Qwen-Image-2.1 vs Bernini-Diffusers-v2: 라이선스가 논쟁의 전부다

2026년, 불과 6주 간격으로 공개 가중치 이미지 시스템 두 개가 거의 요란한 소리도 없이 등장했는데, 이 둘은 그것으로 사업을 세울 수 있는지 여부를 결정짓는 단 한 가지 문제를 두고 서로 다른 입장을 보인다. Qwen-Image-2.1은 2026년 9월 20일 공개되었으며 연구용 라이선스로 배포된다 — 비상업적 용도만 허용되고, 상업적 사용은 별도 협의를 통해서만 가능하다. Bernini-Diffusers-v2는 바이트댄스가 2026년 8월 13일 공개했고 Apache 2.0으로 배포되므로, 곧바로 출시할 수 있다. 더 뛰어나 보이는 쪽은 정작 팔 수 없는 것이고, 더 관대한 쪽은 대체로 영상을 만들고 싶어 하는 것이다. 바로 이 뒤바뀜이 이 비교의 핵심이다.

라이선스 역전

서류 작업부터 시작하세요. 이 페이지의 그 어떤 것보다 우선순위가 높기 때문입니다. 품질 격차가 아무리 크다 해도 라이선스 문제를 해결할 수 없고, 어떤 벤치마크 점수도 철수해야 하는 제품을 구제하지 못합니다.

• 라이선스 — Qwen-Image-2.1은 2026년 9월 20일자 Qwen Research License Agreement이며, "비상업적 목적에 한함"이고 상업적 권리는 요청 시에만 제공됩니다. Bernini-Diffusers-v2는 Apache 2.0입니다.
• 실질적 결과 — Qwen-Image-2.1 워크플로는 평가용 자산이거나 개인용 자산입니다. Bernini-Diffusers-v2 워크플로는 오늘 바로 출시할 수 있으며, 일반적인 Apache 저작자 표시 요건만 지키면 되고 공급업체와의 논의도 필요하지 않습니다.
• 진행 방향 — Qwen의 이전 이미지 제품군은 Apache 2.0으로 배포되었으므로 이번 릴리스는 규제를 강화한 것입니다. ByteDance는 두 세대 모두에서 Bernini를 허용적 라이선스로 유지해 왔습니다.

이 글에서 한 부분만 읽는다면, 바로 그 부분입니다. 아래의 모든 내용은 이 축에서는 실제로 동점이 아닌 두 가지 사이의 타이브레이커입니다.

각 시스템의 실제 정체

두 모델은 같은 종류의 객체가 아니며, 그 차이는 다운로드에 무엇이 포함되어 있는지 보는 순간 드러납니다.

Qwen-Image-2.1은 단일 통합 모델입니다. 하나의 7B, 32레이어 단일 스트림 diffusion transformer가 동일한 가중치로 생성과 편집을 모두 처리하며, Qwen3-VL 8B 텍스트 인코더로 조건화되고, 16× 공간 압축의 64채널 RGBA VAE가 투명도 처리를 도맡습니다. 총 약 33GB로, DiT 자체가 약 14GB이고 나머지는 텍스트 인코더가 차지합니다. 또한 두 개의 선택적 프롬프트 재작성 체크포인트인 PE-T2I와 PE-I2I를 제공하는데, 각각 약 18.8GB의 파인튜닝된 Qwen3.5-VL 9B로서, diffusion 모델이 프롬프트를 보기 전에 사용자의 지시를 정밀한 표현으로 재작성해 줍니다.

Bernini-Diffusers-v2는 단일 모델이 아니라 파이프라인입니다. Qwen2.5-VL 의미 플래너가 추론을 수행하고 잠재 의미 계획을 작성하며, Wan2.2 디퓨전 렌더러가 이를 실행합니다. v2 레시피가 첫 Bernini 릴리스에 비해 내세운 주요 변경 사항은 공동 훈련 전에 수천 단계에 걸쳐 커넥터를 워밍업한다는 점이며, 이것이 참조 기반 비디오 편집과 OpenS2V 동작을 개선한 요인입니다. 이러한 2단계 분할이 바로 아키텍처적 승부수입니다. 먼저 계획하고, 다음으로 렌더링하면, 계획을 편집하여 비디오를 편집할 수 있습니다.

• 아키텍처 — Qwen-Image-2.1은 생성과 편집을 위한 하나의 통합 DiT입니다; Bernini-Diffusers-v2는 Wan2.2 렌더러를 구동하는 Qwen2.5-VL 플래너입니다.
• 모달리티 — Qwen-Image-2.1은 이미지만 지원합니다; Bernini-Diffusers-v2는 t2i, i2i, t2v, v2v, 참조 기반 비디오 편집 및 r2v를 아우르므로, 이미지는 집이라기보다 곁방에 가깝습니다.
• 투명도 — Qwen-Image-2.1은 RGBA VAE를 통해 샘플러에서 알파를 생성합니다; Bernini-Diffusers-v2의 문서화된 출력은 RGB 비디오와 이미지 프레임이며, 이에 상응하는 네이티브 알파 경로는 설명되어 있지 않습니다.
• 프롬프트 처리 — Qwen-Image-2.1은 읽고, diff하고, 재정의할 수 있는 별도의 9B 리라이터 체크포인트를 제공합니다; Bernini-Diffusers-v2의 플래너는 파이프라인의 일부이며, 그 프롬프트 인핸서는 제공되는 체크포인트가 아니라 선택적 OpenAI 호환 엔드포인트 호출입니다.
• 하드웨어 — Qwen-Image-2.1은 단일 소비자용 GPU에 들어가며, 제약이 있는 카드에서는 CPU 오프로드가 권장됩니다; Bernini-Diffusers-v2의 문서화된 환경은 Hopper급, H100/H800/H200이며, 더 큰 구성에는 다중 GPU 시퀀스 병렬 처리가 사용됩니다.

비교가 더 이상 유용하지 않게 되는 지점

출력 품질을 기준으로 이 둘을 서로 맞붙여 점수를 매기고 싶은 유혹이 든다. 그런 비교는 존재하지 않으며, 그렇지 않은 척하는 것이야말로 부정직한 처사일 것이다.

Bernini-Diffusers-v2의 공개 수치는 벤더가 보고한 비디오 및 편집 지표입니다 — EditVerse 8.02, OpenVE 3.96, OpenS2V 63.83, VBench 84.46 — 여기에 ByteDance의 내부 블라인드 인간 쌍대 비교 아레나에서 최상위권 성능을 기록했다는 주장이 더해집니다. 이것들은 비디오 지표입니다. Bernini-Diffusers-v2에 대해 독립적인 이미지 벤치마크는 실행된 적이 없으며, FID도, 텍스트 렌더링 점수도, 이미지 리더보드 등재도 없습니다. 반면 Qwen-Image-2.1의 유일한 품질 수치는 벤더 자체의 Qwen-Image-Bench 차트인데, 여기서 이 모델은 60.28로, Nano Banana 2.0의 59.82와 GPT Image 1.5의 59.65를 앞섭니다 — 벤더 자료이며 재현된 바 없고, 이 글을 작성한 시점에 이 모델은 독립적인 이미지 리더보드에 존재하지 않았습니다. 진정으로 독립적인 단 하나의 데이터 포인트는 SGLang 통합 작업에서 나온 기능 검증입니다. 투명 PNG 출력이 통과했고, 알파가 0–255 전체 범위에서 유지되었으며, RGBA PSNR은 단일 샘플에서 60.69 dB로 측정되었고, FP8 구성에서도 투명 PNG 생성이 통과했습니다. SGLang 저자들은 이것이 정확성 검사이지 품질 보증이 아니라고 명확히 밝힙니다.

그러니까: 공개 릴리스 두 개, 벤더 스코어카드 두 개, 공통 벤치마크는 없고, 둘 다 실행해 본 제3자도 없다. 누군가 한쪽이 다른 쪽보다 이미지 품질이 낫다고 말한다면, 그건 마케팅을 그대로 반복하는 것이다.

편집 철학: 프롬프트를 다시 쓰거나, 계획을 다시 쓴다

두 모델 모두 동일한 근본 문제를 해결하려 애쓰고 있다 — 사용자의 지시는 모호하고 확산 모델은 문자 그대로 해석한다 — 그리고 그 문제를 서로 반대되는 곳에서 해결한다.

Qwen-Image-2.1은 이를 언어로 해결합니다. PE-I2I 체크포인트는 편집 지시문과 하나 이상의 입력 이미지를 받아, 생성 전에 이를 정밀한 지시 사항으로 다시 씁니다. 함께 제공되는 system_prompt.txt가 있는 배포된 체크포인트이므로, 이 모델이 정확히 무엇을 하도록 지시받는지 직접 읽어볼 수 있습니다 — 출력에 렌더링되는 텍스트가 영어로 강제되는 대신 입력 이미지에 이미 들어 있는 텍스트의 주된 언어와 일치해야 한다는 규칙까지 포함해서요. 이는 검사 가능한 동작입니다. 재정의할 수 있습니다.

Bernini-Diffusers-v2는 구조적으로 이를 해결합니다. 플래너는 의미론적 계획을 생성하고, 렌더러가 이를 실행합니다. 그리고 그 구성의 흥미로운 특성은 그 계획이 편집할 수 있는 대상이라는 점입니다. 비디오 작업의 경우 — 종종 샷을 다시 생성하지 않고 시퀀스 전체에서 하나의 요소를 변경하는 것이 핵심인 — 렌더링과 별도로 계획하는 것이 올바른 형태입니다. 단일 스틸 이미지의 경우, 그것은 추가적인 변수입니다.

• 편집 세분성 — Qwen-Image-2.1은 원형, 페인트 주석 또는 별도 마스크를 통한 국소 편집과 투명 레이어 편집, RGB 사진에서의 피사체 추출을 지원합니다. Bernini-Diffusers-v2의 문서화된 편집 강점은 참조 기반 비디오 편집과 피사체-투-비디오이며, 정지 이미지 국소 복구가 아닙니다.
• 참조 입력 — Qwen-Image-2.1은 최대 10개의 참조 이미지를 받아들이지만, 한 얼리 액세스 리뷰어는 약 3개 이미지부터 다중 참조 일관성이 저하된다고 보고했습니다. Bernini-Diffusers-v2의 참조 처리는 비디오 시퀀스를 중심으로 문서화되어 있습니다.
• 검사 가능성 — Qwen-Image-2.1의 재작성 로직은 리포지토리에 있는 판독 가능한 시스템 프롬프트입니다. Bernini-Diffusers-v2의 계획 단계는 모델 가중치입니다.

이걸 실제로 어떻게 해야 할까

결정 규칙은 스펙 시트가 아니라 라이선스에서 비롯된다.

귀하가 판매하는 결과물, 즉 클라이언트 작업, 제품, 유료 파이프라인에 이 출력이 들어간다면, 이 둘 중 별도 논의 없이 사용할 수 있는 것은 Bernini-Diffusers-v2뿐이며, 문서에 설명된 대로 실행하려면 Hopper급 하드웨어 예산을 잡아야 합니다. 연구, 평가 또는 개인 작업을 하는 경우라면 Qwen-Image-2.1이 더 면밀히 검토할 수 있는 시스템이자 네이티브 알파를 갖춘 시스템을 제공하지만, 결국 재협상하거나 손을 떼야 할 라이선스라는 대가가 따릅니다.

이들 중 어느 것으로도 다루지 못하는 세 번째 선택지가 있으며, 이를 분명히 이름 붙일 가치가 있습니다: 바로 호스팅형 이미지 모델로, 라이선스 파일이나 GPU를 전혀 건드릴 필요가 없습니다. OrcaRouter는 200개 이상의 모델을 하나의 OpenAI 호환 엔드포인트 뒤에서 공급사 정가 그대로, 마크업 없이 라우팅합니다. 공급사 간 자동 장애 조치, 폴백 체인을 위한 라우팅 DSL, 모델 퓨전을 제공합니다. 작성 시점 기준으로 Qwen-Image-2.1도 Bernini-Diffusers-v2도 저희 카탈로그에 없습니다 — 저희는 어떤 버전의 Qwen-Image 모델도, 어떤 Bernini 모델도 라우팅하지 않습니다 — 따라서 이는 어느 쪽을 위한 홍보도 아닙니다. 저희가 실제로 제공하는 라우팅 이미지 라인은 OpenAI의 GPT-Image 제품군, Google의 Imagen 4 등급과 Gemini 이미지 프리뷰, 그리고 xAI의 Grok Imagine 이미지 엔드포인트입니다. 정가는 마크업되지 않고 그대로 전달되므로, 이들 중 어느 하나에 대한 공급업체의 가격 인하는 같은 날 바로 적용됩니다.

어느 저장소도 답하지 않는 부분

이 둘 모두 사전 예고 없이 조용히 이루어진 릴리스였고, 조용한 릴리스는 미리 대비해 계획을 세우기가 어렵습니다. Qwen-Image-2.1의 유일한 사전 신호는 9월 17일의 얼리 액세스 공지로, 50개의 ModelScope 슬롯을 제공하며 테스터들에게 9월 29일까지 게시해 달라고 요청한 것이었습니다 — 가중치가 공개되기 사흘 전이었습니다. Bernini-Diffusers-v2는 8월 13일 Gitee 미러와 함께 Hugging Face에 그저 나타났습니다.

두 경우 모두에서 빠져 있는 것은 그 조건이 유지될 것이라고 믿을 만한 이유다. Qwen은 이전 이미지 생성 모델과 이번 모델 사이에 라이선스를 더 엄격하게 바꿨는데, 이는 방향성에 관한 데이터 포인트다. ByteDance는 두 세대에 걸쳐 Bernini Apache 2.0을 유지해 왔는데, 이는 반대 방향에 관한 데이터 포인트다. 그중 어느 쪽이 다음 릴리스에서도 유지될지는 지금으로서는 알 수 없으며, 이는 파이프라인을 확정한 뒤가 아니라 확정하기 전에 확인해야 할 바로 그 사항이다.