조용히 출시된 Qwen-Image 2.1: Qwen/Qwen-Image-2.1-PE-I2I 내부 들여다보기

2026년 9월 20일, Qwen-Image 팀은 Qwen-Image 2.1을 Hugging Face와 ModelScope에 공개했습니다 — 가중치, 라이선스 파일, 모델 카드, 블로그 글까지 모두 같은 날 안에, 사전 예고는 거의 없는 상태로 말이죠. 헤드라인 숫자는 비주얼 생성 구성 요소의 7B 파라미터입니다. 아직 거의 아무도 열어보지 않은 부분은 Qwen/Qwen-Image-2.1-PE-I2I로, 이미지 모델과 함께 출시된 두 개의 프롬프트 재작성 체크포인트 중 하나입니다. 이것은 이미지 모델이 아닙니다. 이미지 모델이 그것을 보기도 전에 여러분의 지시가 무엇을 의미하는지 결정하는 것 — 그리고 이번 릴리스에서는 출력이 어떤 언어로 돌아올지를 조용히 정하는 구성 요소입니다.

여기서 "조용히 출시됨"이 실제로 의미하는 것

표현은 중요하다. 어느 방향으로든 과장하기 쉽기 때문이다. Qwen-Image 2.1은 유출된 것도 아니었고, 사전 예고 없이 나온 것도 아니었다. 2026년 9월 20일자 벤더 블로그 게시물, 같은 날짜가 적힌 뉴스 섹션이 있는 GitHub 리포지토리, 그리고 실제로 제공되는 가중치 다운로드가 있다. 다만 사전 준비 기간은 없었다. 유일한 사전 신호는 9월 17일의 안내로, ModelScope를 통해 50개의 얼리 액세스 슬롯을 제공하며 선정된 테스터들에게 9월 29일까지 샘플이나 리뷰를 게시해 달라고 요청한 것이었다. 3일 후 가중치가 공개되었다. 기조연설도, 벤치마크 엠바고도, 언론 보도 사이클도 없었다.

이것은 특정한 종류의 출시이며, 정확히 이름 붙일 가치가 있습니다. 벤더가 이를 발표했습니다. 벤더가 이를 홍보하지는 않았습니다. 이것을 기반으로 구축할지 결정하는 사람이라면 누구에게나, 실질적인 결과는 아직 의지할 만한 독립적 평가가 없다는 점입니다 — 오직 벤더 자체 자료와 다음 주 동안 얼리 액세스 테스터들이 공개하는 내용뿐입니다. Alibaba 외부의 누군가가 이를 공개적으로 실행할 때까지, 이 기사의 모든 품질 주장은 모델 카드와 블로그 게시물에서 나온 것으로 간주하세요.

PE-I2I 체크포인트가 특히 흥미로운 이유

Qwen-Image 2.1 릴리스에는 하나가 아니라 세 개의 다운로드 가능한 구성 요소가 포함되어 있습니다:

• Qwen/Qwen-Image-2.1 — 이미지 모델 자체입니다. 시각 생성 컴포넌트에 7B 파라미터를 갖춘 32레이어 단일 스트림 DiT, Qwen3-VL 8B 텍스트 인코더, 그리고 16× 공간 압축을 수행하는 64채널 RGBA VAE로 이루어져 있습니다. 세 컴포넌트를 합치면 약 33 GB입니다.

• Qwen/Qwen-Image-2.1-PE-T2I — 텍스트-이미지 변환을 위한 프롬프트 재작성기. 파인튜닝된 Qwen3.5-VL 9B, 약 18.8GB.

• Qwen/Qwen-Image-2.1-PE-I2I — 이미지-투-이미지 편집을 위한 프롬프트 재작성기입니다. 또한 파인튜닝된 Qwen3.5-VL 9B로, 역시 약 18.8 GB이며, 9월 20일 08:46 UTC에 Hugging Face에 업로드되었습니다.

"PE"는 프롬프트 향상입니다. I2I 변형은 모호한 편집 지시와 하나 이상의 입력 이미지를 받아, 이를 다운스트림 diffusion 모델을 위한 정확하고 모호하지 않은 편집 지시문으로 다시 작성합니다. 저장소 자체 설명은 입력 형태에 대해 직설적입니다: 입력 이미지가 항상 존재하므로, 이는 항상 이미지 편집 작업이며 결코 무에서 시작하는 text-to-image가 아닙니다. 재작성 코드는 prompt_rewrite/ 폴더에 있으며, 두 체크포인트를 모두 지원합니다 — --task t2i 또는 --task edit — transformers 경로, vLLM 경로, serve.sh와 client.py는 상시 서비스용이고, pe_core.py는 공유 로직용입니다.

이것이 들리는 것보다 더 중요한 이유입니다. 이미지 모델은 당신이 의도한 바를 전혀 모릅니다. 그것은 당신의 프롬프트가 문자 그대로 말하는 바에 대한 관념을 가지고 있을 뿐이며, 이는 텍스트 인코더가 그것을 어떻게 처리하느냐에 따라 가중치가 부여됩니다. 그 앞에 있는 리라이터가 바로 모호성이 해결되는 곳입니다 — 아니면 해결되는 게 잘못이고, 당신이 생성하는 모든 이미지에서 일관되게. 최대 10개의 참조 이미지를 사용하는 통합 생성 및 편집 모델에서는 그 해결 단계가 평소보다 더 많은 것을 잘못할 여지가 있습니다.

시스템 프롬프트는 언어 결정이 있는 곳입니다.

PE-I2I 저장소는 system_prompt.txt를 가중치와 함께 제공하며, 한 가지 점에 대해 이례적으로 명확하다: 언어. 이를 직접 읽어보면, 재작성기는 다음을 하도록 지시받는다: 두 가지 별개의 언어 결정을 내리고, 그것들을 서로 구분해 유지하기.

• 설명 언어입니다. 리라이터가 편집 내용을 설명하기 위해 작성하는 산문은 사용자의 지시 언어를 따릅니다 — 중국어 지시에는 중국어 설명, 영어 지시에는 영어 설명, 일본어, 한국어, 프랑스어, 태국어 또는 그 밖의 언어로 된 지시에는 영어 설명이 제공됩니다.

• 렌더링된 텍스트 언어. 출력 이미지에 실제로 그려질, 큰따옴표 안에 담긴 텍스트는 엄격한 우선순위에 따라 결정됩니다: 첫째, 사용자가 정확한 텍스트나 대상 언어를 명시하면, 그대로 따릅니다; 둘째, 입력 이미지에 이미 텍스트가 포함되어 있으면, 지침이 다른 언어로 작성되었더라도 기존 텍스트의 주된 언어와 일치시킵니다; 셋째, 이미지에 텍스트가 없고 언어가 명시되지 않으면, 지침 자체의 언어를 사용하고, 특히 영어로 강제하지 않습니다.

이 프롬프트는 두 번째 규칙을 구체적인 예시로 강화한다 — 대부분 태국어인 이미지를, 언어를 명시하지 않은 영어 지시문으로 편집하면 태국어 텍스트를 렌더링해야 한다 — 그리고 두 가지 제약을 추가한다: 렌더링된 텍스트는 중국어/영어 병기가 아니라 단일 언어여야 하며, "스펙 시트" 또는 "스토리보드" 시각 장르는 레이아웃과 타이포그래피를 통해 달성되어야 하고, 렌더링된 레이블을 영어로 바꾸는 방식으로 달성되어서는 안 된다.

이것은 파급 범위가 큰 작은 엔지니어링 작업입니다. 포장 문구가 중요한 시장을 위해 제품 이미지를 생성하고 있다면, "리라이터가 기존 라벨 언어를 유지한다"와 "리라이터가 친절하게 모든 것을 영어로 번역한다"의 차이는 사용할 수 있는 자산과 거부되는 자산의 차이입니다. 그리고 이 동작은 저장소에 함께 배포되는 시스템 프롬프트에 명시되어 있으므로, 여러분은 그것을 읽고, 차이를 비교하고, 재정의할 수 있습니다 — 이는 폐쇄형 호스팅 모델 내부의 동일한 단계에 대해서는 할 수 없는 이야기입니다.

확인된 것과 확인되지 않은 것은 무엇인가?

이 지점에서 경계를 정확히 하는 것이 바로 우리가 아는 것을 다루는 글의 핵심이다.

• 저장소와 모델 카드에서 확인됨 — 7B / 32레이어 단일 스트림 DiT 구성; Qwen3-VL 8B 텍스트 인코더; 16× 공간 압축의 64채널 RGBA VAE; 텍스트에는 토큰 수준 인과 마스크를, 이미지 생성에는 청크 수준 양방향 마스크를 적용하는 블록-인과 어텐션; 카드에 따르면 체크포인트가 다음 값을 포함할 때 활성화되는 프리픽스 KV 캐시 재사용 causal_condition: true(실제로 포함되어 있음); 오일러 이산 스케줄링을 사용하는 플로우 매칭; 40 추론 스텝에서 2048×2048을 기본값으로 하는 네이티브 2K 출력; 문서화된 7가지 화면 비율 프리셋; 최대 10개 참조 이미지 지원; 원형 표시, 페인트 주석 또는 별도 마스크를 통한 로컬 편집; 그리고 RGBA 생성, 투명 레이어 편집 및 RGB 사진으로부터의 피사체 추출.

• 라이선스에 대해 확인했는데, 바로 이 부분이 날카로운 지점입니다 — 이번 릴리스는 2026년 9월 20일자 Qwen Research License Agreement에 따라 제공되며, 이는 권리를 "오직 비상업적 목적으로만" 부여하고 상업적 사용에는 공급업체로부터 별도의 라이선스를 요청해야 한다고 명시합니다. 이것은 Apache 2.0으로 배포된 이전 Qwen-Image 라인과의 중대한 변화입니다. 이 위에 제품을 구축하기 전에, 나중이 아니라 라이선스 파일을 읽으십시오.

• 확인되지 않음 — 아직 독립적인 벤치마크 점수가 존재하지 않습니다. 블로그 글에서는 Qwen-Image-Bench 비교 차트를 언급하지만, 그 안의 수치는 벤더 자체의 것이며 작성 시점까지 어떤 제3자에 의해서도 재현되지 않았습니다. Qwen-Image 2.1에 대해 공개된 호스팅 엔드포인트 가격은 없고, 상업적 라이선스에 대한 명시된 조건도 없습니다. 또한 허용적 라이선스 변형이 뒤따를지에 대해서도 아직 언급이 없습니다.

실제로 존재하는 단 하나의 독립적인 데이터 포인트는 Qwen Ambassador 프로그램을 통해 접근 권한을 얻고 최종 릴리스 가중치를 ModelScope Studio 인터페이스에서 실행한 한 테스터의 직접 사용해 본 얼리 액세스 리뷰입니다. 그 리뷰에서는 텍스트-투-이미지의 경우 약 10~15초, 편집의 경우 18~23초의 생성 시간, 카메라 위치 프리셋과 다중 캐릭터 역할 할당에서의 강력한 성능, 그리고 알아 둘 가치가 있는 특정 실패 모드를 보고했습니다: 약 3개의 입력 이미지부터 다중 참조 일관성이 저하되었고, 측면 각도에서 사이드 포니테일 배치가 센터 포니테일로 붕괴되었습니다. 이는 얼리 액세스 UI에서 타이머 표시 없이 진행된 단 한 명의 리뷰어의 의견입니다. 유용한 신호입니다. 벤치마크는 아닙니다.

출시 첫날부터의 프레임워크 지원, 이것이 조용한 좋은 소식이다

모델이 출시 당일 어디에서 사용 가능해지는지는 모델 카드보다 그 모델을 실제로 사용할 수 있는지 여부를 더 잘 알려준다. 그리고 Qwen-Image 2.1은 폭넓게 출시되었다:

• Diffusers — QwenImage21Pipeline이(가) 출시 첫날에 병합되었으며, 모델 저장소에는 diffusers:QwenImage21Pipeline 태그가 있습니다.

• ComfyUI — 텍스트-투-이미지 및 이미지 편집 워크플로 템플릿을 갖춘 네이티브 day-zero 지원과 별도의 Comfy 호환 가중치 저장소.

• vLLM-Omni — 단계별 실행, 프리픽스 KV 캐싱, CUDA Graph 디코딩, FP8 양자화, 텐서/Ulysses 병렬화.

• SGLang — 네이티브 지원 풀 리퀘스트가 9월 17일에 병합되었으며, 이는 가중치 공개 사흘 전이었고, 해당 PR은 DiT, RGBA VAE, Qwen3-VL 조건화, 여러 참조 이미지, RGBA 입력/출력을 아우르며 H200, B200, RTX PRO 6000, RTX 5090, RTX 4090에서 검증되었습니다.

• LightX2V — 출시 당일 가속 지원, 그리고 ROCm을 통한 AMD Radeon 및 FlagOS를 통한 멀티칩 지원.

사전 공개된 SGLang 풀 리퀘스트가 결정적 단서다. 가중치보다 먼저 병합된 프레임워크 지원은 서빙 경로가 체크포인트를 상대로 테스트되고 있었음을 뜻하지, 나중에 모델 카드를 보고 작성된 것이 아니다. 옆에 17.5GB 텍스트 인코더가 딸린 7B 컴포넌트라면, 그건 주말 내내 곁길로 새는 작업과 오후 한나절의 차이다.

GPU 리소스가 제한적인 환경의 경우, 모델 카드에서는 CPU 오프로드를 권장합니다 — pipe.enable_model_cpu_offload() — 이는 근본적인 해결책이라기보다는 표준적인 우회 수단입니다. 33 GB 다운로드 용량은 DiT가 아니라 텍스트 인코더가 대부분을 차지하며, 확산 트랜스포머 자체는 약 14 GB로 번들의 더 작은 절반에 해당합니다.

실용적인 해석

오늘 Qwen-Image 2.1을 사용해 보고 싶다면, 솔직한 입장은 이렇습니다. 로컬에서, 연구용 라이선스 아래에서, 독립적인 벤치마크도 없고 상업적 권리도 없이 할 수 있습니다. 그것은 평가에는 합리적인 맞바꿈이고 프로덕션 파이프라인에는 나쁜 맞바꿈이며, 그 둘 사이의 간극을 정확히 결정하는 것이 바로 라이선스 파일입니다.

며칠 지난 체크포인트에 프로덕션 경로를 확정하고 싶지 않으면서 이미지 모델을 벤치마킹하려는 팀에게, 그 위험을 억제하는 곳이 바로 라우팅 계층입니다. OrcaRouter는 200개 이상의 모델을 하나의 OpenAI 호환 엔드포인트 뒤에서 공급자 정가 그대로, 마크업 없이 제공하며, 공급자 간 자동 페일오버를 지원합니다. 따라서 검증되지 않은 모델은 이미 신뢰하는 모델을 대체하는 대신 그 모델과 나란히 하나의 라우트 뒤에 둘 수 있습니다. 또한 정가가 그대로 전달되므로, 라우팅된 모델에 대한 공급업체의 가격 인하는 계약 변경을 기다릴 필요 없이 같은 날 바로 적용됩니다. Qwen-Image 2.1은 이 글을 쓰는 시점에 저희가 라우팅하는 모델에 포함되어 있지 않으며, 이 글에서 그렇다고 암시하지도 않을 것입니다. 저희가 라우팅하는 것은 주변 이미지 라인 — OpenAI의 GPT-Image 제품군, Google의 Imagen 4 등급과 Gemini 이미지 프리뷰, 그리고 xAI의 Grok Imagine 이미지 엔드포인트 — 이며, 여러분이 자체 하드웨어에서 이 신규 모델을 평가하는 동안 페일오버 경로가 나올 곳이 바로 여기입니다.

열린 질문은 그 리포지토리가 답할 수 없는 질문이다. 알리바바는 연구 전용 라이선스로 7B 오픈 웨이트 이미지 모델을 출시했고, 같은 해에 가중치가 전혀 없는 폐쇄형 호스팅 모델로 Qwen-Image 3.0을 출시했다. 네 달 간격을 둔 두 번의 출시, 두 개의 상반된 베팅이다. 그 둘 중 어느 것이 차기 Qwen 이미지 모델의 형태를 결정할지 — 그리고 연구 라이선스가 언젠가 기업이 사용할 수 있는 것으로 전환될지 — 가 바로 지켜볼 지점이다. 이제 가중치는 Hugging Face에 있으며, 누구나 라이선스 파일을 직접 읽어볼 수 있다.