Qwen-Image-2.1 против Bernini-Diffusers-v2: лицензия — это весь аргумент

Две системы генерации изображений с открытыми весами появились в 2026 году с разницей в шесть недель и почти без шумихи, и они расходятся в одном вопросе, который решает, можно ли построить на них бизнес. Qwen-Image-2.1, опубликованная 20 сентября 2026 года, распространяется по исследовательской лицензии — только для некоммерческого использования, коммерческое использование — по отдельной договорённости. Bernini-Diffusers-v2, опубликованная ByteDance 13 августа 2026 года, распространяется под Apache 2.0, а значит, вы можете её выпускать. Более мощный на вид релиз — это тот, который вы не можете продавать, а более либеральный по лицензии — тот, который в основном стремится делать видео. В этой инверсии и заключается всё сравнение.

Инверсия лицензии

Начните с бумажной работы, потому что она важнее всего остального на этой странице. Сколько бы вы ни выигрывали в качестве, это не закроет проблему с лицензированием, и никакой результат бенчмарка не спасёт продукт, который приходится отзывать.

• Лицензия — Qwen-Image-2.1 распространяется по Лицензионному соглашению Qwen Research License Agreement от 20 сентября 2026 года с пометкой «ТОЛЬКО ДЛЯ НЕКОММЕРЧЕСКИХ ЦЕЛЕЙ»; коммерческие права доступны только по запросу; Bernini-Diffusers-v2 — под Apache 2.0.
• Практическое следствие — рабочий процесс на базе Qwen-Image-2.1 — это оценочный или личный актив; рабочий процесс на базе Bernini-Diffusers-v2 можно выпускать уже сегодня, соблюдая обычные требования Apache об указании авторства и без необходимости разговаривать с вендором.
• Направление движения — предыдущая линейка изображений Qwen выходила под Apache 2.0, так что этот релиз — ужесточение; ByteDance сохраняет Bernini под разрешительной лицензией в обоих поколениях.

Если вы прочитаете только один раздел этой статьи, то пусть это будет этот раздел. Всё, что ниже, — это решающий довод между двумя вещами, которые на этой оси на самом деле вовсе не равны.

Что на самом деле представляет собой каждая система

Эти две модели — не объекты одного и того же типа, и разница проявляется сразу же, как только посмотришь, что входит в загрузку.

Qwen-Image-2.1 — единая унифицированная модель. Один 7B, 32-слойный однопоточный диффузионный трансформер выполняет генерацию и редактирование на одних и тех же весах, получая условие от текстового энкодера Qwen3-VL 8B, а основную работу с прозрачностью выполняет 64-канальный RGBA VAE с 16-кратным пространственным сжатием. Общий объём — около 33 ГБ: сам DiT занимает примерно 14 ГБ, а остальное приходится на текстовый энкодер. Также в комплекте идут два опциональных чекпоинта для переписывания промптов — PE-T2I и PE-I2I, каждый — дообученный Qwen3.5-VL 9B объёмом около 18,8 ГБ, — которые переписывают вашу инструкцию во что-то точное, прежде чем её увидит диффузионная модель.

Bernini-Diffusers-v2 — это пайплайн, а не отдельная модель. Семантический планировщик Qwen2.5-VL выполняет рассуждение и записывает латентный семантический план; диффузионный рендерер Wan2.2 выполняет его. Главное изменение рецепта v2 по сравнению с первым релизом Bernini заключается в том, что он разогревает коннектор на протяжении тысяч шагов перед совместным обучением, что и улучшило редактирование видео по референсу и поведение OpenS2V. Это двухэтапное разделение — архитектурная ставка: сначала планирование, затем рендеринг, и вы можете редактировать видео, редактируя план.

• Архитектура — Qwen-Image-2.1 — это единый DiT для генерации и редактирования; Bernini-Diffusers-v2 — это планировщик Qwen2.5-VL, управляющий рендерером Wan2.2.
• Модальность — Qwen-Image-2.1 работает только с изображениями; Bernini-Diffusers-v2 охватывает t2i, i2i, t2v, v2v, редактирование видео по референсу и r2v, так что изображения — это боковая комната, а не весь дом.
• Прозрачность — Qwen-Image-2.1 выдаёт альфа-канал прямо из сэмплера через свою RGBA VAE; у Bernini-Diffusers-v2 в документации указан вывод в виде RGB-видео и кадров изображений, а эквивалентный нативный путь для альфа-канала не описан.
• Обработка промптов — Qwen-Image-2.1 поставляется с отдельными 9B-чекпоинтами рерайтера, которые можно читать, делать diff и переопределять; планировщик Bernini-Diffusers-v2 — часть пайплайна, а его усилитель промптов — это необязательный вызов OpenAI-совместимой конечной точки, а не поставляемый чекпоинт.
• Аппаратное обеспечение — Qwen-Image-2.1 умещается на одной потребительской GPU, при этом на картах с ограниченными ресурсами рекомендуется CPU offload; документированная среда Bernini-Diffusers-v2 — это класс Hopper, H100/H800/H200, с многоГПУ-параллелизмом последовательностей для более крупных конфигураций.

Где сравнение перестаёт быть полезным

Так и тянет сравнить эти два варианта друг с другом по качеству результатов. Но такого сравнения не существует, и делать вид, что оно есть, было бы нечестным ходом.

Опубликованные показатели Bernini-Diffusers-v2 — это заявленные производителем метрики видео и редактирования: EditVerse 8.02, OpenVE 3.96, OpenS2V 63.83, VBench 84.46, — а также утверждение о производительности первого уровня во внутренней слепой попарной арене ByteDance с участием людей. Это видео-метрики. Независимый бенчмарк изображений для Bernini-Diffusers-v2 не проводился: ни FID, ни оценка рендеринга текста, ни запись в лидерборде по изображениям. С другой стороны, единственное числовое значение качества Qwen-Image-2.1 — это собственная диаграмма Qwen-Image-Bench от производителя, где у модели 60.28 против 59.82 у Nano Banana 2.0 и 59.65 у GPT Image 1.5 — материал производителя, не воспроизведённый, и на момент написания модель отсутствовала в независимых лидербордах по изображениям. Единственная по-настоящему независимая точка данных — это функциональная проверка в рамках работ по интеграции SGLang: вывод прозрачных PNG прошёл проверку, альфа-канал сохранялся во всём диапазоне 0–255, измеренный RGBA PSNR составил 60.69 дБ на одной выборке, а конфигурации FP8 прошли генерацию прозрачных PNG. Авторы SGLang прямо указывают, что это проверка корректности, а не гарантия качества.

Итак: два открытых релиза, две оценочные карты от вендоров, ни одного общего бенчмарка и ни одной третьей стороны, которая протестировала бы оба. Любой, кто говорит вам, что один превосходит другой по качеству изображения, просто повторяет маркетинговые заявления.

Философия редактирования: переписать промпт или переписать план

Обе модели пытаются решить одну и ту же основную проблему — инструкция пользователя расплывчата, а диффузионная модель буквальна — и они решают её в противоположных местах.

Qwen-Image-2.1 решает это на уровне языка. Чекпоинт PE-I2I принимает вашу инструкцию по редактированию вместе с одним или несколькими входными изображениями и перед генерацией переписывает её в точную директиву. Поскольку это поставляемый чекпоинт с поставляемым system_prompt.txt, вы можете прочитать, что именно ему предписано делать, — включая правило о том, что отрисованный текст в выходных данных должен соответствовать доминирующему языку текста, уже присутствующего во входном изображении, а не принудительно быть английским. Это проверяемое поведение. Вы можете это переопределить.

Bernini-Diffusers-v2 решает это структурно. Планировщик создаёт семантический план, который затем выполняет рендерер, и интересное свойство такой организации в том, что план можно редактировать. Для работы с видео — где весь смысл часто в том, чтобы изменить один элемент по всей последовательности, не перегенерируя кадр, — планирование отдельно от рендеринга является правильной формой. Для одиночного статичного изображения это лишняя движущаяся часть.

• Гранулярность редактирования — Qwen-Image-2.1 поддерживает локальные правки с помощью круга, нарисованной аннотации или отдельной маски, а также редактирование прозрачного слоя и извлечение субъекта из RGB-фотографий; задокументированные сильные стороны редактирования Bernini-Diffusers-v2 — это редактирование видео с опорой на референсы и преобразование субъекта в видео, а не локальное восстановление статичных изображений.
• Референсные входные данные — Qwen-Image-2.1 принимает до 10 референсных изображений, хотя рецензент с раннего доступа сообщил, что согласованность при использовании нескольких референсов ухудшается начиная примерно с трёх изображений; работа Bernini-Diffusers-v2 с референсами задокументирована в контексте видеопоследовательностей.
• Проверяемость — логика перезаписи Qwen-Image-2.1 — это читаемый системный промпт в репозитории; этап планирования Bernini-Diffusers-v2 — это веса модели.

Что с этим на самом деле делать

Правило принятия решения вытекает из лицензии, а не из спецификации.

Если результат идёт в что-то, что вы продаёте — клиентскую работу, продукт, платный конвейер — Bernini-Diffusers-v2 является единственным из этих двух, который вы можете использовать без переговоров, и вам следует закладывать бюджет на оборудование класса Hopper, чтобы запускать его так, как описано в документации. Если вы занимаетесь исследованиями, оценкой или личными проектами, Qwen-Image-2.1 даёт вам более удобную для проверки систему и систему с нативной альфой — ценой лицензии, которую вам в конечном итоге придётся пересматривать или от которой придётся отказаться.

Есть третий вариант, который не покрывает ни один из этих двух, и его стоит назвать прямо: хостируемые модели изображений, где вы никогда не касаетесь файла лицензии или GPU. OrcaRouter маршрутизирует более 200 моделей через одну совместимую с OpenAI конечную точку по цене провайдера без наценки, с автоматическим переключением при сбое между провайдерами, DSL маршрутизации для цепочек резервных переходов и объединением моделей. Ни Qwen-Image-2.1, ни Bernini-Diffusers-v2 на момент написания нет в нашем каталоге — мы не маршрутизируем ни одну модель Qwen-Image какой-либо версии и ни одну модель Bernini, — так что это не реклама ни той, ни другой. Маршрутизируемая линейка изображений, которую мы действительно предоставляем, — это семейство GPT-Image от OpenAI, уровни Imagen 4 и предварительные версии изображений Gemini от Google, а также конечная точка изображений Grok Imagine от xAI; поскольку цена по прайс-листу передаётся без наценки, снижение цены вендором на любую из них вступает в силу в тот же день.

Та часть, на которую не отвечает ни один из двух репозиториев.

Оба этих релиза прошли тихо, без предварительного анонса, а тихие релизы трудно учесть в планах. Единственным предварительным сигналом о Qwen-Image-2.1 была заметка о раннем доступе от 17 сентября с предложением 50 слотов на ModelScope, где тестировщиков просили опубликовать результаты к 29 сентября — за три дня до того, как веса стали публичными. Bernini-Diffusers-v2 просто появился на Hugging Face 13 августа вместе с зеркалом на Gitee.

Чего не хватает в обоих случаях — это основания полагать, что условия сохранятся. Qwen ужесточила лицензию между предыдущим поколением генерации изображений и этим — это сигнал о направлении. ByteDance сохранила Bernini Apache 2.0 на протяжении двух поколений — это сигнал о противоположном направлении. Сохранится ли что-либо из этого в следующем релизе, отсюда узнать невозможно, и именно это нужно проверить до того, как вы закладываетесь на пайплайн, а не после.