Qwen-Image-2.1 vs Bernini-Diffusers-v2: La licencia es todo el argumento

Dos sistemas de imagen de pesos abiertos llegaron con seis semanas de diferencia en 2026 y casi sin hacer ruido, y no coinciden en lo único que determina si puedes construir un negocio sobre ellos. Qwen-Image-2.1, publicado el 20 de septiembre de 2026, se distribuye bajo una licencia de investigación — solo para uso no comercial, con el uso comercial sujeto a un acuerdo aparte. Bernini-Diffusers-v2, publicado por ByteDance el 13 de agosto de 2026, se distribuye bajo Apache 2.0, lo que significa que puedes distribuirlo. La versión que parece más capaz es la que no puedes vender, y la más permisiva es la que sobre todo quiere hacer vídeo. Esa inversión es la comparación.

La inversión de la licencia

Empieza por el papeleo, porque está por encima de todo lo demás en esta página. Ninguna brecha de calidad cierra un problema de licencias, y ninguna puntuación de benchmark rescata un producto que tiene que ser retirado.

• Licencia — Qwen-Image-2.1 se rige por el Qwen Research License Agreement, con fecha del 20 de septiembre de 2026, "FOR NON-COMMERCIAL PURPOSES ONLY", y los derechos comerciales solo están disponibles previa solicitud; Bernini-Diffusers-v2 es Apache 2.0.
• Consecuencia práctica — un flujo de trabajo con Qwen-Image-2.1 es un activo de evaluación o de uso personal; un flujo de trabajo con Bernini-Diffusers-v2 se puede distribuir hoy mismo, con los requisitos habituales de atribución de Apache y sin necesidad de conversaciones con el proveedor.
• Dirección de la evolución — la anterior línea de imágenes de Qwen se publicó bajo Apache 2.0, por lo que este lanzamiento supone un endurecimiento de las condiciones; ByteDance ha mantenido Bernini permisiva en ambas generaciones.

Si solo vas a leer una sección de este artículo, que sea esa. Todo lo que sigue es un desempate entre dos cosas que, en realidad, no están empatadas en este eje.

Qué es realmente cada sistema

Los dos modelos no son el mismo tipo de objeto, y la diferencia se hace evidente en cuanto se mira lo que se incluye en la descarga.

Qwen-Image-2.1 es un único modelo unificado. Un solo transformer de difusión de flujo único, de 7B y 32 capas, se encarga de la generación y la edición con los mismos pesos, condicionado por un codificador de texto Qwen3-VL 8B, con un VAE RGBA de 64 canales a 16× de compresión espacial que hace el trabajo pesado en la transparencia. Alrededor de 33 GB en total, con el propio DiT en aproximadamente 14 GB y el codificador de texto ocupando el resto. También incluye dos checkpoints opcionales de reescritura de prompts —PE-T2I y PE-I2I, cada uno un Qwen3.5-VL 9B ajustado de unos 18.8 GB— que reescriben tu instrucción convirtiéndola en algo preciso antes de que el modelo de difusión la vea.

Bernini-Diffusers-v2 es un pipeline, no un único modelo. Un planificador semántico Qwen2.5-VL realiza el razonamiento y escribe un plan semántico latente; un renderizador de difusión Wan2.2 lo ejecuta. El cambio principal de la receta v2 con respecto a la primera versión de Bernini es que precalienta el conector durante miles de pasos antes del coentrenamiento, lo que mejoró la edición de video guiada por referencia y el comportamiento de OpenS2V. Esa división en dos etapas es la apuesta arquitectónica: primero planificar, luego renderizar, y puedes editar video editando el plan.

• Arquitectura — Qwen-Image-2.1 es un DiT unificado para generación y edición; Bernini-Diffusers-v2 es un planificador Qwen2.5-VL que impulsa un renderizador Wan2.2.
• Modalidad — Qwen-Image-2.1 es solo imágenes; Bernini-Diffusers-v2 abarca t2i, i2i, t2v, v2v, edición de video guiada por referencia y r2v, por lo que las imágenes son una habitación lateral en lugar de la casa.
• Transparencia — Qwen-Image-2.1 produce alfa a la salida del sampler mediante su VAE RGBA; la salida documentada de Bernini-Diffusers-v2 es video RGB y fotogramas de imagen, sin una ruta alfa nativa equivalente descrita.
• Manejo de prompts — Qwen-Image-2.1 incluye checkpoints de reescritura 9B separados que puedes leer, comparar y sobrescribir; el planificador de Bernini-Diffusers-v2 forma parte del pipeline y su mejorador de prompts es una llamada opcional a un endpoint compatible con OpenAI en lugar de un checkpoint incluido.
• Hardware — Qwen-Image-2.1 cabe en una sola GPU de consumo, con descarga a CPU recomendada en tarjetas con recursos limitados; el entorno documentado de Bernini-Diffusers-v2 es de clase Hopper, H100/H800/H200, con paralelismo de secuencia multi-GPU para las configuraciones más grandes.

Donde la comparación deja de ser útil

Es tentador ponerlos a competir entre sí por la calidad del resultado. Esa comparación no existe, y fingir lo contrario sería la opción deshonesta.

Las cifras publicadas de Bernini-Diffusers-v2 son métricas de vídeo y edición reportadas por el proveedor — EditVerse 8.02, OpenVE 3.96, OpenS2V 63.83, VBench 84.46 — más una afirmación de rendimiento de primer nivel en la arena interna de ByteDance de comparación por pares humanos a ciegas. Son métricas de vídeo. No se ha ejecutado ningún benchmark de imagen independiente de Bernini-Diffusers-v2, ni FID, ni puntuación de renderizado de texto, ni entrada en una tabla de clasificación de imágenes. Por otro lado, el único número de calidad de Qwen-Image-2.1 es el gráfico Qwen-Image-Bench del propio proveedor, donde registra 60.28 frente a Nano Banana 2.0 con 59.82 y GPT Image 1.5 con 59.65 — material del proveedor, no reproducido, y el modelo estaba ausente de las tablas de clasificación de imágenes independientes cuando se escribió esto. El único dato genuinamente independiente es una verificación funcional del trabajo de integración con SGLang: la salida PNG transparente pasó, el canal alfa se conservó en todo el rango 0–255, la PSNR RGBA midió 60.69 dB en una sola muestra, y las configuraciones FP8 pasaron la generación de PNG transparente. Los autores de SGLang son explícitos en que esto es una comprobación de corrección, no una garantía de calidad.

Así que: dos lanzamientos abiertos, dos tarjetas de evaluación de proveedores, ningún benchmark compartido y ningún tercero que haya probado ambos. Quien te diga que uno supera al otro en calidad de imagen está repitiendo marketing.

Filosofía de edición: reescribe el prompt o reescribe el plan

Ambos modelos intentan resolver el mismo problema de fondo —la instrucción de un usuario es vaga y el modelo de difusión es literal— y lo resuelven en lugares opuestos.

Qwen-Image-2.1 lo resuelve mediante el lenguaje. El checkpoint PE-I2I toma tu instrucción de edición junto con una o más imágenes de entrada y la reescribe como una directiva precisa antes de la generación. Como es un checkpoint ya distribuido con un system_prompt.txt también distribuido, puedes leer exactamente lo que se le indica que haga — incluida la regla de que el texto renderizado en la salida debe coincidir con el idioma dominante del texto que ya está en la imagen de entrada, en lugar de verse forzado al inglés. Eso es un comportamiento inspeccionable. Puedes anularlo.

Bernini-Diffusers-v2 lo resuelve en la estructura. El planificador produce un plan semántico que el renderizador ejecuta después, y la propiedad interesante de esa disposición es que el plan es algo que se puede editar. Para el trabajo con vídeo —donde el objetivo suele ser cambiar un elemento a lo largo de una secuencia sin volver a generar la toma—, planificar por separado del renderizado es la forma adecuada. Para una sola imagen fija, es una pieza móvil adicional.

• Granularidad de edición — Qwen-Image-2.1 admite ediciones locales mediante círculo, anotación pintada o una máscara separada, además de edición de capa transparente y extracción de sujetos a partir de fotografías RGB; las fortalezas de edición documentadas de Bernini-Diffusers-v2 son la edición de video guiada por referencias y sujeto-a-video, no la reparación local de imágenes fijas.
• Entradas de referencia — Qwen-Image-2.1 acepta hasta 10 imágenes de referencia, aunque un revisor de acceso anticipado informó que la consistencia con múltiples referencias se degrada a partir de unas tres imágenes; el manejo de referencias de Bernini-Diffusers-v2 está documentado en torno a secuencias de video.
• Inspeccionabilidad — La lógica de reescritura de Qwen-Image-2.1 es un prompt de sistema legible en el repositorio; la etapa de planificación de Bernini-Diffusers-v2 son los pesos del modelo.

Qué hacer realmente con esto

La regla de decisión se desprende de la licencia y no de la hoja de especificaciones.

Si el resultado va a formar parte de algo que vendes —trabajo para clientes, un producto, una pipeline de pago—, Bernini-Diffusers-v2 es el único de estos dos que puedes usar sin necesidad de una conversación, y deberías presupuestar hardware de la clase Hopper para ejecutarlo tal como se documenta. Si estás haciendo investigación, evaluación o trabajo personal, Qwen-Image-2.1 te ofrece el sistema más inspeccionable y el único con alfa nativo, a costa de una licencia que tarde o temprano tendrás que renegociar o abandonar.

Existe una tercera opción que ninguna de estas dos cubre, y merece la pena nombrarla sin rodeos: los modelos de imágenes alojados, en los que nunca tocas un archivo de licencia ni una GPU. OrcaRouter enruta más de 200 modelos a través de un único endpoint compatible con OpenAI al precio de lista del proveedor y sin ningún recargo, con conmutación por error automática entre proveedores, un DSL de enrutamiento para cadenas de respaldo y fusión de modelos. Ni Qwen-Image-2.1 ni Bernini-Diffusers-v2 están en nuestro catálogo en el momento de escribir esto —no enrutamos ningún modelo Qwen-Image de ninguna versión ni ningún modelo Bernini—, así que esto no es un anuncio de ninguno de los dos. La línea de imágenes enrutadas que sí ofrecemos es la familia GPT-Image de OpenAI, los niveles de Imagen 4 y las vistas previas de imágenes de Gemini de Google, y el endpoint de imágenes Grok Imagine de xAI; como el precio de lista se repercute tal cual en lugar de aplicar un recargo, una rebaja de precio de cualquiera de ellos entra en vigor el mismo día.

La parte que ninguno de los dos repositorios responde

Ambos fueron lanzamientos silenciosos, sin aviso previo, y los lanzamientos silenciosos son difíciles de planificar. La única señal anticipada de Qwen-Image-2.1 fue una nota de acceso anticipado del 17 de septiembre que ofrecía 50 plazas en ModelScope, con la petición a los probadores de que publicaran antes del 29 de septiembre —tres días antes de que los pesos se hicieran públicos. Bernini-Diffusers-v2 simplemente apareció en Hugging Face el 13 de agosto, junto con un espejo en Gitee.

Lo que falta en ambos es una razón para creer que los términos se mantendrán. Qwen endureció su licencia entre la generación de imágenes anterior y esta, lo cual es un dato sobre la dirección. ByteDance ha mantenido Bernini Apache 2.0 a lo largo de dos generaciones, lo cual es un dato sobre la dirección opuesta. Que cualquiera de esos se mantenga para la próxima versión es imposible de saber desde aquí, y es lo que hay que verificar antes de comprometer un pipeline, no después.