Qwen-Image-2.1 vs Bernini-Diffusers-v2 : la licence est tout l’argument

Deux systèmes d'images à poids ouverts ont débarqué à six semaines d'intervalle en 2026, presque sans tapage, et ils sont en désaccord sur la seule chose qui détermine si vous pouvez bâtir une activité dessus. Qwen-Image-2.1, publié le 20 septembre 2026, est distribué sous licence de recherche — non commercial uniquement, usage commercial sur accord distinct. Bernini-Diffusers-v2, publié par ByteDance le 13 août 2026, est distribué sous Apache 2.0, ce qui signifie que vous pouvez le commercialiser. La version qui semble la plus capable est celle que vous ne pouvez pas vendre, et la plus permissive est celle qui veut surtout faire de la vidéo. Cette inversion, c'est tout l'objet de la comparaison.

L'inversion de licence

Commencez par les formalités administratives, car elles primordiales sur tout le reste de cette page. Aucun écart de qualité, aussi faible soit-il, ne comble un problème de licence, et aucun score de benchmark ne sauve un produit qui doit être retiré.

• Licence — Qwen-Image-2.1 est régi par le Qwen Research License Agreement, daté du 20 septembre 2026, « À DES FINS NON COMMERCIALES UNIQUEMENT », les droits commerciaux n’étant disponibles que sur demande ; Bernini-Diffusers-v2 est sous Apache 2.0.
• Conséquence pratique — un workflow Qwen-Image-2.1 est un atout d’évaluation ou un atout personnel ; un workflow Bernini-Diffusers-v2 est déployable dès aujourd’hui, avec les exigences habituelles d’attribution Apache et sans qu’une discussion avec le fournisseur soit nécessaire.
• Sens de l’évolution — la précédente gamme d’images de Qwen était diffusée sous Apache 2.0, ce qui fait de cette publication un durcissement ; ByteDance a maintenu Bernini sous une licence permissive pour les deux générations.

Si vous ne devez lire qu’une seule section de cet article, lisez celle-ci. Tout ce qui suit ne sert qu’à départager deux choses qui, en réalité, ne sont pas à égalité sur cet axe.

Ce qu’est réellement chaque système

Les deux modèles ne sont pas le même type d’objet, et la différence apparaît dès que l’on regarde ce qui est inclus dans le téléchargement.

Qwen-Image-2.1 est un modèle unifié unique. Un seul transformer de diffusion à flux unique de 7B et 32 couches gère la génération et l’édition avec les mêmes poids, conditionné par un encodeur de texte Qwen3-VL 8B, avec un VAE RGBA à 64 canaux et compression spatiale 16× qui fait le gros du travail sur la transparence. Environ 33 Go au total, le DiT lui-même pesant environ 14 Go et l’encodeur de texte prenant le reste. Il embarque aussi deux checkpoints optionnels de réécriture de prompt — PE-T2I et PE-I2I, chacun un Qwen3.5-VL 9B affiné d’environ 18,8 Go — qui réécrivent votre instruction en quelque chose de précis avant que le modèle de diffusion ne la voie.

Bernini-Diffusers-v2 est un pipeline, pas un modèle unique. Un planificateur sémantique Qwen2.5-VL effectue le raisonnement et rédige un plan sémantique latent ; un moteur de rendu par diffusion Wan2.2 l'exécute. Le changement phare de la recette v2 par rapport à la première version de Bernini est qu'elle préchauffe le connecteur pendant des milliers d'étapes avant le co-entraînement, ce qui a amélioré l'édition vidéo guidée par référence et le comportement d'OpenS2V. Cette séparation en deux étapes est le pari architectural : planifier d'abord, rendre ensuite, et vous pouvez modifier une vidéo en modifiant le plan.

• Architecture — Qwen-Image-2.1 est un DiT unifié pour la génération et l'édition ; Bernini-Diffusers-v2 est un planificateur Qwen2.5-VL qui pilote un moteur de rendu Wan2.2.
• Modalité — Qwen-Image-2.1 ne gère que les images ; Bernini-Diffusers-v2 couvre le t2i, l'i2i, le t2v, le v2v, l'édition vidéo guidée par référence et le r2v, de sorte que les images sont une pièce annexe plutôt que la maison.
• Transparence — Qwen-Image-2.1 produit de l'alpha directement à la sortie de l'échantillonneur via son VAE RGBA ; la sortie documentée de Bernini-Diffusers-v2 est une vidéo RVB et des images fixes, sans chemin alpha natif équivalent décrit.
• Traitement des prompts — Qwen-Image-2.1 fournit des checkpoints de réécriture 9B distincts que vous pouvez lire, comparer et remplacer ; le planificateur de Bernini-Diffusers-v2 fait partie du pipeline et son améliorateur de prompt est un appel facultatif à un point de terminaison compatible OpenAI plutôt qu'un checkpoint fourni.
• Matériel — Qwen-Image-2.1 tient sur un seul GPU grand public, avec un délestage CPU recommandé sur les cartes limitées ; l'environnement documenté de Bernini-Diffusers-v2 est de classe Hopper, H100/H800/H200, avec un parallélisme de séquence multi-GPU pour les configurations plus importantes.

Là où la comparaison cesse d’être utile

Il est tentant de comparer ces deux-là sur la qualité de leur production. Cette comparaison n'existe pas, et prétendre le contraire serait le choix malhonnête.

Les chiffres publiés de Bernini-Diffusers-v2 sont des métriques vidéo et d'édition rapportées par le fournisseur — EditVerse 8.02, OpenVE 3.96, OpenS2V 63.83, VBench 84.46 — ainsi qu'une affirmation de performance de premier rang dans l'arène interne d'évaluation humaine en aveugle par paires de ByteDance. Ce sont des métriques vidéo. Aucun benchmark d'images indépendant de Bernini-Diffusers-v2 n'a été exécuté, pas de FID, pas de score de rendu de texte, pas d'entrée dans un classement d'images. De l'autre côté, le seul chiffre de qualité de Qwen-Image-2.1 est le graphique Qwen-Image-Bench propre au fournisseur, où il affiche 60,28 contre Nano Banana 2.0 à 59,82 et GPT Image 1.5 à 59,65 — du matériel de fournisseur, non reproduit, et le modèle était absent des classements d'images indépendants au moment de la rédaction. Le seul point de données véritablement indépendant est une vérification fonctionnelle issue des travaux d'intégration SGLang : la sortie PNG transparente a été validée, l'alpha a été conservé sur toute la plage 0–255, le PSNR RGBA mesurait 60,69 dB sur un seul échantillon, et les configurations FP8 ont passé la génération de PNG transparents. Les auteurs de SGLang précisent explicitement qu'il s'agit d'une vérification de correction, et non d'une garantie de qualité.

Donc : deux versions ouvertes, deux fiches d’évaluation de fournisseurs, aucun benchmark commun, et aucun tiers qui les a exécutées toutes les deux. Quiconque vous dit que l’une surpasse l’autre en qualité d’image ne fait que répéter du marketing.

Philosophie d'édition : réécrire le prompt, ou réécrire le plan

Les deux modèles tentent de résoudre le même problème sous-jacent — l'instruction d'un utilisateur est vague et le modèle de diffusion est littéral — et ils le résolvent à des endroits opposés.

Qwen-Image-2.1 le résout par le langage. Le checkpoint PE-I2I prend votre instruction d'édition ainsi qu'une ou plusieurs images d'entrée et la réécrit en une directive précise avant la génération. Comme il s'agit d'un checkpoint livré avec un system_prompt.txt livré, vous pouvez lire exactement ce qu'on lui demande de faire — y compris la règle selon laquelle le texte généré dans la sortie doit correspondre à la langue dominante du texte déjà présent dans l'image d'entrée, plutôt que d'être forcé en anglais. C'est un comportement inspectable. Vous pouvez le surcharger.

Bernini-Diffusers-v2 le résout par la structure. Le planificateur produit un plan sémantique que le moteur de rendu exécute ensuite, et la propriété intéressante de cet agencement est que le plan est une chose que l’on peut modifier. Pour le travail vidéo — où l’objectif est souvent de modifier un élément sur toute une séquence sans regénérer la prise — planifier séparément du rendu est la bonne approche. Pour une seule image fixe, c’est une pièce mobile supplémentaire.

• Granularité d'édition — Qwen-Image-2.1 prend en charge les retouches locales par cercle, annotation au pinceau ou masque distinct, ainsi que l'édition sur calque transparent et l'extraction de sujet à partir de photographies RVB ; les points forts d'édition documentés de Bernini-Diffusers-v2 sont l'édition vidéo guidée par référence et le passage d'un sujet à la vidéo, et non la retouche locale d'images fixes.
• Entrées de référence — Qwen-Image-2.1 accepte jusqu'à 10 images de référence, bien qu'un évaluateur en accès anticipé ait signalé une dégradation de la cohérence multi-références à partir d'environ trois images ; la gestion des références de Bernini-Diffusers-v2 est documentée autour des séquences vidéo.
• Inspectabilité — La logique de réécriture de Qwen-Image-2.1 est un prompt système lisible dans le dépôt ; l'étape de planification de Bernini-Diffusers-v2 est constituée de poids de modèle.

Que faire réellement de ceci

La règle de décision découle de la licence plutôt que de la fiche technique.

Si le résultat est destiné à quelque chose que vous vendez — travail pour un client, un produit, un pipeline payant — Bernini-Diffusers-v2 est le seul des deux que vous pouvez utiliser sans discussion préalable, et vous devez prévoir un budget pour du matériel de classe Hopper afin de l'exécuter comme documenté. Si vous faites de la recherche, de l'évaluation ou du travail personnel, Qwen-Image-2.1 vous donne le système le plus facile à inspecter et celui doté d'un canal alpha natif, au prix d'une licence que vous devrez tôt ou tard renégocier ou abandonner.

Il existe une troisième option qu'aucune de ces deux solutions ne couvre, et elle mérite d'être nommée clairement : les modèles d'images hébergés, où vous ne touchez jamais à un fichier de licence ni à un GPU. OrcaRouter achemine plus de 200 modèles derrière un seul point de terminaison compatible OpenAI, au prix catalogue du fournisseur et sans aucune marge, avec un basculement automatique entre fournisseurs, un DSL de routage pour les chaînes de repli, et la fusion de modèles. Ni Qwen-Image-2.1 ni Bernini-Diffusers-v2 ne figurent dans notre catalogue à l'heure où nous écrivons — nous ne routons aucun modèle Qwen-Image, quelle qu'en soit la version, ni aucun modèle Bernini — il ne s'agit donc pas d'un argumentaire pour l'un ou l'autre. La gamme d'images routées que nous proposons réellement est la famille GPT-Image d'OpenAI, les différents paliers d'Imagen 4 de Google et les aperçus d'images Gemini, ainsi que le point de terminaison d'images Grok Imagine de xAI ; comme le prix catalogue est répercuté sans marge, une baisse de prix d'un fournisseur sur l'un d'eux est effective le jour même.

La partie à laquelle aucun des deux dépôts ne répond

Ces deux sorties se sont faites discrètement, sans annonce préalable, et les sorties discrètes sont difficiles à anticiper. Le seul signal préalable pour Qwen-Image-2.1 a été une note d’accès anticipé du 17 septembre proposant 50 places sur ModelScope, les testeurs étant invités à publier d’ici le 29 septembre — trois jours avant la mise à disposition publique des poids. Bernini-Diffusers-v2 a simplement fait son apparition sur Hugging Face le 13 août, accompagné d’un miroir Gitee.

Ce qui manque aux deux, c’est une raison de croire que les conditions tiendront. Qwen a resserré sa licence entre la génération d’images précédente et celle-ci, ce qui est un point de données sur la direction suivie. ByteDance a maintenu Bernini sous Apache 2.0 sur deux générations, ce qui est un point de données en sens inverse. Savoir si l’un ou l’autre tiendra pour la prochaine version est impossible à déterminer d’ici, et c’est la chose à vérifier avant d’engager un pipeline plutôt qu’après.