Qwen-Image 2.1 vs Meta Muse Image: 호출할 수 있는 모델 vs 보유할 수 있는 모델

There is a version of this comparison that is about image quality, and it cannot be written yet — not honestly. Qwen-Image 2.1, which the Qwen-Image team published on 20 September 2026, has no independent score of any kind. Meta Muse Image, launched by Meta Superintelligence Labs on 7 July 2026 as Meta's first in-house image model, has been measured — it sits third on the Artificial Analysis image editing board at an Elo of about 1,105, inside the top five for text-to-image, and on the quality-versus-price Pareto frontier at $10 per thousand images. But the more useful question about these two is not which one is better. It is what you are allowed to do with each, and those answers are almost perfectly inverted.

접근성과 검사 가능성은 서로 다른 것이며, 둘 다 제공하는 곳은 아무도 없습니다

Meta Muse Image는 바로 호출할 수 있는 모델입니다. 2026년 8월부터 이 모델은 Meta 자체 Model API를 통해 OpenAI 호환 엔드포인트로 이미지당 $0.01의 정액 요금 — 1,000장당 약 $10 — 으로 접근할 수 있게 되었는데, 이는 7월 출시 당시 모델이 설명되던 방식과는 실질적인 변화입니다. 당시에는 개발자가 접근할 수 있는 경로가 전혀 없었습니다. 이 정액 요금은 다른 거의 모든 것이 토큰 단위로 과금되는 카테고리에서는 이례적이며, 비용 예측을 아주 간단하게 만들어 줍니다. 이미지가 단순하든 정교하든 1,000장이면 10달러입니다.

Qwen-Image 2.1은 계속 보유해도 되는 것입니다. 이것은 가중치 다운로드로 — 확산 트랜스포머, 텍스트 인코더, VAE를 합쳐 대략 33 GB — 2026년 9월 20일자 Qwen Research License Agreement에 따라 공개되었으며, 이 라이선스는 "비상업적 목적으로만" 권리를 부여하고 상업적 사용에는 별도의 라이선스가 필요합니다. 호스팅된 엔드포인트도 없습니다. 정액 요금제도 없습니다. 숨겨진 것도 없습니다. 아키텍처를 읽고, 프롬프트 재작성 시스템 프롬프트를 읽고, 그 차이를 비교하고, 덮어쓰고, 전체를 자신의 하드웨어에서 실행할 수 있습니다.

그래서 이 맞바꿈은 품질 대 품질이 아니다. 그것은 당신이 소유하지 않은, 사용량이 계량되고 측정되며 상업적으로 라이선스된 모델과, 당신이 완전히 소유한 무료이고 측정되지 않으며 비상업적인 모델의 맞바꿈이다. 그 양쪽 중 어느 편을 택하든 무언가를 포기하지 않고서는 감당할 수 있는 팀은 거의 없다.

Muse가 일반적인 의미의 확산 모델이 아닌 이유

Meta Muse Image를 특별하게 만드는 점은 단순히 생성만 하지 않는다는 것이다. 이 모델은 루프를 실행한다. 즉, 웹을 검색하고, 코드를 작성하고 실행하며, 이미지를 반환하기 전에 자체 출력을 검토할 수 있다. 이는 Meta의 설명 그대로이며, 이 모델이 단순히 경쟁력 있는 수준을 넘어 흥미로운 이유이기도 하다. 에이전트적 단계들이야말로 프롬프트의 모호함이 해소되는 지점이고, "올해 숫자로 차트를 만들어 줘"와 같은 요청이 근사치가 아니라 제대로 된 답으로 처리될 수 있는 지점이기 때문이다.

또한 이것이 그 동작을 추론하기 더 어려운 이유이기도 하다. 기존 이미지 모델은 프롬프트에서 픽셀로 가는 함수다. 에이전트형 모델은 궤적을 가지고 있으며, 그 궤적은 모델 카드에서 읽어낼 수 있는 것이 아니다. 공급업체가 보고한 수치 — 다중 이미지 캐릭터 일관성 94%, 최대 10개의 참조 이미지, 긴 변 기준 최대 1600픽셀 출력 — 는 루프가 아니라 그 범위를 설명한다.

Qwen-Image 2.1은 같은 모호성 문제를 정반대 방식으로 해결합니다: 명시적으로, 그리고 공개적으로. 이미지 모델과 함께, 이 릴리스는 두 개의 프롬프트 재작성 체크포인트를 제공합니다 — Qwen/Qwen-Image-2.1-PE-T2I와 Qwen/Qwen-Image-2.1-PE-I2I, 각각 약 18.8GB의 파인튜닝된 Qwen3.5-VL 9B이며 — 모호한 지시를 받아 확산 모델이 보기 전에 정확한 지시문으로 재작성합니다. I2I 변형은 항상 입력 이미지가 있으므로 항상 편집 작업입니다. 그리고 결정적으로, 재작성기의 동작은 저장소에 포함된 system_prompt.txt에 명시되어 있으며, 이는 프롬프트의 의미를 결정하는 단계를 읽고 변경할 수 있다는 뜻입니다.

메타의 에이전틱 루프와 알리바바의 프롬프트 리라이터는 둘 다 “모델은 당신이 무엇을 의미했는지 모른다”에 대한 답이다. 하나는 당신을 대신해 결정하는 서비스다. 다른 하나는 당신이 편집할 수 있는 파일이다.

한쪽에만 숫자가 있을 때 숫자가 어떻게 보이는지

Meta Muse Image는 Artificial Analysis의 두 이미지 보드 모두에 올라 있습니다. 이미지 편집에서는 Elo 약 1,105로 3위이며, Elo 1,122의 MAI-Image-2.6과 Elo 1,117의 GPT Image 2 (high) 뒤를 잇습니다. 또한 텍스트-투-이미지에서는 Elo 약 1,116으로 상위 5위 안에 듭니다. 이미지 1,000장당 $10의 가격으로 품질 대비 가격 파레토 프런티어에 자리하는데, 이는 유용한 위치입니다. 보드에서 최고의 모델은 아니지만, 더 많은 비용을 지불하면 측정 가능할 만큼 더 많은 것을 얻을 수 있는 몇 안 되는 모델 중 하나입니다.

Qwen-Image 2.1에는 그런 것이 전혀 없습니다. 제3자가 재현한 적 없는 Qwen-Image-Bench 차트가 담긴 벤더 블로그 글 하나와, Qwen Ambassador 프로그램의 얼리 액세스 테스터가 최종 가중치를 ModelScope Studio 인터페이스로 실행해 텍스트-투-이미지에 약 10–15초, 편집에 18–23초가 걸렸다고 보고한 체험 보고서 하나가 전부입니다. 이때 입력 이미지가 약 세 장을 넘어가면서부터 다중 참조 일관성이 저하되었습니다. 리뷰어 한 명, 타이머 없음, 프롬프트 세트 없음. 이는 유용한 신호이긴 하지만 벤치마크는 아니며, 이를 정직하게 받아들이는 방식은 모델이 어디에 안착할 가능성이 있는지에 대한 힌트로 보는 것이지, 모델이 현재 어디에 있는지에 대한 증거로 보는 것이 아닙니다.

Qwen-Image 2.1이 구체적으로 앞서는 점은 품질이 아니라 픽셀 수준의 기능입니다: 기본적으로 2048×2048의 네이티브 2K 출력, 40단계 추론, 7가지 종횡비 프리셋, 최대 10개의 참조 이미지, 원, 페인트 주석 또는 별도 마스크를 통한 로컬 편집, 그리고 투명 레이어 편집과 RGB 사진에서의 피사체 추출을 지원하는 RGBA 생성입니다. Meta의 모델은 1600픽셀로 제한되며 투명도 관련 내용은 공개되지 않았습니다. 즉시 사용 가능한 실제 알파 채널이 필요하다면, 그것은 당신을 위해 내려진 결정입니다.

정액 요금이 생각해 볼 만한 부분이다

이미지당 1센트 정액은 기술적 결정이 아니라 가격 결정이며, 모델의 용도 자체를 바꿔 놓습니다. 토큰 기반 이미지 과금은 복잡성에 불이익을 줍니다: 참조 이미지가 여러 장 붙은 긴 지시문은 짧은 것보다 비용이 더 들고, 이는 이미지의 비용이 그 이미지가 얼마나 어려웠는지와 직결된다는 뜻입니다. 정액 요금에서는 그 연결고리가 사라지고, 합리적인 행동 방식도 함께 바뀝니다 — 길이에 맞춰 프롬프트를 최적화하는 일을 멈추고, 모델이 설계된 방식대로, 즉 에이전트 루프와 참조 이미지가 제 역할을 하도록 하며 모델을 사용하기 시작하게 됩니다.

이는 또한 자사 모델을 직접 서비스하는 회사만이 제공할 수 있는 유형의 가격 책정 방식이며, 공급자를 선택할 때 짚고 넘어갈 가치가 있습니다. OrcaRouter는 200개 이상의 모델을 하나의 OpenAI 호환 엔드포인트 뒤에 배치하여 공급자 정가 그대로, 마진 없이 제공하며, 공급자 간 자동 장애 조치와 여러 모델을 단일 호출로 구성하는 라우팅 DSL을 갖추고 있습니다. 여기서 핵심적인 속성은 패스스루입니다. 즉, 우리는 마크업된 가격이 아니라 공급자의 정가를 청구하기 때문에 벤더 가격 변경 — 정액 요율의 등장, 토큰 요율의 인하 — 이 계약을 기다릴 필요 없이 당일 우리 쪽에 그대로 반영됩니다. Meta Muse Image와 Qwen-Image 2.1은 모두 현재 우리가 라우팅하는 모델에 포함되지 않으며, 이 글은 그와 다른 어떤 암시도 하지 않습니다. 우리가 실제로 제공하는 이미지 모델은 OpenAI의 GPT-Image 제품군, Google의 Imagen 4 등급 및 Gemini 이미지 프리뷰, 그리고 xAI의 Grok Imagine 이미지 엔드포인트입니다.

이 비교에서 중요한 대조점은 이 두 모델 중 하나는 가격이 아예 책정되어 있다는 것입니다. Meta Muse Image는 이미지당 $0.01이며, 가격이 공개되어 있고, 오늘 오후에 바로 호출할 수 있는 API에서 제공됩니다. Qwen-Image 2.1의 비용은 33GB 다운로드, 이미 보유한 GPU, 그리고 비상업적 용도로만 사용하라고 명시한 라이선스에 대한 법률 검토입니다.

그들이 우연히 수렴하는 곳

두 모델 모두 최대 10장의 참조 이미지를 받습니다. 이는 우연이라기보다 업계가 하나의 답에 정착한 것에 가깝습니다. 10장이면 캐릭터 시트, 제품 세트, 스타일 참조 팩에 충분하고, 그 이상부터는 컨디셔닝이 도움이 되기는커녕 오히려 방해가 되기 시작합니다. 메타는 자사 모델에 대해 94%의 다중 이미지 캐릭터 일관성 수치를 발표합니다. 알리바바는 이에 상응하는 수치를 발표하지 않았고, 유일한 독립 실사용 보고서는 세 번째 참조 이미지 즈음부터 일관성이 저하되기 시작한다고 시사합니다. 동일한 범위를 주장하면서 그 근거는 극단적으로 다른 두 모델은 전체 비교를 축소판으로 보여줍니다.

두 제품은 또한 어느 쪽도 해결하지 못한 문제로 수렴한다: 어느 쪽도 두 가지를 모두 제공하지 않는다. Meta Muse Image는 다운로드하거나 검사하거나 자체 하드웨어에서 실행할 수 없으며, 그 에이전트 루프는 구조상 블랙박스다. Qwen-Image 2.1은 판매할 수 없고, 호출할 수 없으며, 아직 무엇과도 비교해 측정할 수 없다. 제약이 마감 기한이라면, 이 중 하나는 오늘 사용할 수 있다. 제약이 규정 준수 검토이거나 파이프라인이 정확히 무엇을 하는지 이해해야 하는 것이라면, 다른 하나가 그렇다.

다음에 무엇을 해야 하는지를 기준으로 고르세요. 어느 것이 더 나은지가 아니라.

이번 분기에 상용 라이선스 아래에서, 뒤에 측정 가능한 모델이 있는 이미지 생성 기능을 출시해야 한다면 Meta Muse Image가 답이며, 이미지당 $0.01은 예산에 넣을 수 있는 숫자입니다. 이미지 모델을 처음부터 끝까지 — 어텐션 마스킹, 프롬프트 리라이터, VAE, 라이선스까지 — 이해해야 한다면, Qwen-Image 2.1은 둘 중 그것을 가능하게 하는 유일한 모델이지만, 연구용 라이선스라서 다른 용도로는 사실상 쓸 수 없습니다. 어느 쪽을 선택해도 품질을 타협하는 것은 아닙니다. 품질 문제는 한쪽에서 아직 결론이 나지 않았기 때문입니다. 그 문제는 충분히 많은 사람이 Qwen-Image 2.1을 공개적으로 실행해 리더보드에 올리면 종결되며, 얼리 액세스 테스터들은 9월 29일까지 공개하도록 요청받았습니다. 그날이 바로 이 비교가 진짜 비교가 되는 날입니다.