Qwen-Image-2.1 vs LLaDA-Image: Twierdzenie o licencji się zmieniło, a tylko jeden z nich o tym mówi

Gdy LLaDA-Image został udostępniony przez inclusionAI, laboratorium badawcze Ant Group, 4 września 2026 roku, odczyt jego repozytoriów był prosty: nie zadeklarowano licencji, a więc wszelkie prawa zastrzeżone. Ten odczyt jest już nieaktualny. Wszystkie cztery jego karty modeli na Hugging Face — LLaDA-Image, LLaDA-Image-Turbo, LLaDA-Image-FP8 i LLaDA-Image-Turbo-FP8 — deklarują dziś apache-2.0 w swoim frontmatterze i jest to pierwsza linia karty. Ani jedno z tych czterech repozytoriów nie zawiera pliku LICENSE, a repozytorium projektu na GitHubie utworzone 31 sierpnia 2026 roku również nie ma pliku licencji. Zestaw to z Qwen-Image-2.1, wydanym przez zespół Qwen należący do Alibaby z otwartymi wagami 20 września 2026 roku na podstawie Qwen Research License Agreement — prawdziwym dokumentem, opatrzonym datą, wyłącznie niekomercyjnym, i powodem, dla którego jego własne repozytoria oznaczają licencję jako other. Dwa modele obrazu z otwartymi wagami, szesnaście dni różnicy, a ten z gorzej brzmiącą dokumentacją to ten, który zadeklarował permisywną licencję. Haczyk tkwi całkowicie w sposobie, w jaki ją zadeklarowano.

To porównanie papieru, a nie pikseli. Żaden z modeli nie ma niezależnego wyniku dla obrazów — LLaDA-Image w żadnym ze swoich czterech wariantów nie pojawia się na żadnym z rankingów obrazów Artificial Analysis, a dwa wiersze Qwen-Image-2.1 tam niosą Brak dostępnego API adnotację. To, co faktycznie możesz dziś zdecydować, to to, co wolno ci robić, a odpowiedź na to zmieniła się w przypadku jednego z tych dwóch modeli bez żadnego ogłoszenia.

Co tak naprawdę mówią oba obszary licencyjne

Czytaj źródła pierwotne, a nie streszczenia, bo różnica między nimi to cała historia.

• Qwen-Image-2.1 — wydany na podstawie Umowy licencyjnej Qwen Research z dnia 20 września 2026 r., udzielonej „WYŁĄCZNIE DO CELÓW NIEKOMERCYJNYCH”, przy czym użycie komercyjne wymaga odrębnej licencji, o którą należy wystąpić do dostawcy. Repozytoria modelu Alibaba na Hugging Face podają pole licencji jako other, co jest trafnym oznaczeniem: nie jest to licencja zatwierdzona przez OSI, a model nie jest open source w tym sensie. Wciąż można go pobrać, uruchomić i poddać benchmarkom.

• LLaDA-Image — karta modelu Hugging Face deklaruje license: apache-2.0 w swoim YAML frontmatter. Apache 2.0 to licencja OSI, która pozwala na użycie komercyjne. Jeśli frontmatter jest licencją, to jest to znacznie korzystniejsza z tych dwóch.

• LLaDA-Image, reszta dokumentacji — w drzewie repozytorium nie ma pliku LICENSE. Karta wymienia README, model_index.json, .gitattributes oraz katalogi z wagami i nic poza tym. Repozytorium projektu na GitHubie również nie zawiera pliku licencji; samo API repozytoriów GitHuba nie zgłasza dla niego żadnej licencji. Sam tekst Apache 2.0 wymaga, aby kopii licencji towarzyszyła dystrybucji, a w żadnym z tych miejsc takiej kopii nie ma.

Zatem uczciwy opis sytuacji licencyjnej LLaDA-Image to nie „brak licencji” i nie „Apache 2.0”. Wygląda on tak: karta deklaruje Apache 2.0, a repozytorium nie dostarcza tekstu licencji. Te dwa fakty wskazują w tym samym kierunku, ale nie są tym samym faktem, a tylko jeden z nich jest tym, czego będzie szukać osoba oceniająca zakupy.

Dlaczego karta brzmi tak, jak brzmi

Sam frontmatter karty wszystko zdradza. Nagłówek rodziny modeli to LLaDA-Image: Budowanie silnych generatorów obrazów z w pełni otwartymi przepisami treningowymi, a dwa z pięciu wymienionych przez nią najważniejszych punktów dotyczą otwartości: wstępny trening wyłącznie na obrazach w celu ustalenia prioru wizualnego oraz zunifikowany model dyfuzyjny, w którym zarówno backbone, jak i DiT są modelami dyfuzyjnymi trenowanymi w ramach jednego frameworku. Słowo „przepis” odgrywa tu zamierzoną rolę. Karta promuje odtwarzalny pipeline, a nie tylko checkpoint.

Następnie przeczytaj plan open source na dole tej samej karty:

• Kod wnioskowania i wagi modelu — zaznaczone.

• Kod szkoleniowy — niezaznaczony, oznaczony jako wkrótce.

• Osobny raport arXiv, oznaczony na karcie numerem 2609.03796, zawiera tę metodę.

To spójne stanowisko i nie jest ono nieuczciwe: wagi i kod wnioskowania teraz, kod treningowy później, metoda w artykule. To także kontekst, w którym linia frontmattera Apache 2.0 ma sens jako intencja — to projekt, który chce być odczytywany jako w pełni otwarty. Luka między tą intencją a brakującym plikiem licencji to dokładnie ten rodzaj rzeczy, którego frontmatter karty nie może wyrazić.

Co mówią liczby i kto je wyprodukował

Jedynym twierdzeniem ilościowym powiązanym z LLaDA-Image jest wynik benchmarku i trzeba jasno podać jego pochodzenie. Karta podaje „SOTA na Qwen-Image-Bench” z ogólnymi wynikami 53,53 w języku angielskim i 53,38 w języku chińskim. To własne dane inclusionAI, zmierzone na benchmarku nazwanym od modelu innego laboratorium, i nie zostały odtworzone przez nikogo spoza tego laboratorium. Model Base osiąga je przy 50 krokach próbkowania; wariant Turbo jest destylowany za pomocą Twin-DMD, aby działać w 2 do 4 krokach. Za żadną z tych wartości nie stoi liczba głosów i żadna nie pojawia się na niezależnym rankingu, ponieważ LLaDA-Image nie znajduje się na żadnym.

Qwen-Image-2.1 znajduje się na obu tablicach Artificial Analysis — 1034 Elo na 18. miejscu spośród 166 w zadaniu tekst-na-obraz i 1074 Elo na 18. miejscu spośród 97 w edycji, odpowiednio z 5286 i 5536 porównań w ciemno. Jego wiersze na obu tablicach mają obok adnotacji Brak dostępnego API znacznik Open Weights. To niezależny pomiar modelu hostowanego samodzielnie, co jest trudniejsze do uzyskania, niż brzmi, i to jedyna oś, na której te dwa modele wcale nie należą do tej samej kategorii.

Decyzja, którą to faktycznie zmienia

Jeśli opieraliście się na wcześniejszej interpretacji — że LLaDA-Image nie deklaruje żadnej licencji, więc należy traktować ją jako objętą wszelkimi prawami zastrzeżonymi — sytuacja się poprawiła, a poprawa jest wystarczająco realna, by na jej podstawie działać w zakresie oceny i prac wewnętrznych. Zachowaj to zastrzeżenie: licencja wskazana wyłącznie w YAML, bez tekstu licencji w repozytorium, jest słabszym dowodem niż plik licencji leżący obok wag. Jeśli LLaDA-Image ma trafić do produktu, to jest pytanie do laboratorium badawczego Ant Group, a nie coś, co można rozstrzygnąć, wskazując na tag metadanych.

Qwen-Image-2.1 to odwrotny układ: dokumentacja jest jednoznaczna, a odpowiedź brzmi „nie”. Datowana licencja badawcza, która zabrania użytku komercyjnego, jest łatwiejsza do uwzględnienia w planach niż niejasna licencja permisywna, ponieważ nie ma tu nic do interpretowania. To także zmiana względem wcześniejszej linii Qwen-Image, która była wydana na licencji Apache 2.0, więc zespoły, które oparły się na poprzedniej generacji, nie mogą przenieść tego założenia dalej.

Żaden z tych modeli nie jest udostępniany w OrcaRouter i żaden nie będzie, dopóki nie rozstrzygnie się kwestia licencji — licencja wyłącznie badawcza oraz plik licencji, którego nie ma w repozytorium, to dwa powody, by utrzymać hostowaną ścieżkę oddzielnie od eksperymentu. Modele obrazowe, które obsługujemy, to poziomy Imagen od Google i podglądy obrazów Gemini, punkt końcowy obrazów Grok Imagine od xAI oraz rodzina GPT-Image od OpenAI — wszystko za jednym punktem końcowym zgodnym z OpenAI, z ceną katalogową dostawcy przekazywaną dalej bez marży, automatyczne przełączanie awaryjne między dostawcami, oraz DSL routingu do łączenia kilku modeli w jedno wywołanie. Uruchamiaj model do pobrania do pracy, którą obejmuje licencja; wywołuj hostowany model do wszystkiego, co trafia do klienta.

Co obejrzeć

Dwie rzeczy sprawiają, że przestaje to być porównaniem dokumentów, a staje się porównaniem modeli, i obie można sprawdzić, nie czekając na czyjekolwiek ogłoszenie.

Pierwsza kwestia dotyczy tego, czy w repozytoriach LLaDA-Image pojawia się plik LICENSE. Licencja wymieniona we frontmatterze i dostarczana jako tekst to coś, czego faktycznie wymaga Apache 2.0, a dopóki ten plik nie istnieje, deklaracja jest jedynym dowodem. Druga kwestia dotyczy tego, czy udostępniany jest kod treningowy. To ostatnie niezaznaczone pole na karcie i różnica między wagami, które przypadkiem da się pobrać, a „w pełni otwartymi przepisami treningowymi”, które obiecuje tytuł.

Do tego czasu uczciwym podsumowaniem jest to, które potwierdzają źródła: LLaDA-Image obecnie deklaruje bardziej liberalną licencję i jeszcze jej nie udokumentował, Qwen-Image-2.1 dokumentuje licencję, która zabrania tego, co większość zespołów chce robić, a tylko jeden z tych dwóch został zbadany przez kogoś spoza własnego laboratorium.