Qwen-Image-2.1 vs Bernini-Diffusers-v2: La licenza è tutta la questione

Due sistemi di immagini open-weight sono arrivati a sei settimane di distanza l'uno dall'altro nel 2026 quasi in sordina, e non sono d'accordo proprio sull'unica cosa che decide se puoi costruirci sopra un business. Qwen-Image-2.1, pubblicato il 20 settembre 2026, viene distribuito con una licenza di ricerca — solo per uso non commerciale, uso commerciale tramite accordo separato. Bernini-Diffusers-v2, pubblicato da ByteDance il 13 agosto 2026, viene distribuito con licenza Apache 2.0, il che significa che puoi distribuirlo. La release che sembra più capace è quella che non puoi vendere, e quella più permissiva è quella che in gran parte vuole fare video. Questa inversione è il confronto.

L'inversione della licenza

Inizia dalla documentazione, perché ha la priorità su tutto il resto in questa pagina. Nessun divario di qualità, per quanto ampio, può colmare un problema di licenza, e nessun punteggio di benchmark salva un prodotto che deve essere ritirato.

• Licenza — Qwen-Image-2.1 è soggetto al Qwen Research License Agreement, datato 20 settembre 2026, "FOR NON-COMMERCIAL PURPOSES ONLY", con diritti commerciali disponibili solo su richiesta; Bernini-Diffusers-v2 è Apache 2.0.
• Conseguenza pratica — un workflow Qwen-Image-2.1 è un asset di valutazione o personale; un workflow Bernini-Diffusers-v2 è distribuibile oggi, con i consueti requisiti di attribuzione Apache e senza bisogno di interlocuzioni con il fornitore.
• Direzione intrapresa — la precedente linea di immagini di Qwen era distribuita sotto Apache 2.0, quindi questa release rappresenta un irrigidimento; ByteDance ha mantenuto Bernini permissivo in entrambe le generazioni.

Se leggete solo una sezione di questo articolo, leggete questa. Tutto ciò che segue è uno spareggio tra due cose che in realtà non sono affatto in parità su questo asse.

Che cos'è in realtà ciascun sistema

I due modelli non sono lo stesso tipo di oggetto, e la differenza salta fuori nel momento in cui guardi cosa viene incluso nel download.

Qwen-Image-2.1 è un unico modello unificato. Un singolo diffusion transformer a flusso singolo da 7B con 32 layer gestisce generazione ed editing con gli stessi pesi, condizionato da un text encoder Qwen3-VL 8B, con un VAE RGBA a 64 canali e compressione spaziale 16× che fa il lavoro pesante sulla trasparenza. Circa 33 GB in totale, con il DiT stesso a circa 14 GB e il text encoder che occupa il resto. Include anche due checkpoint opzionali per la riscrittura dei prompt — PE-T2I e PE-I2I, ciascuno un Qwen3.5-VL 9B fine-tuned da circa 18,8 GB — che riscrivono la tua istruzione in qualcosa di preciso prima che il modello di diffusione la veda.

Bernini-Diffusers-v2 è una pipeline, non un singolo modello. Un planner semantico Qwen2.5-VL svolge il ragionamento e scrive un piano semantico latente; un renderer di diffusione Wan2.2 lo esegue. Il cambiamento principale della ricetta v2 rispetto alla prima release di Bernini è che esegue il warm-up del connettore per migliaia di passi prima del co-training, ed è ciò che ha migliorato il video editing guidato da riferimenti e il comportamento di OpenS2V. Questa suddivisione in due fasi è la scommessa architetturale: prima il piano, poi il rendering, e puoi modificare il video modificando il piano.

• Architettura — Qwen-Image-2.1 è un DiT unificato per generazione e modifica; Bernini-Diffusers-v2 è un planner Qwen2.5-VL che pilota un renderer Wan2.2.
• Modalità — Qwen-Image-2.1 è solo immagini; Bernini-Diffusers-v2 copre t2i, i2i, t2v, v2v, editing video guidato da riferimento e r2v, quindi le immagini sono una stanza laterale piuttosto che la casa.
• Trasparenza — Qwen-Image-2.1 produce alpha dal sampler tramite il suo VAE RGBA; l'output documentato di Bernini-Diffusers-v2 è video RGB e frame immagine, senza alcun percorso alpha nativo equivalente descritto.
• Gestione dei prompt — Qwen-Image-2.1 fornisce checkpoint di riscrittura 9B separati che puoi leggere, confrontare con diff e sovrascrivere; il planner di Bernini-Diffusers-v2 fa parte della pipeline e il suo potenziatore di prompt è una chiamata opzionale a un endpoint compatibile OpenAI anziché un checkpoint fornito.
• Hardware — Qwen-Image-2.1 entra in una singola GPU consumer con offload su CPU consigliato su schede limitate; l'ambiente documentato di Bernini-Diffusers-v2 è di classe Hopper, H100/H800/H200, con parallelismo di sequenza multi-GPU per le configurazioni più grandi.

Dove il confronto smette di essere utile

Viene la tentazione di mettere questi due a confronto sulla qualità dell'output. Quel confronto non esiste, e fingere il contrario sarebbe la mossa disonesta.

Le cifre pubblicate di Bernini-Diffusers-v2 sono metriche video e di editing dichiarate dal fornitore — EditVerse 8,02, OpenVE 3,96, OpenS2V 63,83, VBench 84,46 — più l'affermazione di prestazioni di primo livello nell'arena di confronto a coppie in cieco con valutatori umani interna a ByteDance. Sono metriche video. Non è stato eseguito alcun benchmark indipendente sulle immagini di Bernini-Diffusers-v2, nessun FID, nessun punteggio di resa del testo, nessuna presenza in una classifica di immagini. Sul fronte opposto, l'unico dato di qualità di Qwen-Image-2.1 è il grafico Qwen-Image-Bench del fornitore stesso, dove riporta 60,28 contro Nano Banana 2.0 a 59,82 e GPT Image 1.5 a 59,65 — materiale del fornitore, non riprodotto, e il modello era assente dalle classifiche indipendenti di immagini al momento della stesura di questo testo. L'unico dato realmente indipendente è una verifica funzionale proveniente dal lavoro di integrazione SGLang: la verifica sull'output PNG trasparente è stata superata, il canale alpha è stato conservato su tutto l'intervallo 0–255, il PSNR RGBA misurato è risultato pari a 60,69 dB in un singolo campione, e le configurazioni FP8 hanno superato la generazione di PNG trasparenti. Gli autori di SGLang sono espliciti nel dire che si tratta di una verifica di correttezza, non di una garanzia di qualità.

Quindi: due release aperte, due scorecard dei fornitori, nessun benchmark condiviso e nessuna terza parte che le abbia provate entrambe. Chiunque ti dica che una batte l'altra sulla qualità delle immagini sta ripetendo il marketing.

Filosofia di editing: riscrivere il prompt o riscrivere il piano

Entrambi i modelli stanno cercando di risolvere lo stesso problema di fondo — l'istruzione di un utente è vaga e il modello di diffusione è letterale — e lo risolvono in punti opposti.

Qwen-Image-2.1 lo risolve sul piano linguistico. Il checkpoint PE-I2I prende la tua istruzione di modifica insieme a una o più immagini di input e la riscrive in una direttiva precisa prima della generazione. Poiché è un checkpoint distribuito con un system_prompt.txt fornito, puoi leggere esattamente ciò che gli viene detto di fare — inclusa la regola secondo cui il testo renderizzato nell'output dovrebbe corrispondere alla lingua dominante del testo già presente nell'immagine di input, invece di essere forzato all'inglese. Si tratta di un comportamento ispezionabile. Puoi sovrascriverlo.

Bernini-Diffusers-v2 lo risolve nella struttura. Il planner produce un piano semantico che il renderer esegue poi, e la proprietà interessante di questa disposizione è che il piano è qualcosa che puoi modificare. Per il lavoro video — dove spesso l'intero obiettivo è cambiare un elemento lungo una sequenza senza rigenerare l'inquadratura — pianificare separatamente dal rendering è la forma giusta. Per una singola immagine fissa, è un ingranaggio in più.

• Granularità di modifica — Qwen-Image-2.1 supporta modifiche locali tramite cerchio, annotazione dipinta o una maschera separata, oltre alla modifica con livelli trasparenti e all'estrazione del soggetto da fotografie RGB; i punti di forza documentati per la modifica di Bernini-Diffusers-v2 sono la modifica video guidata da riferimento e il soggetto-a-video, non la riparazione locale di immagini fisse.
• Input di riferimento — Qwen-Image-2.1 accetta fino a 10 immagini di riferimento, sebbene un recensore in accesso anticipato abbia segnalato un degrado della coerenza multi-riferimento a partire da circa tre immagini; la gestione dei riferimenti di Bernini-Diffusers-v2 è documentata intorno a sequenze video.
• Ispezionabilità — La logica di riscrittura di Qwen-Image-2.1 è un prompt di sistema leggibile nel repository; la fase di pianificazione di Bernini-Diffusers-v2 è nei pesi del modello.

Cosa fare davvero con questo

La regola decisionale deriva dalla licenza piuttosto che dalla scheda tecnica.

Se l'output finirà in qualcosa che vendi — lavoro per clienti, un prodotto, una pipeline a pagamento — Bernini-Diffusers-v2 è l'unico dei due che puoi usare senza una conversazione, e dovresti prevedere nel budget hardware di classe Hopper per eseguirlo come documentato. Se stai facendo ricerca, valutazione o lavoro personale, Qwen-Image-2.1 ti offre il sistema più ispezionabile e quello con alpha nativo, al costo di una licenza che prima o poi dovrai rinegoziare o abbandonare.

Esiste una terza opzione che nessuna delle due copre, e vale la pena nominarla apertamente: i modelli di immagini ospitati, dove non tocchi mai un file di licenza né una GPU. OrcaRouter instrada oltre 200 modelli dietro un unico endpoint compatibile con OpenAI, al prezzo di listino del provider e senza alcun ricarico, con failover automatico tra i provider, un DSL di routing per le catene di fallback e la fusione di modelli. Né Qwen-Image-2.1 né Bernini-Diffusers-v2 figurano nel nostro catalogo al momento in cui scriviamo — non instradiamo alcun modello Qwen-Image di nessuna versione né alcun modello Bernini — quindi questa non è una promozione per nessuno dei due. La linea di immagini instradate che offriamo è composta dalla famiglia GPT-Image di OpenAI, dai livelli di Google Imagen 4 e dalle anteprime di immagini Gemini, e dall'endpoint immagini Grok Imagine di xAI; poiché il prezzo di listino viene passato così com'è invece di essere maggiorato, un taglio di prezzo del fornitore su uno qualsiasi di essi è attivo lo stesso giorno.

La parte a cui nessuno dei due repository risponde

Entrambe sono state release silenziose, senza alcun preavviso, e le release silenziose sono difficili da pianificare. L'unico segnale anticipato di Qwen-Image-2.1 è stata una nota di accesso anticipato del 17 settembre che offriva 50 slot su ModelScope, con i tester invitati a pubblicare entro il 29 settembre — tre giorni prima che i pesi diventassero pubblici. Bernini-Diffusers-v2 è semplicemente apparso su Hugging Face il 13 agosto, con un mirror su Gitee accanto.

Ciò che manca a entrambi è una ragione per credere che i termini resteranno validi. Qwen ha reso più restrittiva la propria licenza tra la precedente generazione di immagini e questa, il che è un punto dati sulla direzione. ByteDance ha mantenuto Bernini Apache 2.0 attraverso due generazioni, il che è un punto dati sulla direzione opposta. Se una delle due cose varrà per la prossima release è impossibile saperlo da qui, ed è la cosa da verificare prima di adottare una pipeline, non dopo.