Qwen-Image 2.1 vs FLUX 3：なかなか使えない2つの画像モデル

Qwen-Image 2.1とFLUX 3は、2026年後半の画像リリースの中で最も興味深い2つだが、どちらもそのまま素直に使えるものではない。Qwen-Imageチームが2026年9月20日にオープンソース化したQwen-Image 2.1は70億パラメータの統合型生成・編集モデルで、今日の午後にもダウンロードできるが、商用製品に法的に組み込むことはできない。Black Forest Labsが2026年7月23日に発表したFLUX 3は統合型マルチモーダル基盤モデルだが、その画像層——実際に比較の対象となる部分——は、発表から2か月経った今も公開エンドポイントも、モデルIDも、価格も、ベンチマークも存在しない。したがってこの比較は「どちらが優れているか」ではない。2つの障壁のうち、どちらを回避できるか、である。

2種類の異なる利用不可

どちらも「まだ準備ができていない」として片づけて先へ進みたくなる。だがそれでは、唯一重要な判断を覆い隠してしまう。なぜなら、二つの障害は正反対の形をしているからだ。

Qwen-Image 2.1の障壁は法的なものであり、それは何かをダウンロードする前に読めるファイル内の一行だ。重みはHugging FaceとModelScopeにあり、モデルカードは書かれ、推論コードは公開され、4つの独立したサービングフレームワークがリリース当日またはそれ以前にサポートをマージ済みだ。技術的には、あなたと稼働するモデルの間には何も立ちはだかっていない。あなたとそれを出荷することの間に立ちはだかるのは、2026年9月20日付のQwen Research License Agreementであり、その権利付与条項は「非商用目的のみ」での使用を許可し、商用権利を求める者にはベンダーから別途ライセンスを申請するよう指示している。

FLUX 3の障害は物理的なものだ。呼び出す画像エンドポイントも、渡すモデル識別子も、予算を立てるための価格表も存在しない。BFL自身の料金ページはFLUX 3 Videoのティアと旧来のFLUX.2画像ラインをカバーしているが、FLUX 3の画像ティアはカバーしていない。なぜなら価格設定するものが何もないからだ。画像モデルへのアクセスは「はじめる」ボタンではなく、リクエストのみとなっている：BFL自身のFLUX 3ページでは、画像ティアは「近日公開」と記載されており、早期アクセスのラベルが付いているのはアクションティアの方だ。

このうち一方は、今夜動かせるけれど販売できないモデルで、もう一方は、販売できるけれど動かせないモデルだ。どちらがあなたにとってより有用かは、その文のどちら側に立っているかによって完全に決まる——社内研究チームと商用製品チームは、同じ二つの事実から正反対の結論に達するはずだ。

ディメンションごとの読み取り

• ステータス — Qwen-Image 2.1 の重み、ライセンス、モデルカードが 2026年9月20日に公開され、同日にベンダーのブログ記事も発表されました。FLUX 3 は 2026年7月23日に発表されましたが、出荷済みなのは動画ティアのみで、2026年8月4日に一般提供開始となりました。

• 今日実際に呼び出せるもの — Qwen-Image 2.1 は、Diffusers、ComfyUI、vLLM-Omni、SGLang、LightX2V を通じてローカルで、またはベンダー自身の API や複数のサードパーティ製プラットフォームを通じて実行できます。FLUX 3 は画像ティアを「近日公開」と表示しており、呼び出せるエンドポイントはありませんが、価格が設定された一般提供の動画エンドポイントを提供しています。

• アーキテクチャ — Qwen-Image 2.1は、視覚生成コンポーネントに70億パラメータの32層シングルストリームDiTを採用し、Qwen3-VL 8Bテキストエンコーダと、16倍の空間圧縮を行う64チャネルRGBA VAEを備えています。FLUX 3は、画像・動画・音声をまたいで統合的に学習された単一の統合フローモデルで、BFLがSelf-Flowと呼ぶ自己教師ありフローマッチング手法に基づいて構築されており、Mimic Roboticsと並行して開発された行動予測層も備えています。

• ネイティブな透明性 — Qwen-Image 2.1はRGBA画像を生成・編集し、透明レイヤー内のテキストを編集し、RGB写真から被写体を透明レイヤーへ抽出する。これはAlibabaが2025年12月にQwen-Image-Layeredとして個別にリリースした機能を統合したものだ。BFLはFLUX 3 Imageについて透明性に関する主張を一切公表していない。

• 参照画像 — Qwen-Image 2.1 は最大 10 件の入力参照に対応し、円、ペイントによる注釈、または個別のマスクによるローカル編集が可能です。FLUX 3 Image については公表された数値はありません。

• 解像度 — Qwen-Image 2.1 はネイティブ 2K で、40 推論ステップで 2048×2048 を既定とし、7 種類のアスペクト比プリセットが文書化されています。FLUX 3 Image の解像度は、発表では「広範」としか説明されておらず、何も公開されていません。

• 価格 — どちらも公開価格はありません。Qwen-Image 2.1 は執筆時点でホスト型の料金が掲載されていません。FLUX 3 Image はエンドポイントが存在しないため、価格表がありません。現存する FLUX 3 の価格は動画のみで、ドラフトが1秒あたり $0.06、HD が1秒あたり $0.17、FHD が1秒あたり $0.29 です。

• ライセンス — Qwen研究ライセンス契約、非商用限定、商用利用は別途申請が必要。画像ティアに関するFLUX 3のライセンス条件は一切公開されていない。

一つの非対称性は、それだけで一行を割く価値がある。それがこの対決における罠だからだ。FLUX 3には公表されたベンチマーク数値が確かに存在する——テキストから動画への内部Elo 1,135、そしてGrok Imagine Video、Seedance 2.0、Gemini Omni Flash、Runway Gen-4.5、Luma Ray 3.2に対して報告された人間の嗜好に基づく勝率である。それらの数値はすべて動画ティアを説明するものであり、そのいずれも画像生成には当てはまらない。さらにBFL自身、画像に関するベンチマークも勝率も一切公表していない。FLUX 3の動画EloをFLUX 3の画質の証拠として引用することは、この比較において最も犯しやすい単一の誤りである。

各当事者が実際に示せるもの

証拠を並べてみると、非対称性は前のセクションとは逆転する。

FLUX 3 には、出荷済みで価格設定もされ、一般提供されている製品がある——ただし、この記事のタイトルにあるものではない。FLUX 3 Video は、1回のパスで同期音声付きの最大20秒のクリップを生成し、テキストから動画、画像から動画、動画から動画、キーフレームから動画、ジェネレーティブ・コンティニュエーションをサポートしており、すでに Canva、Burda、Magnific、Krea、Picsart によってテストされている。これは実際に展開されたシステムで、実際の顧客リストもある。画像ティアはまだ登場していない部分であり、BFL の当初の「数週間以内に続く」という案内は、公開エンドポイントのないまま、すでに丸2か月を超えている。

Qwen-Image 2.1は正反対のプロファイルを持つ。その品質に関する主張はベンダー自身のQwen-Image-Bench比較チャートに由来しており、第三者による再現はない。しかし、実物自体はあなたの手元にある。33GBの重み、研究専用であることを正直に明記したライセンスファイルを伴うApacheライクなリポジトリ構成、そして5つのフレームワークにわたるDay-0のサービング経路だ。さらに、早期アクセスのハンズオンレビューが1件あり、あるテスターが最終重みをModelScope Studioインターフェースで実行し、テキストから画像生成では約10～15秒、編集では18～23秒かかったこと、カメラプリセットと複数キャラクターの役割割り当ての挙動が強力であること、複数参照の一貫性が入力画像およそ3枚から劣化し始めることを報告している。レビュアーは1人、タイマーなし、公開されたプロンプトセットもなし。方向性を示すには有用だが、正式には未検証である。

証拠を正直に要約すると、Qwen-Image 2.1 には実行可能なモデルがあり、独立した品質データはない。FLUX 3 Image にはベンダーの主張があり、実行可能なモデルも画像データも一切ない。もしあなたの問いが「このうちどちらを軸にパイプラインを計画すべきか」というものであるなら、今日の答えはどちらでもなく、その理由はそれぞれ異なる。

回避策が実際にどこにあるのか

商用チームにとって、Qwen-Image 2.1 の障壁は、計画を立てる際に織り込める形をしている。ライセンスは明確で、商用ライセンスの連絡先はリポジトリに明記されており、モデルは十分小型である — 生成コンポーネントで 7B — ため、自社ハードウェアで評価するコストは四半期ではなく午後（半日）で測れる。まず評価し、次に交渉する。そしてその間、研究用ビルドは顧客向けの導線から外しておくこと。これは通常の調達上の問題だ。

FLUX 3 Imageのブロッカーは調達の問題ではない。なぜなら、調達できるものが何もないからだ。アーリーアクセス待ち行列には参加でき、エンドポイントが現れるのを待つこともできるが、それで利用可能な行動はそれだけだ。今日、本番環境でFLUXファミリーの画像生成が必要なら、呼び出し可能な選択肢は旧世代のFLUX.2およびFLUX Pro/Dev系であり、これらは価格が設定され利用可能だ。そしてこれらは、この記事が扱っているモデルとは別の世代のモデルである。

両方の候補を本番経路にコミットすることなくテストしたいチームにとって、これこそまさにルーティングレイヤーが存在する理由です。 OrcaRouterは200以上ものモデルを、プロバイダー定価のままマークアップゼロで、1つのOpenAI互換エンドポイントの背後に配置し、プロバイダー間の自動フェイルオーバーを備えています。そのため、実績のない、あるいは未リリースのモデルは、すでに信頼しているものを置き換えるのではなく、その隣のルートの背後に置かれます。また、定価がそのまま反映されるため、ルーティングされたモデルに対するベンダーの価格変更はその日のうちに有効になります。本稿執筆時点では、Qwen-Image 2.1もFLUX 3 Imageもルーティング可能ではなく、そうでないかのように装うつもりはありません。私たちが実際にルーティングしているのは、それらを取り巻く画像系のラインです。具体的には、OpenAIのGPT-Imageファミリー、GoogleのImagen 4の各ティアとGeminiの画像プレビュー、そしてxAIのGrok Imagine画像エンドポイントが含まれます。これらは、この2つが落ち着くまでの間、ワークロードを担うことのできるモデルです。

特にQwen側でもう一つ注目に値する点がある。AlibabaはQwen-Image 1.0と2.0をApache-2.0のオープンウェイトとしてリリースし、その後2026年7月にQwen-Image 3.0を、ウェイトもライセンスも技術レポートもない完全クローズドのホスト型モデルとしてリリースし、さらに9月にはQwen-Image 2.1を研究目的限定ライセンスの下でオープンウェイトとしてリリースした。進む方向は一直線ではなく、次回リリースのライセンス条件は、どちらかの方向に安全に仮定できるものではなく、真に未解決の問いである。

評決、といっても大したものではないが

研究者または社内評価チームなら、Qwen-Image 2.1 は現時点で二つのうちより有用な方であり、しかも大差でそうだ——ダウンロードでき、文書化され、フレームワークでサポートされ、その条件についても正直である。商用チームなら、どちらもブロックされているが、そのブロックは同等ではない。一方は話し合いを始められる契約であり、もう一方はまだ存在しない製品だ。

今月中に画像生成を出荷しなければならないなら、どちらもその答えにはならない。そこで有益な問いは、あなたが呼び出せるモデルのうち、どれが最も近づけるかだ。それはベンチマークの作業であり、誰かのローンチチャート——ベンダーのものでも、この記事のものでも——ではなく、自分のプロンプトで行う価値がある。