Qwen-Image 2.1 vs Meta Muse Image: Il modello che puoi chiamare vs il modello che puoi conservare

Esiste una versione di questo confronto che riguarda la qualità delle immagini, e non può ancora essere scritta — non onestamente. Qwen-Image 2.1, che il team di Qwen-Image ha pubblicato il 20 settembre 2026, non ha alcun punteggio indipendente di alcun tipo. Meta Muse Image, lanciato da Meta Superintelligence Labs il 7 luglio 2026 come primo modello di immagini interno di Meta, è stato misurato — si colloca terzo nella classifica di editing di immagini di Artificial Analysis con un Elo di circa 1.105, tra i primi cinque per il text-to-image, e sulla frontiera di Pareto qualità-prezzo a 10 dollari per mille immagini. Ma la domanda più utile su questi due non è quale sia migliore. È che cosa ti è consentito fare con ciascuno, e quelle risposte sono quasi perfettamente invertite.

Accesso e ispezionabilità sono due cose diverse, e nessuno offre entrambe.

Meta Muse Image è quello che puoi chiamare. Da agosto 2026 è raggiungibile tramite la Model API di Meta a una tariffa fissa di $0,01 per immagine — circa $10 per mille — su un endpoint compatibile con OpenAI, il che rappresenta un vero cambiamento rispetto a come il modello era descritto quando è stato lanciato a luglio, quando non esisteva alcuna via di accesso per gli sviluppatori. Quella tariffa fissa è insolita in una categoria in cui quasi tutto il resto è misurato in token, e rende banale la previsione dei costi: mille immagini costano dieci dollari, che siano semplici o elaborate.

Qwen-Image 2.1 è quello che puoi tenere. È un download di pesi — circa 33 GB distribuiti tra il transformer di diffusione, il text encoder e il VAE — pubblicato con la Qwen Research License Agreement datata 20 settembre 2026, che concede diritti «SOLO PER SCOPI NON COMMERCIALI» e richiede una licenza separata per l'uso commerciale. Non esiste alcun endpoint ospitato. Non c'è una tariffa fissa. E non c'è nemmeno nulla di nascosto: puoi leggere l'architettura, leggere il system prompt che riscrive i prompt, farne il diff, sovrascriverlo ed eseguire tutto quanto sul tuo hardware.

Quindi non è uno scambio tra qualità e qualità. È un modello a consumo, misurato, con licenza commerciale che non possiedi, contrapposto a un modello gratuito, non misurato e non commerciale che possiedi completamente. Pochissimi team possono schierarsi da una parte o dall’altra senza rinunciare a qualcosa.

Perché Muse non è esattamente un modello di diffusione nel senso usuale

Ciò che rende Meta Muse Image insolito è che non si limita a generare. Esegue un ciclo: può cercare sul web, scrivere ed eseguire codice e rivedere il proprio output prima di restituire un'immagine. Questa è la descrizione di Meta stessa, ed è il motivo per cui il modello è interessante e non solo competitivo — i passaggi agentici sono il punto in cui l'ambiguità del prompt viene risolta, e dove una richiesta come "fammi un grafico dei numeri di quest'anno" può essere soddisfatta anziché approssimata.

È anche il motivo per cui il suo comportamento è più difficile da comprendere. Un modello di immagini convenzionale è una funzione da prompt a pixel. Uno di tipo agentico ha una traiettoria, e la traiettoria non è qualcosa che si può leggere da una scheda del modello. Le cifre riportate dal fornitore — 94% di coerenza del personaggio su più immagini, fino a 10 immagini di riferimento, output fino a 1600 pixel sul lato lungo — descrivono l'inviluppo, non il ciclo.

Qwen-Image 2.1 risolve lo stesso problema di ambiguità nel modo opposto: in modo esplicito e allo scoperto. Insieme al modello di immagini, la release include due checkpoint di riscrittura dei prompt — Qwen/Qwen-Image-2.1-PE-T2I e Qwen/Qwen-Image-2.1-PE-I2I, ciascuno un Qwen3.5-VL 9B fine-tuned da circa 18,8 GB — che prendono un'istruzione vaga e la riscrivono in una direttiva precisa prima che il modello di diffusione la veda. La variante I2I ha sempre un'immagine di input, quindi è sempre un compito di editing. E, cosa cruciale, il comportamento del riscrittore è specificato in un system_prompt.txt che viene fornito nel repository, il che significa che il passaggio che decide cosa significa il tuo prompt è qualcosa che puoi leggere e modificare.

Il loop agentico di Meta e il riscrittore di prompt di Alibaba sono entrambi risposte a «il modello non sa cosa intendevi». Uno è un servizio che decide per te. L'altro è un file che puoi modificare.

Che aspetto hanno i numeri quando solo un lato li ha

Meta Muse Image è presente su entrambe le classifiche di immagini di Artificial Analysis. È terzo nella modifica delle immagini con circa Elo 1.105, dietro MAI-Image-2.6 a 1.122 e GPT Image 2 (high) a 1.117, ed è tra i primi cinque per la generazione da testo a immagine con circa Elo 1.116. A 10 $ per mille immagini si colloca sulla frontiera di Pareto qualità-prezzo, che è il posto utile in cui trovarsi: non il modello migliore della classifica, ma uno dei pochi in cui pagare di più ti dà misurabilmente di più.

Qwen-Image 2.1 non ha nulla di tutto ciò. Ha un post sul blog del fornitore con un grafico Qwen-Image-Bench che nessuna terza parte ha riprodotto, e ha un solo resoconto pratico — un tester in accesso anticipato nel programma Qwen Ambassador che ha eseguito i pesi finali tramite un'interfaccia ModelScope Studio e ha riportato all'incirca 10–15 secondi per la generazione testo-immagine e 18–23 secondi per l'editing, con la coerenza multi-riferimento che si degrada a partire da circa tre immagini di input in poi. Un solo revisore, nessun timer, nessun set di prompt. È un segnale utile e non è un benchmark, e il modo onesto di considerarlo è come un indizio su dove il modello potrebbe collocarsi, piuttosto che come prova di dove si trovi.

Il punto in cui Qwen-Image 2.1 è concretamente avanti non è la qualità ma la capacità a livello di pixel: output nativo 2K a 2048×2048 per impostazione predefinita, 40 passaggi di inferenza, sette preset di proporzioni, fino a 10 immagini di riferimento, modifiche locali tramite cerchio, annotazione dipinta o una maschera separata, e generazione RGBA con modifica del livello trasparente ed estrazione del soggetto da foto RGB. Il modello di Meta si ferma a 1600 pixel e la sua gestione della trasparenza non è pubblicata. Se hai bisogno di un canale alfa reale fin da subito, è una decisione già presa per te.

La tariffa fissa è la parte su cui vale la pena riflettere.

Un centesimo fisso per immagine è una decisione di prezzo, non una decisione tecnica, e cambia lo scopo del modello. Un prezzo per immagine misurato in token punisce la complessità: un'istruzione lunga con diverse immagini di riferimento costa più di una breve, il che significa che il costo di un'immagine è legato a quanto sia stata difficile da realizzare. Con una tariffa fissa quell'accoppiamento scompare, e il comportamento razionale cambia di conseguenza: smetti di ottimizzare i prompt in base alla lunghezza e inizi a usare il modello nel modo in cui è stato progettato per essere usato, con il ciclo agentico e le immagini di riferimento che fanno il loro lavoro.

È anche il tipo di prezzo che solo un'azienda che serve il proprio modello può offrire, cosa che vale la pena menzionare quando si sceglie un fornitore. OrcaRouter espone oltre 200 modelli dietro un unico endpoint compatibile con OpenAI al prezzo di listino del fornitore senza alcun ricarico, con failover automatico tra fornitori e un DSL di routing che compone più modelli in un'unica chiamata. La proprietà rilevante qui è il pass-through: poiché applichiamo il prezzo di listino del fornitore anziché uno maggiorato, un cambiamento di prezzo del fornitore — l'apparizione di una tariffa fissa, il calo di una tariffa a token — è attivo dalla nostra parte lo stesso giorno invece di aspettare un contratto. Né Meta Muse Image né Qwen-Image 2.1 sono tra i modelli che instradiamo oggi e questo articolo non intende suggerire il contrario; i modelli di immagini che effettivamente esponiamo sono la famiglia GPT-Image di OpenAI, i livelli di Imagen 4 di Google e le anteprime di immagini di Gemini, e l'endpoint immagini Grok Imagine di xAI.

Il contrasto che conta per questo confronto è che uno di questi due modelli ha un prezzo, punto. Meta Muse Image costa $0,01 per immagine, pubblicato, su un'API che puoi chiamare questo pomeriggio. Qwen-Image 2.1 costa un download da 33 GB, una GPU che possiedi già e una revisione legale di una licenza che dice solo uso non commerciale.

Dove convergono accidentalmente

Entrambi i modelli accettano fino a 10 immagini di riferimento. Non è tanto una coincidenza quanto un settore che si assesta su una risposta: dieci bastano per una scheda personaggio, un set di prodotti o un pacchetto di riferimenti di stile, e oltre quel punto il condizionamento smette di aiutare e inizia a ostacolare. Meta pubblica una cifra del 94% di coerenza del personaggio su più immagini per il suo modello; Alibaba non pubblica nulla di equivalente, e l'unico resoconto indipendente basato sulla pratica suggerisce che la coerenza inizia a degradarsi intorno alla terza immagine di riferimento. Due modelli che rivendicano lo stesso ambito con prove sottostanti radicalmente diverse: è l'intero confronto in miniatura.

Convergono anche sul problema che nessuno dei due ha risolto: nessuno dei due ti offre entrambe le cose. Meta Muse Image non può essere scaricato, ispezionato o eseguito sul tuo hardware, e il suo ciclo agentico è una scatola nera per costruzione. Qwen-Image 2.1 non può essere venduto, non può essere chiamato e non può ancora essere misurato rispetto a nulla. Se il tuo vincolo è una scadenza, uno di questi è utilizzabile oggi. Se il tuo vincolo è una revisione di conformità o la necessità di capire esattamente cosa sta facendo la tua pipeline, lo è l'altro.

Scegli in base a ciò che devi fare dopo, non in base a quale sia migliore

Se devi rilasciare la generazione di immagini questo trimestre con una licenza commerciale e un modello misurabile alle spalle, Meta Muse Image è la risposta e $0.01 per immagine è un numero che puoi mettere in un budget. Se devi capire un modello di immagini dall'inizio alla fine — l'attention masking, il riscrittore di prompt, il VAE, la licenza — Qwen-Image 2.1 è l'unico dei due che te lo consente, e la sua licenza di ricerca lo rende inutilizzabile per qualsiasi altro scopo. Nessuna delle due scelte è un compromesso sulla qualità, perché la questione della qualità è ancora aperta da un lato. Si chiuderà quando abbastanza persone eseguiranno Qwen-Image 2.1 in pubblico da metterlo su una classifica, e ai tester in accesso anticipato è stato chiesto di pubblicare entro il 29 settembre. Quella è la data in cui questo confronto diventa reale.