Qwen-Image-2.1 vs Bernini-Diffusers-v2: Lisensi Adalah Seluruh Argumennya

Dua sistem gambar berbobot terbuka muncul dengan selisih enam minggu pada 2026 nyaris tanpa sorotan, dan keduanya tidak sepakat soal satu hal yang menentukan apakah Anda bisa membangun bisnis di atasnya. Qwen-Image-2.1, yang diterbitkan pada 20 September 2026, dirilis di bawah lisensi riset — hanya untuk non-komersial, penggunaan komersial melalui pengaturan terpisah. Bernini-Diffusers-v2, yang diterbitkan oleh ByteDance pada 13 Agustus 2026, dirilis di bawah Apache 2.0, yang berarti Anda boleh merilisnya. Rilisan yang tampak lebih mumpuni justru yang tidak bisa Anda jual, dan yang lebih permisif adalah yang sebagian besar ingin membuat video. Pembalikan itulah inti perbandingannya.

Inversi lisensi

Mulailah dari dokumen, karena itu lebih diutamakan daripada segala hal lain di halaman ini. Sebesar apa pun kesenjangan kualitasnya, itu tidak akan menutup masalah perizinan, dan tidak ada skor tolok ukur yang bisa menyelamatkan produk yang harus ditarik dari pasaran.

• Lisensi — Qwen-Image-2.1 tunduk pada Qwen Research License Agreement, tertanggal 20 September 2026, "HANYA UNTUK TUJUAN NON-KOMERSIAL", dengan hak komersial hanya tersedia berdasarkan permintaan; Bernini-Diffusers-v2 adalah Apache 2.0.
• Konsekuensi praktis — alur kerja Qwen-Image-2.1 merupakan aset evaluasi atau aset pribadi; alur kerja Bernini-Diffusers-v2 siap dirilis hari ini, dengan persyaratan atribusi Apache yang biasa dan tanpa perlu percakapan dengan vendor.
• Arah perkembangan — lini gambar Qwen sebelumnya dirilis di bawah Apache 2.0, jadi rilis ini merupakan pengetatan; ByteDance tetap mempertahankan Bernini permisif di kedua generasi.

Jika Anda hanya membaca satu bagian dari artikel ini, itulah bagiannya. Semua yang di bawah ini hanyalah penentu antara dua hal yang sebenarnya tidak seri pada sumbu ini.

Apa sebenarnya setiap sistem itu

Kedua model itu bukan jenis objek yang sama, dan perbedaannya langsung terlihat saat Anda melihat apa yang disertakan dalam unduhan.

Qwen-Image-2.1 adalah model terpadu tunggal. Satu transformer difusi aliran tunggal 7B dengan 32 lapisan menangani pembuatan dan penyuntingan dengan bobot yang sama, dikondisikan oleh encoder teks Qwen3-VL 8B, dengan VAE RGBA 64 kanal pada kompresi spasial 16× yang melakukan pekerjaan berat untuk transparansi. Totalnya sekitar 33 GB, dengan DiT sendiri sekitar 14 GB dan encoder teks mengambil sisanya. Model ini juga menyertakan dua checkpoint penulisan ulang prompt opsional — PE-T2I dan PE-I2I, masing-masing merupakan Qwen3.5-VL 9B hasil fine-tuning sekitar 18,8 GB — yang menulis ulang instruksi Anda menjadi sesuatu yang presisi sebelum model difusi melihatnya.

Bernini-Diffusers-v2 adalah sebuah pipeline, bukan model tunggal. Perencana semantik Qwen2.5-VL melakukan penalaran dan menulis rencana semantik laten; perender difusi Wan2.2 mengeksekusinya. Perubahan utama resep v2 dibandingkan rilis pertama Bernini adalah bahwa resep itu memanaskan konektor selama ribuan langkah sebelum pelatihan bersama, dan itulah yang meningkatkan penyuntingan video terpandu referensi serta perilaku OpenS2V. Pemisahan dua tahap itu adalah taruhan arsitekturalnya: rencanakan dulu, render kemudian, dan Anda dapat menyunting video dengan menyunting rencananya.

• Arsitektur — Qwen-Image-2.1 adalah DiT terpadu untuk generasi dan pengeditan; Bernini-Diffusers-v2 adalah perencana Qwen2.5-VL yang menggerakkan perender Wan2.2.
• Modalitas — Qwen-Image-2.1 hanya untuk gambar; Bernini-Diffusers-v2 mencakup t2i, i2i, t2v, v2v, pengeditan video dengan panduan referensi dan r2v, sehingga gambar hanyalah kamar sampingan alih-alih rumah utamanya.
• Transparansi — Qwen-Image-2.1 menghasilkan alpha langsung dari sampler melalui VAE RGBA-nya; output terdokumentasi Bernini-Diffusers-v2 adalah video RGB dan bingkai gambar, tanpa jalur alpha native yang setara yang dijelaskan.
• Penanganan prompt — Qwen-Image-2.1 menyediakan checkpoint penulis ulang 9B terpisah yang dapat Anda baca, bandingkan, dan timpa; perencana Bernini-Diffusers-v2 adalah bagian dari pipeline dan prompt enhancer-nya adalah panggilan endpoint opsional yang kompatibel dengan OpenAI alih-alih checkpoint yang disertakan.
• Perangkat keras — Qwen-Image-2.1 muat di satu GPU konsumen dengan CPU offload direkomendasikan pada kartu terbatas; lingkungan terdokumentasi Bernini-Diffusers-v2 adalah kelas Hopper, H100/H800/H200, dengan paralelisme sekuens multi-GPU untuk konfigurasi yang lebih besar.

Ketika perbandingan tidak lagi berguna

Sungguh menggoda untuk mengadu keduanya satu sama lain dalam hal kualitas keluaran. Perbandingan itu tidak ada, dan berpura-pura sebaliknya adalah tindakan yang tidak jujur.

Angka-angka yang diterbitkan Bernini-Diffusers-v2 adalah metrik video dan penyuntingan yang dilaporkan vendor — EditVerse 8.02, OpenVE 3.96, OpenS2V 63.83, VBench 84.46 — ditambah klaim performa tingkat pertama di arena pairwise manusia buta internal ByteDance. Itu adalah metrik video. Tidak ada tolok ukur gambar independen untuk Bernini-Diffusers-v2 yang dijalankan, tidak ada FID, tidak ada skor rendering teks, tidak ada entri papan peringkat gambar. Di sisi lain, satu-satunya angka kualitas Qwen-Image-2.1 adalah bagan Qwen-Image-Bench milik vendor sendiri, yang menunjukkan 60.28 melawan Nano Banana 2.0 pada 59.82 dan GPT Image 1.5 pada 59.65 — materi vendor, tidak direproduksi, dan model tersebut tidak ada dalam papan peringkat gambar independen ketika ini ditulis. Satu-satunya titik data yang benar-benar independen adalah verifikasi fungsional dari pekerjaan integrasi SGLang: output PNG transparan lulus, alpha dipertahankan di seluruh rentang 0–255, RGBA PSNR terukur 60.69 dB dalam satu sampel, dan konfigurasi FP8 lulus pembuatan PNG transparan. Penulis SGLang menegaskan bahwa ini adalah pemeriksaan kebenaran, bukan jaminan kualitas.

Jadi: dua rilis terbuka, dua kartu skor vendor, tidak ada tolok ukur bersama, dan tidak ada pihak ketiga yang pernah menguji keduanya. Siapa pun yang mengatakan kepada Anda bahwa yang satu lebih unggul dari yang lain dalam hal kualitas gambar hanya mengulang materi pemasaran.

Filosofi penyuntingan: tulis ulang prompt, atau tulis ulang rencananya

Kedua model berusaha menyelesaikan masalah dasar yang sama — instruksi pengguna tidak jelas dan model difusi bersifat literal — dan mereka menyelesaikannya di tempat yang berlawanan.

Qwen-Image-2.1 menyelesaikannya melalui bahasa. Checkpoint PE-I2I menerima instruksi penyuntingan Anda plus satu atau lebih gambar masukan dan menulis ulang instruksi itu menjadi arahan yang presisi sebelum generasi. Karena ini adalah checkpoint yang dikirim dengan system_prompt.txt yang dikirim, Anda dapat membaca persis apa yang diperintahkan kepadanya — termasuk aturan bahwa teks yang dirender dalam keluaran harus cocok dengan bahasa dominan dari teks yang sudah ada di gambar masukan, alih-alih dipaksa ke bahasa Inggris. Itu adalah perilaku yang dapat diperiksa. Anda dapat menimpanya.

Bernini-Diffusers-v2 menyelesaikannya dalam hal struktur. Perencana menghasilkan rencana semantik yang kemudian dijalankan oleh perender, dan sifat menarik dari susunan itu adalah bahwa rencana tersebut adalah sesuatu yang dapat Anda edit. Untuk pekerjaan video — yang sering kali intinya adalah mengubah satu elemen di seluruh rangkaian tanpa mengambil ulang bidikan — merencanakan secara terpisah dari perenderan adalah bentuk yang tepat. Untuk satu gambar diam, ini adalah komponen bergerak tambahan.

• Granularitas penyuntingan — Qwen-Image-2.1 mendukung penyuntingan lokal dengan lingkaran, anotasi yang dilukis, atau mask terpisah, plus penyuntingan lapisan transparan dan ekstraksi subjek dari foto RGB; kekuatan penyuntingan yang didokumentasikan Bernini-Diffusers-v2 adalah penyuntingan video terpandu referensi dan subjek-ke-video, bukan perbaikan lokal gambar diam.
• Input referensi — Qwen-Image-2.1 menerima hingga 10 gambar referensi, meskipun seorang peninjau akses awal melaporkan konsistensi multi-referensi memburuk dari sekitar tiga gambar dan seterusnya; penanganan referensi Bernini-Diffusers-v2 didokumentasikan seputar urutan video.
• Keterperiksaan — logika penulisan ulang Qwen-Image-2.1 adalah prompt sistem yang dapat dibaca di repositori; tahap perencanaan Bernini-Diffusers-v2 adalah bobot model.

Apa yang sebenarnya harus dilakukan dengan ini

Aturan keputusan muncul dari lisensi, bukan dari lembar spesifikasi.

Jika outputnya akan masuk ke sesuatu yang Anda jual — pekerjaan klien, produk, pipeline berbayar — Bernini-Diffusers-v2 adalah satu-satunya dari kedua ini yang dapat Anda gunakan tanpa perlu berdiskusi, dan Anda harus menganggarkan perangkat keras kelas Hopper untuk menjalankannya sesuai dokumentasi. Jika Anda melakukan riset, evaluasi, atau pekerjaan pribadi, Qwen-Image-2.1 memberi Anda sistem yang lebih dapat diperiksa dan sistem dengan alpha native, dengan konsekuensi berupa lisensi yang pada akhirnya harus Anda negosiasikan ulang atau Anda tinggalkan.

Ada opsi ketiga yang tidak dicakup oleh keduanya, dan layak disebut secara terang-terangan: model gambar terkelola, di mana Anda tidak pernah menyentuh file lisensi atau GPU. OrcaRouter merutekan 200+ model di balik satu endpoint yang kompatibel dengan OpenAI pada harga daftar penyedia tanpa markup, dengan failover otomatis antarpenyedia, DSL perutean untuk rantai fallback, dan fusi model. Baik Qwen-Image-2.1 maupun Bernini-Diffusers-v2 tidak ada dalam katalog kami saat tulisan ini dibuat — kami tidak merutekan model Qwen-Image versi mana pun dan tidak merutekan model Bernini — jadi ini bukan promosi untuk salah satunya. Lini gambar terutekan yang kami miliki adalah keluarga GPT-Image dari OpenAI, tingkatan Imagen 4 dan pratinjau gambar Gemini dari Google, serta endpoint gambar Grok Imagine dari xAI; karena harga daftar diteruskan apa adanya alih-alih ditandai naik, penurunan harga vendor pada salah satunya langsung berlaku pada hari yang sama.

Bagian yang tidak dapat dijawab oleh kedua repositori itu

Kedua rilis ini merupakan rilis senyap tanpa pemanasan, dan rilis senyap sulit direncanakan. Satu-satunya sinyal awal Qwen-Image-2.1 adalah catatan akses awal 17 September yang menawarkan 50 slot ModelScope dengan para penguji diminta untuk memublikasikan paling lambat 29 September — tiga hari sebelum bobotnya dipublikasikan. Bernini-Diffusers-v2 langsung muncul di Hugging Face pada 13 Agustus dengan mirror Gitee di sampingnya.

Yang hilang dari keduanya adalah alasan untuk percaya bahwa ketentuan itu akan tetap berlaku. Qwen memperketat lisensinya antara generasi gambar sebelumnya dan yang ini, yang merupakan titik data tentang arah. ByteDance mempertahankan Bernini Apache 2.0 selama dua generasi, yang merupakan titik data tentang arah sebaliknya. Apakah salah satu dari itu tetap berlaku untuk rilis berikutnya tidak dapat diketahui dari sini, dan itulah hal yang perlu diperiksa sebelum Anda mengadopsi pipeline, bukan sesudahnya.