Qwen-Image-2.1 vs Grok Imagine Image 2.0: pesi gratuiti contro un ambiente a pagamento

Uno di questi non costa nulla per immagine e viene fornito con una licenza che vieta di vendere il risultato. L'altro costa tra due e sei centesimi per immagine a seconda di dove lo acquisti, non comporta alcuna restrizione di questo tipo ed è classificato nelle board che puoi effettivamente consultare. Qwen-Image-2.1è stato reso pubblico il 20 settembre 2026 come pesi aperti con licenza di ricerca. Grok Imagine Image 2.0è l'endpoint immagini a pagamento del fornitore, distribuito tramite la sua API e una serie di provider terzi. La scelta tra i due non riguarda la qualità: riguarda se vuoi possedere il modello o affittare l'ambiente che lo circonda, e l'ambiente fa più lavoro di quanto il prezzo lasci intendere.

Quanto costa un'immagine su ciascun lato

Il prezzo di Qwen-Image-2.1 è zero per immagine e non nullo una tantum. Scarichi circa 33 GB — un diffusion transformer single-stream da 7B e 32 livelli di circa 14 GB, più un text encoder Qwen3-VL 8B che occupa la maggior parte del resto — e dopodiché il costo marginale di un'immagine è l'elettricità necessaria per eseguirla. Su una GPU con risorse limitate, la scheda del modello consiglia l'offload su CPU tramite pipe.enable_model_cpu_offload(), che è la valvola di sfogo standard e ti costa in velocità anziché in denaro.

Il prezzo di Grok Imagine Image 2.0 è strutturato in modo opposto. La documentazione di xAI stessa indica il modello di punta a 0,04 $ per immagine generata, con l'endpoint base per immagini di Grok Imagine a 0,02 $ e il livello di qualità a 0,05 $. I fornitori di terze parti si collocano in una fascia simile, con una propria struttura a livelli: uno elenca tariffe fisse di 0,05 $ per la generazione da testo a immagine e 0,06 $ per l'editing indipendentemente dalla risoluzione o dall'impostazione di qualità, un altro indica 0,045 $ fissi sia a 1K sia a 2K per il proprio livello di qualità, e un terzo pubblicizza 0,025 $ per la generazione da testo a immagine o l'editing basato su riferimenti con un massimo di cinque immagini di input. Nel complesso, il mercato si assesta su circa 0,02–0,06 $ per immagine, con l'accesso per i consumatori incluso in X Premium e SuperGrok anziché fatturato per singola immagine.

• Modello di costo — Qwen-Image-2.1 è un costo fisso di hardware e download con costo marginale per immagine pari a zero; Grok Imagine Image 2.0 è puramente marginale, e scala linearmente con il volume per sempre.
• Punto di pareggio — il punto di incrocio è una questione di volume che puoi calcolare, e si sposta ogni volta che un fornitore cambia una tariffa. Con qualche migliaio di immagini al mese la via hosted è banalmente più economica che comprare una GPU; con un volume sostenuto elevato la via locale vince sul costo e perde su ogni altro fronte.
• Ciò che non puoi comprare sul fronte locale — limiti di frequenza, uptime e il team operativo di qualcun altro. Ciò che non puoi comprare sul fronte hosted sono i pesi.

Cosa dicono le classifiche, e cosa non dicono

Grok Imagine Image 2.0 ha dichiarazioni pubbliche di posizionamento in classifica. Il materiale di lancio di xAI citava il secondo posto assoluto sia nella classifica Text-to-Image sia in quella Image Edit Arena al 7 agosto 2026, dietro GPT Image 2 — si tratta di un'istantanea datata e citata dal fornitore, e va letta come tale. I monitoraggi di terze parti nelle settimane successive lo collocavano intorno al secondo posto nell'editing di immagini e al terzo nella generazione di immagini da testo, sempre dietro GPT Image 2, con valori Elo nella fascia bassa dei 1.300 e alcuni siti di monitoraggio che riportavano cifre più vicine a 1.173–1.175. La differenza tra questi numeri è di per sé l'insegnamento: le posizioni in classifica in questa categoria cambiano di settimana in settimana, e un posizionamento senza una data non è un'informazione.

Qwen-Image-2.1 non compare affatto in alcuna classifica. Era assente dalle classifiche indipendenti di immagini al momento della stesura di questo testo. Il suo unico dato di qualità è il grafico Qwen-Image-Bench del fornitore stesso, dove segna 60,28 contro i 59,82 di Nano Banana 2.0 e i 59,65 di GPT Image 1.5 — materiale del fornitore, non riprodotto da alcuna terza parte. L'unico dato realmente indipendente è la verifica funzionale pubblicata insieme al lavoro di integrazione con SGLang: l'output PNG trasparente è risultato conforme, l'alfa è stato mantenuto su tutto l'intervallo 0–255 e il PSNR RGBA ha misurato 60,69 dB in un singolo campione che gli autori descrivono esplicitamente come una verifica di correttezza anziché una garanzia di qualità.

Quindi il vero tabellone è questo: un modello ha una posizione pubblica che cambia e un'affermazione del fornitore a essa collegata, mentre l'altro ha una scheda di valutazione del fornitore e un test di integrazione superato. Questa non è una comparazione, e nessun articolo che sostenga il contrario li ha eseguiti entrambi.

Alpha, e perché è l'unica asimmetria tecnica

La trasparenza di Qwen-Image-2.1 è integrata nel modello. Un VAE RGBA a 64 canali con compressione spaziale 16× significa che il canale alfa fa parte dello spazio latente sottoposto a denoising, il che offre tre cose da un unico meccanismo: generazione con trasparenza, modifica all'interno di un'immagine che ha già trasparenza senza prima appiattirla, ed estrazione del soggetto da una normale fotografia RGB che restituisce l'alfa invece di una maschera netta. Nessun nodo di rimozione dello sfondo, nessun modello di matting, nessuna pulizia dei bordi — questa è l'affermazione del fornitore, e la verifica funzionale di SGLang è l'unica prova indipendente che il canale sia reale e non nominale.

Grok Imagine Image 2.0 non ha un equivalente documentato. La sua superficie pubblicata è text-to-image e modifica basata su riferimento, con livelli di risoluzione e qualità e fino a cinque immagini di input su alcuni provider. Se il tuo asset richiede un soggetto scontornato con bordi semi-trasparenti puliti — capelli, vetro, fumo — stai aggiungendo uno step di matting sul lato Grok e non sul lato Qwen. Se quello step costi più del grattacapo della licenza dall'altra parte è la vera domanda ingegneristica, e dipende dal tuo soggetto.

Un ambiente di editing rispetto a un checkpoint

I due sistemi non concordano su dove debba risiedere l'intelligenza di editing.

Grok Imagine Image 2.0 lo eroga come servizio. Invii un'immagine di riferimento e un'istruzione, il provider decide cosa significa, e i livelli di risoluzione e qualità vengono scelti per richiesta. Non c'è nulla da leggere, nulla da mettere a punto e nulla che si possa rompere — il che è un vero vantaggio per un team che non vuole gestire in proprio una pipeline diffusers. È anche il motivo per cui il prezzo varia da provider a provider per quello che nominalmente è lo stesso modello: stai acquistando un ambiente, non solo dei pesi.

Qwen-Image-2.1 lo inserisce in checkpoint che puoi ispezionare. Insieme al modello di immagini distribuisce due modelli di riscrittura dei prompt — PE-T2I e PE-I2I, ciascuno un Qwen3.5-VL 9B fine-tuned da circa 18,8 GB — con il codice di riscrittura in una prompt_rewrite/ cartella e un system_prompt.txt incluso che specifica, tra le altre cose, come viene scelta la lingua del testo renderizzato. Questo è un livello di ispezionabilità che nessuna API di immagini ospitata offre. È anche 37,6 GB di rewriter in aggiunta al modello, il che è un costo reale in termini di disco e tempo di caricamento per un componente che la maggior parte delle pipeline considererà opzionale.

• Superficie 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; la modifica documentata di Grok Imagine Image 2.0 è guidata da immagini di riferimento.
• Input di riferimento — Qwen-Image-2.1 accetta fino a 10 immagini di riferimento, con un revisore in accesso anticipato che segnala un degrado della coerenza multi-riferimento a partire da circa tre immagini; diversi fornitori di Grok documentano fino a cinque immagini di input.
• Risoluzione nativa — Qwen-Image-2.1 genera nativamente a 2K con 2048×2048 come impostazione predefinita a 40 passaggi su sette preset di proporzioni; la risoluzione di Grok Imagine Image 2.0 è una scelta per singola richiesta, con prezzo determinato dal fornitore.

Distribuzione e la licenza

È qui che i due divergono nel modo più netto, e non si tratta affatto di una differenza tecnica.

Grok Imagine Image 2.0 è disponibile tramite l'API di xAI e tramite molteplici fornitori indipendenti di terze parti, il che significa concorrenza sui prezzi, il che significa che la tariffa che paghi è una tariffa di mercato anziché una tariffa di listino. Non c'è alcun download, nessuna GPU, nessun file di licenza da leggere e nessuna restrizione all'uso commerciale al di là dei termini del fornitore stesso.

Qwen-Image-2.1 è disponibile in un solo modo: scaricarlo. Viene distribuito con il Qwen Research License Agreement datato 20 settembre 2026, che concede diritti esclusivamente per scopi non commerciali e stabilisce che l'uso commerciale richiede una licenza separata da richiedere al fornitore. Si tratta di un inasprimento rispetto alla precedente linea Qwen-Image, distribuita con licenza Apache 2.0, ed è l'unico fattore che determina la maggior parte delle decisioni concrete tra questi due. Uno studio che li confronta sulla qualità dell'output sta rispondendo alla domanda sbagliata; lo studio che non può usare Qwen-Image-2.1 per il lavoro con i clienti non li sta affatto confrontando.

OrcaRouter è dove vive il lato noleggiato di quell'accordo. Instradiamo oltre 200 modelli dietro un unico endpoint compatibile con OpenAI, al prezzo di listino del provider e senza alcun ricarico, con failover automatico tra provider, un DSL di routing e la fusione di modelli — così una rotta per immagini può indicare un primario e un fallback invece di scommettere sul pomeriggio di un singolo provider. Instradiamo l'endpoint immagini xAI Grok Imagine, ma attenzione alla versione: il nostro catalogo include grok/grok-imagine-image, non Grok Imagine Image 2.0, quindi il modello più recente non è qualcosa che possiamo attualmente servirti. Non instradiamo nemmeno alcun modello Qwen-Image di alcuna versione, perciò Qwen-Image-2.1 è solo locale. La linea di immagini instradata che offriamo è la famiglia GPT-Image di OpenAI, i tier di Google Imagen 4 e le anteprime immagini di Gemini, e quel più vecchio endpoint immagini Grok Imagine; poiché il prezzo di listino viene passato così com'è anziché maggiorato, un taglio di prezzo del fornitore su uno qualsiasi di essi è attivo lo stesso giorno.

Cosa cambierebbe questa risposta?

Tre cose, e tutte e tre sono plausibili nell'arco di un trimestre.

• Una licenza commerciale per Qwen-Image-2.1. Se il fornitore pubblica condizioni a un prezzo che uno studio è disposto a pagare, il vantaggio della trasparenza e il costo marginale zero diventano entrambi utilizzabili in ambito commerciale, e questo confronto cambia completamente forma. Oggi non ci sono né un prezzo pubblicato né condizioni dichiarate.
• Un benchmark indipendente di Qwen-Image-2.1. Una terza parte che riproduce i valori di Qwen-Image-Bench del fornitore, o che inserisce il modello in una board pubblica di immagini, trasformerebbe l'unica domanda ancora aperta — è davvero buono? — in una questione risolta.
• Una mossa di prezzo sul fronte Grok. La concorrenza tra fornitori ha già prodotto una forbice da 0,02 $ a 0,06 $ per quello che è nominalmente lo stesso modello. Un taglio duraturo renderebbe il percorso hosted l'opzione predefinita per più fasce di volume rispetto a oggi.

Finché uno di quelli non si concretizza, lo spareggio non è la qualità e non è il prezzo. È se ti serve alpha e puoi convivere con una licenza non commerciale, nel qual caso lo scarichi e paghi in hardware; oppure se devi rilasciare e vuoi che qualcun altro faccia girare il modello, nel qual caso paghi per immagine e non pensi mai più a un VAE.