Qwen-Image 2.1: מהו בעצם מודל התמונות עם משקולות 7B
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 66 tok/s
- openaiחדשOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 159 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 42 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 478 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-09-1040אינטליגנציה
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 57 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 198 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 לכל 1M טוקנים · 228 tok/s
- z-aiZ.ai: GLM 5.32026-08-1845אינטליגנציה75כתיבת קוד
Qwen-Image 2.1 הוא המודל שאנשים מחפשים לפי שמו וכרגע לא מוצאים דבר. זהו מודל הטקסט-לתמונה ועריכת התמונות במשקולות פתוחות של Alibaba, שיצא ב-20 בספטמבר 2026, ורוב הבלבול סביבו הוא מבני: הוא חדש יותר מ-Qwen-Image 3.0, שאותו צוות הוציא ב-21 ביולי 2026, וישן יותר מ-Qwen-Image 2.1 Turbo, נקודת הביקורת המואצת שהגיעה לאחר מכן ב-9 באוקטובר 2026. שלושה שמות, משפחה אחת, שלושה מוצרים שונים לחלוטין — ומספרי הגרסאות לא מסדרים אף אחד מהם נכון.
העמוד הזה הוא עמוד הייחוס עבור המודל עצמו: מה הוא, מה הוא מקבל ומחזיר, מה הרישיון שלו למעשה מתיר, היכן נמצאים המשקלים, ועל מה מתועד שהוא רץ. הגרסה בת 23 ימים בזמן כתיבת שורות אלה, ולכן יש להתייחס אליה כאל העובדה המתארכת את המודל ולא כאל ידיעה חדשותית — השאלה ששווה להשיב עליה היא השאלה הקבועה שעולה אצל קורא כשמקליד את שמו של המודל עצמו.
שלושת מוצרי התמונה של Qwen, מופרדים
כמעט כל ציפייה שגויה לגבי Qwen-Image 2.1 נובעת מהתייחסות למשפחה כרצף יחיד. זה לא כך. שלושת המוצרים הנוכחיים נמצאים בנקודות שונות הן ביכולת והן בנגישות:
• Qwen-Image 2.1 — מודל אחד שמבצע גם יצירת תמונה מטקסט וגם עריכת תמונות, עם 7 מיליארד פרמטרים ברכיב היצירה החזותית שלו ו-32 שכבות DiT בזרם יחיד, שפורסם כמשקלים פתוחים תחת רישיון מחקרי. שוחרר ב-20 בספטמבר 2026.
• Qwen-Image 2.1 Turbo — אותה ארכיטקטורת יצירה חזותית 7B ואותם פריסטים של רזולוציה, שוחררה כנקודת ביקורת מואצת נפרדת ב-9 באוקטובר 2026 שמסירה רעש ב-8 צעדים במקום 40, כאשר CFG מוגדר כברירת מחדל ל-1 ולוח זמני הדגימה המומלץ שלו שמור בתוך נקודת הביקורת. זהו וריאנט מהירות, לא דרגת יכולת.
• Qwen-Image 3.0 — המודל מהדור השלישי מ-21 ביולי 2026, והסגור. אין עבורו מאגר משקולות ב-Hugging Face או ב-ModelScope, וחומרי ההשקה שלו אינם מפרסמים מספר פרמטרים ואינם מפרסמים רישיון. הטענות המרכזיות שלו עוסקות בטקסט ובצפיפות ידע — פרומפטים של עד 4.5 אלף טוקנים, טקסט בגודל 10px בלבד שמוצג באופן קריא, 12 שפות, יותר מ-100 סגנונות אמנותיים — והן של היצרן עצמו, ולא שוחזרו כאן. אם מה שאתם צריכים הוא רינדור הטקסט החזק ביותר במשפחה, זה הטיעון של 3.0; אם מה שאתם צריכים הוא להריץ את המודל בעצמכם, 3.0 אינו אפשרות כלל.
דבר רביעי ראוי להפריד החוצה משום שהוא נושא את השם 2.1: מאז 9 באוקטובר 2026 רשימת החדשות של הספק כוללת Qwen-Image-2.1 Pro and Turbo hosted APIs כזמינות רשמית ב-Alibaba Cloud Model Studio. זהו נתיב הגשה עבור אותו מודל, לא דבר רביעי.
מה זה מתחת למכסה המנוע
הארכיטקטורה, כפי שפורסמה בכרטיס המודל ובמאגר של הספק, קומפקטית לפי הסטנדרטים של תחום התמונות הנוכחי, והיא מאורגנת סביב רעיון אחד: להוזיל עריכת תמונות מרובות.
• Transformer — 32 שכבות, 7B פרמטרים, DiT חד-זרימי עם קשב סיבתי-בלוקי. טקסט, כולל הקידומת המערכתית והוראות העריכה, עובר דרך מסכה סיבתית ברמת טוקן; יצירת תמונות עוברת דרך מסכה דו-כיוונית ברמת מקטע.
• מקודד טקסט — Qwen3-VL 8B, מודל חזותי־לשוני שמקודד גם את הוראת הטקסט וגם את תמונות התנאי לייצוג אחד. בהורדה המפורסמת זהו החצי הגדול יותר של המצרף.
• VAE — אוטואנקודר RGBA בעל 64 ערוצים עם דחיסה מרחבית של פי 16, ומכאן מגיעה השקיפות המקורית ולא מעיבוד שלאחר מעשה.
• מתזמן — Flow Matching עם תזמון אוילר דיסקרטי והזזה דינמית; 40 שלבי הסרת רעש כברירת מחדל בנקודת הביקורת הבסיסית.
הפיצול הזה עם הגרנולריות המעורבת הוא הנימוק ליעילות. תמונות קלט והוראות מחושבות פעם אחת בצעד הדה־נויזינג הראשון, ומשמשות לאחר מכן כהקשר קידומת השמור במטמון, כך שהוספת תמונות ייחוס עולה פחות ממה שהיא הייתה עולה בתכנון שמקודד מחדש את הכול בכל צעד.
הרישיון, בדיוק כפי שפורסם
זה החלק שרוב הסיכומים טועים בו, בשני הכיוונים. Qwen-Image 2.1 הוא לא קוד פתוח במובן המתירני, והוא לא סגור גם כן. כרטיס Hugging Face מתייג אותו license: other עם license_name: qwen-research, וקובץ ה-LICENSE של המאגר הוא Qwen Research License Agreement, מתאריך 20 בספטמבר 2026. בקריאה ב-13 באוקטובר 2026, הסעיף הקובע שלו מעניק
• רישיון מוגבל, לא בלעדי, עולמי, שאינו ניתן להעברה וללא תמלוגים לשימוש, לשכפול, להפצה, להעתקה, ליצירת יצירות נגזרות של החומרים ולשינויים בהם — למטרות שאינן מסחריות בלבד.
ההסכם מגדיר את "Non-Commercial" באופן מצומצם, כלמטרות מחקר או הערכה בלבד, ומתווה במפורש כל דבר אחר: "אסור לך להשתמש בחומרים לכל מטרה מסחרית מבלי לקבל מאיתנו רישיון מסחרי נפרד", שיש לבקש בדוא"ל בכתובת שההסכם מציין. כך שהמעשי עבור צוות הוא שתי שורות ולא אחת: המשקלים ניתנים להורדה, לבדיקה, לכימות ולכוונון עדין, והפצת מוצר המבוסס עליהם מחייבת שיחה עם Alibaba תחילה.
שלושה תנאים נוספים מלווים את ההפצה מחדש וקל לפספס אותם כאשר הרישיון מסוכם כ"לא-מסחרי". עליך להעביר עותק של ההסכם לכל מי שאליו אתה מפיץ מחדש. קבצים ששונו חייבים לשאת הודעות בולטות לכך שהם שונו. וכל עותק שמופץ חייב לשמור על נוסח ההודעה שההסכם מפרט, מילה במילה, תוך ייחוס החומר ל-Hangzhou Tongyi Laboratory Technology Co., Ltd. לצד אלה עומדים שני כללי שימוש: אם אתה משתמש במודל או בפלטים שלו כדי לאמן, לכוונן או לשפר מודל AI שאותו אתה מפיץ לאחר מכן, עליך להציג באופן בולט "Built with Qwen" או "Improved using Qwen" בתיעוד המוצר; ואסור לך להשתמש ב"Qwen" כשם הראשי או כמזהה של יצירה נגזרת, אך שימוש תיאורי כגון "fine-tuned from Qwen Image" מותר. הדין החל הוא הדין הסיני, עם סמכות שיפוט בלעדית לבתי המשפט העממיים בהאנגג'ואו.
השוואה אחת שווה לערוך, מפני שהיא עוסקת במקום שאליו המשפחה עברה ולא במקום שממנו היא התחילה. הגרסאות המוקדמות יותר של Qwen-Image הן בעלות רישיון מתירני: כרטיסי המודל עבור Qwen-Image, Qwen-Image-Edit, Qwen-Image-Edit-2509, Qwen-Image-Edit-2511, Qwen-Image-Layered וQwen-Image-2512 כולם נושאים את apache-2.0 כפי שנקרא ב־13 באוקטובר 2026, ללא שער מסחרי. Qwen-Image 2.1 הוא החריג בתבנית הזו. רישיונות שכבר ניתנו אינם משתנים למפרע, כך שנקודות הביקורת המוקדמות יותר נשארות שמישות בתנאים המקוריים שלהן — אבל מי שמתכנן צינור מסחרי מתוך הנחה שמודל התמונות החדש ביותר של Qwen יהיה מתירני צריך לקרוא את זה לפני המהדורה הבאה, לא אחריה.
מה נכנס, ומה יוצא
משטח הקלט רחב יותר מזה של מודל טקסט־לתמונה, ומשטח הפלט כולל משהו שרוב מודי התמונה כלל אינם מפיקים. לפי כרטיס המודל והמאגר של הספק:
• טקסט בלבד — פרומפט יוצר תמונה. טקסט-לתמונה הוא מצב ברירת המחדל; אין צ'קפוינט T2I נפרד לבחירה.
• תמונה אחת בתוספת פרומפט — קריאת העריכה הסטנדרטית, המעבירה את התמונה יחד עם הוראה.
• עד 10 תמונות ייחוס — הדוגמאות של הספק משלבות שש תמונות דיוקן לתצלום קבוצתי אחד, חמש תמונות מוצר לתלבושת אחת, ועשר תמונות ריהוט לחדר אחד. זוהי היכולת שהארכיטקטורה מותאמת במיוחד עבורה.
• שליטה בעריכה מקומית, בשלוש דרכים — עיגולים המצוירים על התמונה (כמה אזורים ניתנים לזיהוי בבת אחת לפי צבע), הערות מצוירות, או מסכה נפרדת המסופקת כקלט בפני עצמו, כך שהתצלום המקורי נשאר ללא סימון.
• שקיפות בשני הכיוונים — יצירת תמונת RGBA ישירות מפרומפט באמצעות פורמט הפרומפט המומלץ של הספק, עריכה בתוך שכבה שקופה כולל טקסט, וחילוץ נושא מתצלום RGB רגיל כשכבת RGBA.
• מעטפת גודל — 2K מקורי, עם ברירת מחדל של 2048×2048, ושבעה פריסטים שפורסמו: 1:1 ב־2048×2048, 4:3 ב־2400×1792, 3:4 ב־1792×2400, 3:2 ב־2528×1696, 2:3 ב־1696×2528, 16:9 ב־2752×1536 ו־9:16 ב־1536×2752.
• פלט — כל דוגמה בקוד של הספק עצמו כותבת PNG, ומסלול השקיפות כותב RGBA עם ערוץ אלפא אמיתי. לא מפורסמת מנייה נפרדת של פורמטי פלט, כך ש-PNG הוא מה שהמסלול המתועד מפיק ולא מגבלה מוכחת.
שתי היעדרויות ראויות לציון במקום להשאיר לקורא לגלות אותן. הכרטיס אינו מפרסם אורך פרומפט מקסימלי עבור Qwen-Image 2.1 — נתון הקלט של 4.5k טוקנים שייך ל-Qwen-Image 3.0 ואין להעבירו לכאן. ואין מחיר מפורסם עבור המשקלים הפתוחים, מכיוון שאין תעריף מתארח לכל תמונה המצורף להורדה; העלות היא המחשוב שלך. ממשקי ה-API של Pro ו-Turbo המתארחים ב-Model Studio הם מסלול מסחרי נפרד, והחומר שיכולנו לקרוא מציין שפרטי גישה ושימוש נמצאים בעמודי הקונסולה של הספק ולא בהערות ההשקה הציבוריות.
תצוגה ועריכה של טקסט, במילותיו של הספק עצמו
טענות הספק לגבי גרסה זו הן איכותניות וראויות לציטוט כטענות ולא כמדידות. בכל הנוגע לטקסט, הבלוג אומר שהרינדור "מתחשב לא רק בתוכן עצמו, אלא גם בסגנונות טיפוגרפיה, בפריסה, ובקשר שלהם להרכב הכולל", וממחיש זאת בארבע דוגמאות. בכל הנוגע לעריכה, ארבעת השיפורים המוצהרים הם תמונות ייחוס מרובות, עריכה מקומית, שימור נאמנות עבור אנשים ומוצרים, וכיסוי משימות — עם פנורמות שנוצרות מסלפי בודד, אינפוגרפיקות שמורחבות מתצלום מוצר, וייחוס דמות בשלוש תצוגות שהופך לסטוריבורד. זהות דיוקן ועקביות מוצר הן שתי טענות הנאמנות שהוא מפרט במפורש.
מה שלא מפורסם חשוב באותה מידה. אין טבלת בנצ'מרק מספרית עבור Qwen-Image 2.1 בחומרי הספק: הבלוג מציג השוואת Qwen-Image-Bench כתמונה, בלי מספרים המפורטים בטקסט, והמאגר אינו מפרסם טבלת הערכה כלל. לכן אין מספר שמדווח על ידי הספק עבור המודל הזה, שאותו אפשר לתייג כמדווח על ידי הספק. גם אין אנו מדפיסים נתון בלתי תלוי: המודל אכן מופיע בזירות תמונות של צד שלישי, אך לא הצלחנו היום לאמת מחדש ציון לוח עדכני, ומספר בטבלת דירוג שאין אנו יכולים לבדוק מחדש אינו מספר ששווה למסור לקורא. יש להתייחס לשאלת רינדור הטקסט כפתוחה, ולציין שהטענות החזקות ביותר של הספק עצמו בנוגע לטקסט — נתון ה-10px, 12 השפות — שייכות ל-Qwen-Image 3.0, ולא למודל הזה.
היכן נמצאות המשקולות, ובאילו פורמטים
המשקלים מפורסמים בשני מקומות, ושניהם ממקור הצד הראשון: Hugging Face בכתובת Qwen/Qwen-Image-2.1 וכן ModelScope בנתיב הארגון התואם של Qwen, ולצדם Space מתארח להדגמה. המאגר ב-Hugging Face מציג סך של 33.1 GB, והפירוט הוא החלק המעשי:
• טרנספורמר — שני מקטעי safetensors מסוג BF16, בגודל של כ־9.97 GB ו־4.26 GB, עם קובץ אינדקס.
• מקודד טקסט — ארבעה שברי safetensors של BF16 המסתכמים בכ-17.5 GB, ולכן מקודד Qwen3-VL 8B מתואר לעיל כחציו הגדול יותר של ההורדה.
• VAE — קובץ safetensors יחיד בגודל 1.35 GB הנושא את המקודד האוטומטי RGBA.
• פריסת Diffusers — המאגר הוא מהדורה בפורמט Diffusers (model_index.json, transformer/, text_encoder/, vae/, scheduler/, processor/), וזה מה שהופך את ייבוא הפייפליין שלהלן לשורה אחת.
• אריזה שנייה עבור ComfyUI — Comfy-Org/Qwen-Image-2.1 אורז מחדש את אותו מודל כרכיבים של קובץ בודד: וריאנטים bf16 ו-int8 של מודל הדיפוזיה, ה-VAE, מקודד הטקסט Qwen3-VL 8B ב-bf16, int8 ו-w4a8, שני המקודדים של משכתב-הפרומפט, Turbo LoRA ותיקון ControlNet-Union. אם בכוונתך להריץ זאת ב-ComfyUI ולא ב-Python, המאגר הזה, ולא זה הראשי, הוא מה שאתה מוריד.
לצורך המחשת סדר הגודל, בדף של Hugging Face עצמו דווח על 142,375 הורדות בחודש האחרון נכון ל-13 באוקטובר 2026 — נתון שמסופק על ידי הפלטפורמה מאתר האחסון, ולא טענה של עליבאבא בנוגע לאימוץ.
איך להריץ את זה היום
זה החלק בסיפור של Qwen-Image 2.1 שבאמת יוצא דופן: תמיכת ריצה מתועדת הגיעה יחד עם המשקלים ולא חודשים אחריהם, כך שהשאלה אינה אם אתה יכול לשרת אותו, אלא איזה מבין כמה מסלולים נתמכים כבר יש לך.
• Diffusers (הנתיב המומלץ על ידי הספק) — QwenImage21Pipeline נטען מ-Qwen/Qwen-Image-2.1 ב-BF16, עם transformers>=5.17, torch>=2.4 ו-Diffusers המותקן מהמקור. נקודת הבדיקה של Turbo נטענת דרך אותה מחלקת pipeline.
• ComfyUI — תמיכה נייטיבית ב-Day-0, עם זרימות עבודה תבניתיות שפורסמו ליצירת תמונה מטקסט ולעריכת תמונות, תוך שימוש במשקולות של Comfy-Org שלמעלה.
• vLLM-Omni — סקריפטים לא־מקוונים והגשה מקוונת בסגנון OpenAPI (vllm serve … --omni), עם ביצוע צעד־אחר־צעד, מטמון KV של prefix, פענוח CUDA Graph, כימות FP8 ומקביליות TP/Ulysses מתועדים.
• SGLang — תמיכה ילידית מ-Day-0 באמצעות sglang generate, עם הוספת ארגומנט --image-path לעריכה, עם אפשרויות של מקביליות ו-offload.
• LightX2V — מסלולי האצה של Day-0 המתוחזקים על ידי פרויקט ModelTC.
• חומרה שאינה של NVIDIA — מסלול AMD Radeon דרך ROCm, PyTorch ו-Diffusers, ומסלול FlagOS המשתרע על פני שמונה פלטפורמות שבבים באמצעות אימג'ים ומשקולות מוכנים מראש שפורסמו ב-ModelScope.
אביזר אחד הוא למעשה חלק בלתי נפרד מההתקנה אם איכות הפלט חשובה לכם: הגרסה מגיעה עם שתי נקודות ביקורת לשכתוב פרומפטים, Qwen-Image-2.1-PE-T2I ו-Qwen-Image-2.1-PE-I2I, שניהם מודלים מסוג Qwen3.5-VL 9B שעברו כיוונון עדין, כאשר קוד השכתוב והפרומפטים המערכתיים מפורסמים במאגר. הספק ממליץ לשכתב פרומפטים קצרים לכדי פרומפטים מפורטים במקום לפנות ישירות למודל התמונות.
אם אתם מעדיפים שלא להחזיק בכלל סטאק של 33 GB בזיכרון, נקודות הקצה של Model Studio Pro ו-Turbo הן המסלול המוגש, פעילות מאז 9 באוקטובר 2026. איננו מפרסמים תעריף לכל תמונה עבורן, מכיוון שהערות ההשקה הציבוריות שיכולנו לקרוא אינן מפרסמות תעריף כזה.
איפה זה משאיר אותך
באופן פשוט, כי זו העובדה שמכריעה את רוב ההערכות: OrcaRouter אינו מנתב את Qwen-Image 2.1 או כל מודל Qwen-Image. בדקנו את רשימת המודלים הפעילה שלנו ב-13 באוקטובר 2026 והוא אינו מופיע בה. אם המשקולות הפתוחות הן מה ששכנע אותך, המסלולים הם הורדה באירוח עצמי או ה-API המתארח של הספק עצמו — לא אנחנו.
מה שכן יש לנו הוא הצורה הכללית של הבעיה שהמודל הזה יוצר עבור צוות שרוצה לנסות אותו. Qwen-Image 2.1 בעייתי באופן ספציפי: הוא אכן מוכשר לפי המפרטים המפורסמים, אכן מוגבל על ידי הרישיון שלו לכל שימוש מסחרי, וכבד מספיק כך שאירוח עצמי הוא פרויקט ולא עניין של אחר צהריים. זה הטיעון שלא להציב אותו בנתיב ייצור כבר ביום הראשון. OrcaRouter מציג למעלה מ-200 מודלים מאחורי נקודת קצה אחת תואמת OpenAI במחיר המחירון של הספקים וללא תוספת, עם מעבר אוטומטי בין ספקים בעת כשל ועם DSL לניתוב שמאפשר לך להרכיב כמה מודלים לקריאה אחת, כך שצ'קפוינט ברישיון מחקרי שאתה עדיין מעריך יכול לשבת לצד מודל שאתה כבר סומך עליו במקום להחליף אותו. מיזוג מודלים לוקח את אותו רעיון צעד נוסף קדימה, ומאפשר לפאנל של מודלים לענות על אותה הנחיה כך שההשוואה מתבצעת על הקלטים שלך ולא על גלריית הדוגמאות של הספק.
שלושה קוראים, שלוש תשובות שונות. אם אתם בונים לשימוש מסחרי, הרישיון הוא ההחלטה כולה, והוא אומר לא בלי משא ומתן — פתחו את השיחה הזאת או בחרו צ'ק-פוינט Apache-2.0 מאותה משפחה. אם אתם עורכים מחקר, כיוונון עדין או זקוקים לנכסים שקופים וליותר משלושה תמונות ייחוס, זהו המודל ששאר השכבה הפתוחה נמדדת כיום מולו, ותמיכת זמן הריצה מהיום הראשון פירושה שעבודת האינטגרציה קטנה. אם אתם זקוקים לתמונות ייצור עתירות טקסט ומעדיפים לא להריץ שום דבר בעצמכם, Qwen-Image 3.0 הסגור ונקודת הקצה Pro המתארחת הם התשובה של הספק לכך, והסיווג של עד כמה רינדור הטקסט של המודל הזה התקדם הוא עדיין שאלה פתוחה בלי מספר מפורסם מאחוריה.
