ pro tausend – über einen OpenAI-kompatiblen Endpunkt erreichbar, was eine echte Veränderung gegenüber der Art und Weise ist, wie das Modell bei seiner Einführung im Juli beschrieben wurde, als es überhaupt keinen Entwicklerzugang dazu gab. Dieser Pauschalpreis ist ungewöhnlich in einer Kategorie, in der fast alles andere in Tokens abgerechnet wird, und er macht die Kostenprognose trivial: Tausend Bilder kosten zehn Dollar, ob sie einfach oder aufwendig sind.

Qwen-Image 2.1 ist dasjenige, das du behalten kannst. Es handelt sich um einen Download der Gewichte – rund 33 GB verteilt auf den Diffusion Transformer, den Text-Encoder und das VAE –, veröffentlicht unter der Qwen Research License Agreement vom 20. September 2026, die Rechte „FOR NON-COMMERCIAL PURPOSES ONLY“ einräumt und für eine kommerzielle Nutzung eine separate Lizenz erfordert. Es gibt keinen gehosteten Endpunkt. Es gibt keinen Pauschalpreis. Es gibt auch nichts Verborgenes: Du kannst die Architektur lesen, den System-Prompt zur Prompt-Umschreibung lesen, ihn diffen, ihn überschreiben und das Ganze auf deiner eigenen Hardware ausführen.

Bei dieser Abwägung geht es also nicht um Qualität gegen Qualität. Es geht um ein nutzungsabhängig abgerechnetes, gemessenes, kommerziell lizenziertes Modell, das Sie nicht besitzen, gegen ein kostenloses, ungemessenes, nicht kommerzielles Modell, das Sie vollständig besitzen. Nur sehr wenige Teams können sich für eine der beiden Seiten entscheiden, ohne etwas aufzugeben.

Warum Muse nicht ganz ein Diffusionsmodell im üblichen Sinne ist

Das Ungewöhnliche an Meta Muse Image ist, dass es nicht nur generiert. Es durchläuft eine Schleife: Es kann im Web suchen, Code schreiben und ausführen und seine eigene Ausgabe überprüfen, bevor es ein Bild zurückgibt. Das ist Metas eigene Beschreibung, und das ist der Grund, warum das Modell interessant und nicht bloß wettbewerbsfähig ist – die agentischen Schritte sind der Punkt, an dem Mehrdeutigkeit im Prompt aufgelöst wird und an dem eine Anfrage wie „mach mir ein Diagramm der diesjährigen Zahlen“ beantwortet statt nur angenähert werden kann.

Es ist auch der Grund, warum sein Verhalten schwerer nachzuvollziehen ist. Ein herkömmliches Bildmodell ist eine Funktion von Prompt zu Pixeln. Ein agentisches Bildmodell hat eine Trajektorie, und diese Trajektorie lässt sich nicht von einer Modellkarte ablesen. Die vom Anbieter angegebenen Werte – 94 % Multi-Image-Charakterkonsistenz, bis zu 10 Referenzbilder, Ausgabe mit bis zu 1600 Pixeln an der langen Kante – beschreiben den Rahmen, nicht die Schleife.

Qwen-Image 2.1 löst dasselbe Mehrdeutigkeitsproblem auf die entgegengesetzte Weise: explizit und offen. Zusammen mit dem Bildmodell liefert das Release zwei Checkpoints zur Prompt-Umschreibung — Qwen/Qwen-Image-2.1-PE-T2I und Qwen/Qwen-Image-2.1-PE-I2I, jeweils ein feinabgestimmtes Qwen3.5-VL 9B mit etwa 18,8 GB —, die eine vage Anweisung entgegennehmen und sie in eine präzise Direktive umschreiben, bevor das Diffusionsmodell sie zu sehen bekommt. Die I2I-Variante hat immer ein Eingabebild, ist also stets eine Bearbeitungsaufgabe. Und entscheidend: Das Verhalten des Umschreibers ist in einer system_prompt.txt festgelegt, die im Repository mitgeliefert wird, was bedeutet, dass der Schritt, der entscheidet, was dein Prompt bedeutet, etwas ist, das du lesen und ändern kannst.

Metas agentische Schleife und Alibabas Prompt-Rewriter sind beides Antworten auf „Das Modell weiß nicht, was du gemeint hast.“ Das eine ist ein Dienst, der für dich entscheidet. Das andere ist eine Datei, die du bearbeiten kannst.

Wie die Zahlen aussehen, wenn nur eine Seite sie hat

Meta Muse Image ist auf beiden Bild-Boards von Artificial Analysis vertreten. In der Bildbearbeitung liegt es mit rund Elo 1.105 auf Platz drei, hinter MAI-Image-2.6 mit 1.122 und GPT Image 2 (high) mit 1.117, und bei Text-zu-Bild schafft es es mit etwa Elo 1.116 unter die Top Five. Bei 10 US-Dollar pro tausend Bilder liegt es auf der Pareto-Front von Qualität gegenüber Preis, was genau der richtige Ort ist: nicht das beste Modell auf dem Board, aber eines der wenigen, bei dem mehr Geld messbar mehr bringt.

Qwen-Image 2.1 hat nichts davon. Es gibt einen Blogbeitrag des Anbieters mit einem Qwen-Image-Bench-Diagramm, das kein Dritter reproduziert hat, und es gibt einen einzigen Praxisbericht – einen Tester mit frühem Zugriff im Qwen-Ambassador-Programm, der die finalen Gewichte über eine ModelScope-Studio-Oberfläche laufen ließ und ungefähr 10–15 Sekunden für Text-zu-Bild sowie 18–23 Sekunden für die Bearbeitung meldete, wobei die Multi-Referenz-Konsistenz ab etwa drei Eingabebildern nachließ. Ein Reviewer, kein Timer, kein Prompt-Set. Es ist ein nützliches Signal, und es ist kein Benchmark, und die ehrliche Art, es zu betrachten, ist als Hinweis darauf, wo das Modell landen könnte, statt als Beleg dafür, wo es steht.

Wo Qwen-Image 2.1 konkret die Nase vorn hat, ist nicht die Qualität, sondern die Funktionalität auf Pixelebene: native 2K-Ausgabe mit standardmäßig 2048×2048, 40 Inferenzschritte, sieben Seitenverhältnis-Voreinstellungen, bis zu 10 Referenzbilder, lokale Bearbeitungen per Kreis, gemalter Annotation oder separater Maske sowie RGBA-Generierung mit Bearbeitung transparenter Ebenen und Freistellung von Motiven aus RGB-Fotos. Metas Modell ist auf 1600 Pixel begrenzt, und zur Transparenz gibt es keine veröffentlichten Angaben. Wenn Sie von Haus aus einen echten Alpha-Kanal benötigen, ist diese Entscheidung für Sie bereits getroffen.

Der Pauschalpreis ist der Teil, über den es sich lohnt nachzudenken

Ein pauschaler Cent pro Bild ist eine Preisentscheidung, keine technische, und sie verändert, wofür das Modell gedacht ist. Token-basierte Bildpreisgestaltung bestraft Komplexität: Eine lange Anweisung mit mehreren Referenzbildern kostet mehr als eine kurze, was bedeutet, dass die Kosten eines Bildes daran gekoppelt sind, wie schwierig es war. Bei einem Pauschaltarif verschwindet diese Kopplung, und das rationale Verhalten ändert sich mit ihr – man hört auf, Prompts auf Länge zu optimieren, und beginnt, das Modell so zu nutzen, wie es gedacht ist, wobei die agentische Schleife und die Referenzbilder ihre Aufgabe erfüllen.

Es ist außerdem die Art von Preisgestaltung, die nur ein Unternehmen anbieten kann, das sein eigenes Modell betreibt, was erwähnenswert ist, wenn Sie einen Anbieter auswählen. OrcaRouter stellt 200+ Modelle hinter einem OpenAI-kompatiblen Endpoint zum Listenpreis des Anbieters ohne Aufschlag bereit, mit automatischem Failover über Anbieter hinweg und einer Routing-DSL, die mehrere Modelle zu einem einzigen Aufruf zusammenführt. Die relevante Eigenschaft hier ist die Durchleitung: Weil wir den Listenpreis des Anbieters berechnen statt einen mit Aufschlag versehenen, ist eine Preisänderung eines Anbieters – ein Pauschaltarif, der erscheint, ein Token-Preis, der sinkt – bei uns noch am selben Tag live, statt auf einen Vertrag zu warten. Weder Meta Muse Image noch Qwen-Image 2.1 gehören zu den Modellen, die wir heute routen, und dieser Artikel wird nichts anderes suggerieren; die Bildmodelle, die wir tatsächlich anbieten, sind OpenAIs GPT-Image-Familie, Googles Imagen-4-Stufen und Gemini-Bildvorschauen sowie xAIs Grok-Imagine-Bild-Endpoint.

Der entscheidende Kontrast für diesen Vergleich ist, dass eines dieser beiden Modelle überhaupt einen Preis hat. Meta Muse Image kostet 0,01 $ pro Bild – veröffentlicht, über eine API, die Sie heute Nachmittag aufrufen können. Qwen-Image 2.1 kostet einen 33-GB-Download, eine GPU, die Sie bereits besitzen, und eine juristische Prüfung einer Lizenz, die nur nichtkommerzielle Zwecke zulässt.

Wo sie versehentlich konvergieren

Beide Modelle akzeptieren bis zu 10 Referenzbilder. Das ist weniger ein Zufall als vielmehr eine Branche, die sich auf eine Antwort verständigt hat: Zehn reichen für einen Charakterbogen, ein Produktset oder ein Stilreferenzpaket, und darüber hinaus hört die Konditionierung auf zu helfen und beginnt zu kämpfen. Meta veröffentlicht für sein Modell eine Kennzahl von 94 % für die Charakterkonsistenz über mehrere Bilder; Alibaba veröffentlicht keinen entsprechenden Wert, und der eine unabhängige Praxisbericht deutet darauf hin, dass die Konsistenz etwa ab dem dritten Referenzbild nachzulassen beginnt. Zwei Modelle, die denselben Rahmen für sich beanspruchen, mit völlig unterschiedlicher Beweislage dahinter – das ist der gesamte Vergleich im Kleinen.

Sie konvergieren außerdem bei dem Problem, das keiner von beiden gelöst hat: Keiner von beiden gibt Ihnen beides. Meta Muse Image kann nicht heruntergeladen, untersucht oder auf eigener Hardware ausgeführt werden, und seine agentische Schleife ist konstruktionsbedingt eine Blackbox. Qwen-Image 2.1 lässt sich nicht verkaufen, nicht aufrufen und noch an nichts messen. Wenn Ihre Einschränkung eine Deadline ist, ist einer davon heute einsetzbar. Wenn Ihre Einschränkung eine Compliance-Prüfung oder das Bedürfnis ist, genau zu verstehen, was Ihre Pipeline tut, ist es der andere.

Wähle danach, was du als Nächstes tun musst, nicht danach, was besser ist

Wenn Sie in diesem Quartal Bildgenerierung unter einer kommerziellen Lizenz ausliefern müssen, hinter der ein messbares Modell steht, ist Meta Muse Image die Antwort, und $0,01 pro Bild ist eine Zahl, die Sie in ein Budget aufnehmen können. Wenn Sie ein Bildmodell von Anfang bis Ende verstehen müssen – das Attention-Masking, den Prompt-Rewriter, den VAE, die Lizenz –, ist Qwen-Image 2.1 das einzige der beiden, das Ihnen das ermöglicht, und es ist nur eine Research-Lizenz davon entfernt, für alles andere unbrauchbar zu sein. Keine der beiden Optionen ist ein Kompromiss bei der Qualität, denn die Qualitätsfrage ist auf einer Seite noch offen. Sie schließt sich, wenn genug Leute Qwen-Image 2.1 öffentlich ausführen, um es auf ein Board zu bringen, und die Early-Access-Tester wurden gebeten, bis zum 29. September zu veröffentlichen. Das ist das Datum, an dem dieser Vergleich ein echter wird.