Qwen-Image-2.1 vs LLaDA-Image: De licentieclaim is veranderd, en slechts één van beide zegt het.

Toen LLaDA-Image op 4 september 2026 werd uitgebracht door inclusionAI, het onderzoekslab van Ant Group, was de interpretatie van de repositories eenvoudig: geen licentie gedeclareerd, dus alle rechten voorbehouden. Die interpretatie is nu achterhaald. Alle vier de Hugging Face-modelkaarten — LLaDA-Image, LLaDA-Image-Turbo, LLaDA-Image-FP8 en LLaDA-Image-Turbo-FP8 — vermelden apache-2.0 tegenwoordig in hun frontmatter, en het is de eerste regel van de kaart. Geen van die vier repositories bevat een LICENSE-bestand, en de GitHub-repository van het project, aangemaakt op 31 augustus 2026, heeft evenmin een licentiebestand. Zet dat tegenover Qwen-Image-2.1, uitgebracht door het Qwen-team van Alibaba met open gewichten op 20 september 2026 onder de Qwen Research License Agreement — een echt document, gedateerd, uitsluitend niet-commercieel, en de reden dat de eigen repositories de licentie als other bestempelen. Twee beeldmodellen met open gewichten, zestien dagen na elkaar, en degene met het zwakker klinkende papierwerk is juist degene die een permissieve licentie heeft gedeclareerd. Het addertje zit hem volledig in hoe die licentie werd gedeclareerd.

Dit is een vergelijking op papier, niet in pixels. Geen van beide modellen heeft een onafhankelijke afbeeldingsscore — LLaDA-Image komt in geen van zijn vier varianten voor op geen van beide afbeeldingsleaderboards van Artificial Analysis, en de twee rijen van Qwen-Image-2.1 hebben daar Geen API beschikbaar als opmerking. Wat je vandaag daadwerkelijk kunt beslissen, is wat je mag doen, en dat antwoord is voor een van deze twee modellen veranderd zonder aankondiging.

Wat de twee licentieoppervlakken eigenlijk zeggen

Lees de primaire bronnen in plaats van de samenvattingen, want het verschil ertussen is het hele verhaal.

• Qwen-Image-2.1 — vrijgegeven onder de Qwen Research License Agreement van 20 september 2026, verleend "FOR NON-COMMERCIAL PURPOSES ONLY", waarbij commercieel gebruik een aparte licentie vereist die bij de leverancier moet worden aangevraagd. De Hugging Face-repositories van Alibaba voor het model vermelden het licentieveld als overig, wat de juiste tag is: het is geen door de OSI goedgekeurde licentie en het model is in die zin geen open source. Het blijft downloadbaar, uitvoerbaar en te benchmarken.

• LLaDA-Image — de Hugging Face-modelkaart verklaart license: apache-2.0 in de YAML-frontmatter. Apache 2.0 is een OSI-licentie die commercieel gebruik toestaat. Als de frontmatter de licentie is, is dit met grote afstand de meest permissieve van de twee.

• LLaDA-Image, de rest van het papieren spoor — er is geen LICENSE-bestand in de repositorystructuur. De modelkaart vermeldt een README, een model_index.json, een .gitattributes en de mappen met gewichten, en verder niets. De GitHub-repository van het project heeft ook geen licentiebestand; de eigen repository-API van GitHub meldt daarvoor geen licentie. De tekst van Apache 2.0 zelf vereist dat een kopie van de licentie de distributie vergezelt, en op geen van beide plaatsen is een kopie te vinden.

Dus de eerlijke beschrijving van de licentiepositie van LLaDA-Image is niet "geen licentie" en niet "Apache 2.0". Die is: de kaart stelt Apache 2.0 en de repository levert de licentietekst niet mee. Die twee feiten wijzen in dezelfde richting, maar het zijn niet hetzelfde feit, en slechts één ervan is wat een inkoopbeoordelaar zal zoeken.

Waarom de kaart luidt zoals hij luidt

De frontmatter van de kaart zelf verraadt het al. De kop van de modelfamilie luidt LLaDA-Image: Sterke beeldgeneratoren bouwen met volledig open trainingsrecepten, en twee van de vijf genoemde hoogtepunten gaan over openheid: pretraining met uitsluitend afbeeldingen om de visuele prior op te bouwen, en een uniform diffusiemodel waarin zowel de backbone als de DiT diffusiemodellen zijn die in één framework worden getraind. Het woord "recept" doet bewust zijn werk. De kaart presenteert een reproduceerbare pipeline, niet alleen een checkpoint.

Lees vervolgens het open-sourceplan onderaan dezelfde kaart:

• Inferentiecode en modelgewichten — aangevinkt.

• Trainingscode — niet aangevinkt, gemarkeerd als binnenkort beschikbaar.

• Een apart arXiv-rapport, op de kaart genummerd als 2609.03796, bevat de methode.

Dat is een coherente positie en geen oneerlijke: gewichten en inferentiecode nu, trainingscode later, methode in een paper. Het is ook de context waarin een frontmatterregel met Apache 2.0 als intentie zinvol is — dit is een project dat als volledig open gelezen wil worden. De kloof tussen de intentie en het ontbrekende licentiebestand is precies het soort ding dat de frontmatter van een kaart niet kan uitdrukken.

Wat de cijfers zeggen, en wie ze heeft geproduceerd

De enige kwantitatieve claim die aan LLaDA-Image hangt, is een benchmarkscore, en de herkomst ervan moet duidelijk worden vermeld. De modelkaart meldt "SOTA op Qwen-Image-Bench" met algemene scores van 53,53 in het Engels en 53,38 in het Chinees. Dat zijn de eigen cijfers van inclusionAI, gemeten op een benchmark die vernoemd is naar het model van een ander lab, en ze zijn door niemand buiten het lab gereproduceerd. Het Base-model bereikt ze bij 50 samplingstappen; de Turbo-variant is gedistilleerd met Twin-DMD om in 2 tot 4 stappen te draaien. Achter geen van beide cijfers zit een stemmenaantal, en geen van beide staat op een onafhankelijke ranglijst, omdat LLaDA-Image daar niet op staat.

Qwen-Image-2.1 staat op beide ranglijsten van Artificial Analysis — 1.034 Elo op plaats 18 van 166 voor tekst-naar-afbeelding en 1.074 Elo op plaats 18 van 166 voor bewerken, op basis van respectievelijk 5.286 en 5.536 blinde vergelijkingen. De rijen ervan op beide ranglijsten dragen de Open Weights-markering naast de Geen API beschikbaar-notitie. Dat is een onafhankelijke meting van een zelfgehost model, wat moeilijker te verkrijgen is dan het klinkt, en het is de enige as waarop deze twee modellen helemaal niet in dezelfde categorie zitten.

De beslissing die dit daadwerkelijk verandert

Als u uitging van de eerdere lezing — dat LLaDA-Image geen licentie vermeldt, dus beschouw het als alle rechten voorbehouden — dan is de situatie verbeterd, en de verbetering is reëel genoeg om erop te kunnen voortbouwen voor evaluatie en intern werk. Houd de kanttekening erbij: een licentie die alleen in YAML wordt genoemd, zonder licentietekst in de repository, is zwakker bewijs dan een licentiebestand naast de gewichten. Als LLaDA-Image in een product terechtkomt, is dat een vraag voor het onderzoekslab van Ant Group, niet iets om op te lossen door naar een metadata-tag te wijzen.

Qwen-Image-2.1 is de omgekeerde ruil: het papierwerk is eenduidig en het antwoord is nee. Een gedateerde onderzoekslicentie die commercieel gebruik verbiedt, is gemakkelijker om rekening mee te houden dan een onduidelijke permissieve licentie, omdat er niets te interpreteren valt. Het is ook een verandering ten opzichte van de eerdere Qwen-Image-reeks, die onder Apache 2.0 werd uitgebracht, dus teams die op de vorige generatie hebben voortgebouwd, kunnen die aanname niet meenemen.

Geen van deze modellen wordt op OrcaRouter aangeboden, en dat zal ook niet gebeuren totdat de licentiekwestie is opgelost — een licentie voor alleen onderzoek en een licentiebestand dat niet in de repository staat, zijn beide redenen om het gehoste pad gescheiden te houden van het experiment. De beeldmodellen die we wel aanbieden zijn Google's Imagen-tiers en Gemini-beeldpreviews, xAI's Grok Imagine-beeldeindpunt en OpenAI's GPT-Image-familie, allemaal achter één OpenAI-compatibel eindpunt met de lijstprijs van de provider doorgegeven zonder markup, automatische failover tussen providers, en een routing-DSL om meerdere modellen in één aanroep samen te stellen. Draai het downloadbare model voor het werk dat de licentie dekt; roep het gehoste model aan voor alles wat een klant bereikt.

Wat te kijken

Twee dingen maken dit van een vergelijking van papierwerk tot een vergelijking van modellen, en beide zijn controleerbaar zonder op iemands aankondiging te wachten.

Het eerste is of er een LICENSE-bestand in de LLaDA-Image-repositories verschijnt. Een licentie die in de frontmatter wordt genoemd en als tekst wordt meegeleverd, is wat Apache 2.0 feitelijk vereist, en zolang dat bestand niet bestaat, is de verklaring het enige bewijs. Het tweede is of de trainingscode wordt meegeleverd. Het is het laatste niet-aangevinkte vakje op de kaart, en het is het verschil tussen gewichten die toevallig downloadbaar zijn en de "volledig open trainingsrecepten" die de titel belooft.

Tot die tijd is de eerlijke samenvatting degene die de bronnen ondersteunen: LLaDA-Image claimt nu de ruimere licentie en heeft die nog niet gedocumenteerd, Qwen-Image-2.1 documenteert een licentie die verbiedt wat de meeste teams willen doen, en slechts één van de twee is door iemand anders dan zijn eigen lab gemeten.