Qwen-Image-2.1 vs Bernini-Diffusers-v2: De licentie is het hele argument

Twee open-weight beeldsystemen verschenen in 2026 met zes weken ertussen en vrijwel zonder enige ruchtbaarheid, en ze zijn het oneens over het enige dat bepaalt of je er een bedrijf op kunt bouwen. Qwen-Image-2.1, gepubliceerd op 20 september 2026, wordt uitgebracht onder een onderzoekslicentie — alleen niet-commercieel, commercieel gebruik volgens aparte afspraak. Bernini-Diffusers-v2, gepubliceerd door ByteDance op 13 augustus 2026, wordt uitgebracht onder Apache 2.0, wat betekent dat je het mag uitbrengen. De release die er capabeler uitziet, is degene die je niet kunt verkopen, en de meer permissieve is degene die vooral video wil maken. Die inversie is de vergelijking.

De licentie-inversie

Begin met het papierwerk, want dat weegt zwaarder dan al het andere op deze pagina. Hoe groot het kwaliteitsverschil ook is, het lost geen licentieprobleem op, en geen enkele benchmarkscore redt een product dat uit de handel moet worden genomen.

• Licentie — Qwen-Image-2.1 valt onder de Qwen Research License Agreement, gedateerd 20 september 2026, "FOR NON-COMMERCIAL PURPOSES ONLY", waarbij commerciële rechten alleen op aanvraag beschikbaar zijn; Bernini-Diffusers-v2 is Apache 2.0.
• Praktische consequentie — een Qwen-Image-2.1-workflow is een evaluatie- of persoonlijk bezit; een Bernini-Diffusers-v2-workflow is vandaag al inzetbaar, met de gebruikelijke Apache-naamsvermeldingsvereisten en zonder dat er een gesprek met de leverancier nodig is.
• Ontwikkelingsrichting — de eerdere beeldlijn van Qwen werd onder Apache 2.0 uitgebracht, dus deze release is een verscherping; ByteDance heeft Bernini in beide generaties permissief gehouden.

Als je maar één sectie van dit artikel leest, laat het dan deze zijn. Alles hieronder is een tiebreaker tussen twee dingen die op deze as niet echt gelijk staan.

Wat elk systeem eigenlijk is

De twee modellen zijn niet hetzelfde soort object, en het verschil wordt duidelijk zodra je kijkt naar wat er in de download zit.

Qwen-Image-2.1 is één uniform model. Eén 7B, 32-laags single-stream diffusietransformer verzorgt generatie en bewerking met dezelfde gewichten, geconditioneerd door een Qwen3-VL 8B tekstencoder, waarbij een 64-kanaals RGBA-VAE met 16× ruimtelijke compressie het zware werk op het gebied van transparantie doet. Ongeveer 33 GB in totaal, waarbij de DiT zelf ongeveer 14 GB bedraagt en de tekstencoder de rest voor zijn rekening neemt. Het wordt ook geleverd met twee optionele checkpoints voor het herschrijven van prompts — PE-T2I en PE-I2I, elk een fijnafgestemde Qwen3.5-VL 9B van ongeveer 18,8 GB — die je instructie herschrijven tot iets nauwkeurigs voordat het diffusiemodel die ziet.

Bernini-Diffusers-v2 is een pipeline, geen enkel model. Een Qwen2.5-VL semantische planner doet het redeneerwerk en schrijft een latent semantisch plan; een Wan2.2 diffusie-renderer voert het uit. De opvallendste verandering van het v2-recept ten opzichte van de eerste Bernini-release is dat het de connector duizenden stappen opwarmt voordat er co-training plaatsvindt, wat het referentiegeleide videobewerken en het OpenS2V-gedrag heeft verbeterd. Die tweefasige opsplitsing is de architecturale gok: eerst plannen, dan renderen, en je kunt video bewerken door het plan te bewerken.

• Architectuur — Qwen-Image-2.1 is één uniforme DiT voor generatie en bewerking; Bernini-Diffusers-v2 is een Qwen2.5-VL-planner die een Wan2.2-renderer aanstuurt.
• Modaliteit — Qwen-Image-2.1 is alleen voor afbeeldingen; Bernini-Diffusers-v2 bestrijkt t2i, i2i, t2v, v2v, referentiegeleide videobewerking en r2v, dus afbeeldingen zijn een zijkamer in plaats van het hele huis.
• Transparantie — Qwen-Image-2.1 produceert alpha rechtstreeks uit de sampler via zijn RGBA-VAE; de gedocumenteerde uitvoer van Bernini-Diffusers-v2 is RGB-video en beeldframes, zonder beschreven equivalent van een native alpha-pad.
• Promptverwerking — Qwen-Image-2.1 wordt geleverd met afzonderlijke 9B-rewriter-checkpoints die je kunt lezen, diffen en overschrijven; de planner van Bernini-Diffusers-v2 maakt deel uit van de pipeline en de prompt-enhancer is een optionele OpenAI-compatibele endpoint-aanroep in plaats van een meegeleverd checkpoint.
• Hardware — Qwen-Image-2.1 past op één consumenten-GPU, met CPU-offload aanbevolen op beperkte kaarten; de gedocumenteerde omgeving van Bernini-Diffusers-v2 is Hopper-klasse, H100/H800/H200, met sequentieparallelisme over meerdere GPU's voor de grotere configuraties.

Waar de vergelijking niet meer nuttig is

Het is verleidelijk om deze twee op outputkwaliteit tegen elkaar af te zetten. Die vergelijking bestaat niet, en doen alsof dat wel zo is, zou de oneerlijke zet zijn.

De gepubliceerde cijfers van Bernini-Diffusers-v2 zijn door de leverancier gerapporteerde video- en editingmetrieken — EditVerse 8,02, OpenVE 3,96, OpenS2V 63,83, VBench 84,46 — plus een claim van eersteklas prestaties in ByteDance' interne blinde menselijke pairwise-arena. Het zijn videometrieken. Er is geen onafhankelijke beeldbenchmark van Bernini-Diffusers-v2 uitgevoerd, geen FID, geen tekstrenderingsscore, geen vermelding op een beeldleaderboard. Aan de andere kant is het enige kwaliteitscijfer van Qwen-Image-2.1 de eigen Qwen-Image-Bench-grafiek van de leverancier, waar het 60,28 aangeeft tegenover Nano Banana 2.0 met 59,82 en GPT Image 1.5 met 59,65 — leveranciersmateriaal, niet gereproduceerd, en het model ontbrak op de onafhankelijke beeldleaderboards toen dit werd geschreven. Het enige werkelijk onafhankelijke datapunt is een functionele verificatie uit het SGLang-integratiewerk: transparante PNG-uitvoer slaagde, alpha bleef behouden over het volledige bereik van 0–255, RGBA-PSNR werd gemeten op 60,69 dB in één enkel sample, en FP8-configuraties slaagden voor het genereren van transparante PNG's. De SGLang-auteurs stellen expliciet dat dit een correctheidscontrole is, geen kwaliteitsgarantie.

Dus: twee open releases, twee leveranciersscorekaarten, geen gedeelde benchmark, en geen enkele derde partij die beide heeft gedraaid. Iedereen die je vertelt dat de een de ander verslaat op beeldkwaliteit, herhaalt marketing.

Bewerkingsfilosofie: herschrijf de prompt, of herschrijf het plan

Beide modellen proberen hetzelfde onderliggende probleem op te lossen — de instructie van een gebruiker is vaag en het diffusiemodel is letterlijk — en ze lossen het op tegengestelde plaatsen op.

Qwen-Image-2.1 lost het op in taal. Het PE-I2I-checkpoint neemt je bewerkingsinstructie plus een of meer invoerafbeeldingen en herschrijft die tot een precieze richtlijn vóór de generatie. Omdat het een meegeleverd checkpoint is met een meegeleverd system_prompt.txt, kun je precies lezen wat het te doen krijgt — inclusief de regel dat weergegeven tekst in de uitvoer moet overeenkomen met de dominante taal van de tekst die al in de invoerafbeelding staat, in plaats van geforceerd Engels te zijn. Dat is inspecteerbaar gedrag. Je kunt het overschrijven.

Bernini-Diffusers-v2 lost het op in de structuur. De planner produceert een semantisch plan dat de renderer vervolgens uitvoert, en de interessante eigenschap van die opzet is dat het plan iets is dat je kunt bewerken. Voor videowerk — waar het er vaak juist om gaat één element gedurende een reeks te veranderen zonder het shot opnieuw te genereren — is los plannen van rendering de juiste vorm. Voor één stilstaand beeld is het een extra bewegend onderdeel.

• Bewerkingsgranulariteit — Qwen-Image-2.1 ondersteunt lokale bewerkingen via cirkel, geschilderde annotatie of een apart masker, plus bewerking van transparante lagen en het extraheren van onderwerpen uit RGB-foto's; de gedocumenteerde sterke punten van Bernini-Diffusers-v2 op het gebied van bewerken zijn referentiegeleide videobewerking en subject-naar-video, niet lokale reparatie van stilstaande beelden.
• Referentie-invoer — Qwen-Image-2.1 accepteert tot 10 referentieafbeeldingen, hoewel een reviewer met vroege toegang meldde dat de consistentie bij meerdere referenties vanaf ongeveer drie afbeeldingen afnam; de referentieverwerking van Bernini-Diffusers-v2 is gedocumenteerd rond videosequenties.
• Inspecteerbaarheid — De herschrijflogica van Qwen-Image-2.1 is een leesbare systeemprompt in de repository; de planningsfase van Bernini-Diffusers-v2 bestaat uit modelgewichten.

Wat je hier eigenlijk mee moet doen

De beslisregel vloeit voort uit de licentie, niet uit het specificatieblad.

Als de output terechtkomt in iets wat je verkoopt — klantwerk, een product, een betaalde pipeline — is Bernini-Diffusers-v2 de enige van deze twee die je zonder een gesprek kunt gebruiken, en je moet budgetteren voor hardware van Hopper-klasse om het te draaien zoals gedocumenteerd. Als je onderzoek, evaluatie of persoonlijk werk doet, geeft Qwen-Image-2.1 je het beter inspecteerbare systeem en degene met native alpha, ten koste van een licentie waarvoor je uiteindelijk opnieuw moet onderhandelen of waarvan je moet afstappen.

Er is een derde optie die geen van beide dekt, en het is de moeite waard die gewoon te benoemen: gehoste beeldmodellen, waarbij je nooit een licentebestand of een GPU aanraakt. OrcaRouter routeert meer dan 200 modellen achter één OpenAI-compatibel endpoint tegen de lijstprijs van de aanbieder, zonder marge, met automatische failover tussen aanbieders, een routing-DSL voor fallback-ketens en modelfusie. Noch Qwen-Image-2.1 noch Bernini-Diffusers-v2 staat op het moment van schrijven in onze catalogus — we routeren geen Qwen-Image-model van welke versie dan ook en geen Bernini-model — dus dit is geen pleidooi voor een van beide. De gerouteerde beeldlijn die we wél aanbieden is OpenAI's GPT-Image-familie, Google's Imagen 4-tiers en Gemini-beeldpreviews, en xAI's Grok Imagine-beeldeindpunt; omdat de lijstprijs wordt doorgegeven in plaats van er een marge op te rekenen, is een prijsverlaging van een leverancier op een van hen dezelfde dag live.

Het deel dat geen van beide repositories beantwoordt.

Beide waren stille releases zonder vooraankondiging, en met stille releases is het moeilijk rekening houden in je planning. Het enige voorafgaande signaal voor Qwen-Image-2.1 was een earlyaccessbericht van 17 september met 50 ModelScope-plekken, waarbij testers werd gevraagd om uiterlijk 29 september te publiceren — drie dagen voordat de gewichten openbaar werden. Bernini-Diffusers-v2 verscheen simpelweg op 13 augustus op Hugging Face, met daarnaast een Gitee-mirror.

Wat bij beide ontbreekt, is een reden om te geloven dat de voorwaarden stand zullen houden. Qwen heeft zijn licentie aangescherpt tussen de vorige beeldgeneratie en deze, wat een datapunt is over de richting. ByteDance heeft Bernini Apache 2.0 over twee generaties heen behouden, wat een datapunt is over de andere richting. Of een van beide standhoudt voor de volgende release, is van hieruit niet te weten, en dat is het ding om te controleren voordat je je op een pipeline vastlegt, in plaats van daarna.