Qwen-Image-2.1 vs Grok Imagine Image 2.0: Fria vikter mot en prissatt miljö

En av dem kostar ingenting per bild och kommer med en licens som förbjuder försäljning av resultatet. Den andra kostar mellan två och sex cent per bild beroende på var du köper den, har ingen sådan begränsning och rankas på de listor du faktiskt kan slå upp. Qwen-Image-2.1 blev offentlig den 20 september 2026 som öppna vikter under en forskningslicens. Grok Imagine Image 2.0 är leverantörens betalda bildendpoint, distribuerad via dess egen API och en rad tredjepartsleverantörer. Valet mellan dem handlar inte om kvalitet — det handlar om huruvida du vill äga modellen eller hyra miljön runt den, och miljön gör mer arbete än prislappen antyder.

Vad en bild kostar på varje sida

Priset för Qwen-Image-2.1 är noll per bild och en engångskostnad som inte är noll. Du laddar ner ungefär 33 GB – en 7B, 32-lagers single-stream-diffusionstransformer på cirka 14 GB plus en Qwen3-VL 8B-textkodare som tar större delen av resten – och därefter är marginalkostnaden för en bild elen som krävs för att köra den. På ett begränsat grafikkort rekommenderar modellkortet CPU-offload via pipe.enable_model_cpu_offload(), vilket är standardutvägen och kostar dig hastighet snarare än pengar.

Priset för Grok Imagine Image 2.0 har motsatt form. xAIs egen dokumentation listar flaggskeppet till 0,04 USD per genererad bild, med basändpunkten för Grok Imagine-bilden på 0,02 USD och kvalitetsnivån på 0,05 USD. Tredjepartsleverantörer hamnar i ett liknande intervall med sina egna nivåer – en listar fasta priser på 0,05 USD för text-till-bild och 0,06 USD för redigering oavsett upplösning eller kvalitetsinställning, en annan anger 0,045 USD fast vid både 1K och 2K för sin kvalitetsnivå, och en tredje annonserar 0,025 USD för text-till-bild eller referensredigering med upp till fem indatabilder. På marknaden som helhet landar det på ungefär 0,02 till 0,06 USD per bild, där konsumentåtkomst ingår i X Premium och SuperGrok i stället för att faktureras per bild.

• Kostnadsmodell — Qwen-Image-2.1 är en fast kostnad för hårdvara och nedladdning med noll marginalkostnad per bild; Grok Imagine Image 2.0 är rent marginell och skalar linjärt med volymen för evigt.
• Brytpunkt — övergångspunkten är en volymfråga du kan räkna ut, och den flyttar sig när en leverantör ändrar en taxa. Vid några tusen bilder i månaden är den hostade vägen självklart billigare än att köpa ett grafikkort; vid hög ihållande volym vinner den lokala vägen på kostnad och förlorar på alla andra axlar.
• Det du inte kan köpa på den lokala sidan — hastighetsbegränsningar, drifttid och någon annans driftsteam. Det du inte kan köpa på den hostade sidan är vikterna.

Vad topplistorna säger, och vad de inte säger

Grok Imagine Image 2.0 har offentliga påståenden om rankning. xAIs lanseringsmaterial angav en andraplats totalt på både Text-to-Image- och Image Edit Arena-tavlorna per den 7 augusti 2026, bakom GPT Image 2 – det är en av leverantören citerad, tidsstämplad ögonblicksbild och bör läsas som en sådan. Tredjeparts-trackers under veckorna därefter placerade det runt andraplatsen inom bildredigering och tredjeplatsen inom text-till-bild, återigen bakom GPT Image 2, med Elo-siffror i det lägre 1 300-talet och vissa spårningssajter som rapporterade närmare 1 173–1 175. Spridningen mellan dessa siffror är i sig lärdomen: topplistepositioner i den här kategorin rör sig från vecka till vecka, och en placering utan datum är inte information.

Qwen-Image-2.1 har ingen rankning alls. Det saknades på de oberoende bildtopplistorna när detta skrevs. Dess enda kvalitetssiffra är leverantörens egen Qwen-Image-Bench-graf, där den visar 60,28 mot Nano Banana 2.0 på 59,82 och GPT Image 1.5 på 59,65 – leverantörmaterial, inte reproducerat av någon tredje part. Den enda genuint oberoende datapunkten är den funktionella verifiering som publicerades tillsammans med SGLang-integrationsarbetet: transparent PNG-utdata godkändes, alfa bibehölls över hela intervallet 0–255, och RGBA PSNR uppmättes till 60,69 dB i ett enda urval som författarna uttryckligen beskriver som en korrekthetskontroll snarare än en kvalitetsgaranti.

Så den ärliga resultattavlan är: en modell har en offentlig rankning som förändras och ett leverantörspåstående kopplat till den, och den andra har ett leverantörs-scorecard och ett godkänt integrationstest. Det är inte en jämförelse, och ingen artikel som påstår något annat har kört båda.

Alpha, och varför det är den enda tekniska asymmetrin

Qwen-Image-2.1:s transparens är inbyggd i modellen. En 64-kanalig RGBA-VAE med 16× rumslig kompression innebär att alfakanalen är en del av det latenta rum som avbrusas, vilket ger tre saker från en och samma mekanism: generering med transparens, redigering inuti en bild som redan har transparens utan att först platta till den, och subjektsextraktion från ett vanligt RGB-fotografi som returnerar alfa i stället för en hård mask. Ingen nod för borttagning av bakgrund, ingen matting-modell, ingen kantstädning – det är leverantörens påstående, och SGLang-funktionsverifieringen är det enda oberoende beviset för att kanalen är verklig snarare än nominell.

Grok Imagine Image 2.0 har ingen dokumenterad motsvarighet. Dess publicerade funktionsyta är text-till-bild och referensbaserad redigering, med upplösnings- och kvalitetsnivåer och upp till fem indatabilder hos vissa leverantörer. Om din tillgång behöver ett urklippt motiv med rena halvtransparenta kanter – hår, glas, rök – lägger du till ett matting-steg på Grok-sidan och inte på Qwen-sidan. Huruvida det steget kostar mer än licenskrånglet på den andra sidan är den egentliga ingenjörsfrågan, och det beror på ditt motiv.

En redigeringsmiljö kontra en kontrollpunkt

De två systemen är oeniga om var redigeringsintelligensen bör ligga.

Grok Imagine Image 2.0 gör det till en tjänst. Du skickar en referensbild och en instruktion, leverantören bestämmer vad det innebär, och upplösnings- och kvalitetsnivåer väljs per begäran. Det finns inget att läsa, inget att ställa in och inget som kan gå sönder – vilket är en verklig fördel för ett team som inte vill äga en diffusers-pipeline. Det är också anledningen till att priset varierar beroende på leverantör för vad som nominellt är samma modell: du köper en miljö, inte bara vikter.

Qwen-Image-2.1 lägger det i checkpoints som du kan inspektera. Vid sidan av bildmodellen levereras två promptomskrivningsmodeller – PE-T2I och PE-I2I, var och en en finjusterad Qwen3.5-VL 9B på cirka 18,8 GB – med omskrivningskoden i en prompt_rewrite/mapp och en medföljande system_prompt.txt som bland annat anger hur språket för renderad text väljs. Det är en nivå av inspekterbarhet som inget hostat bild-API erbjuder. Det är dessutom 37,6 GB omskrivare ovanpå modellen, vilket är en verklig kostnad i diskutrymme och laddningstid för en komponent som de flesta pipelines kommer att betrakta som valfri.

• Redigeringsyta – Qwen-Image-2.1 stöder lokala redigeringar via cirkel, målad annotering eller en separat mask, samt redigering av transparenta lager och extrahering av motiv; Grok Imagine Image 2.0:s dokumenterade redigering styrs av referensbilder.
• Referensindata – Qwen-Image-2.1 tar emot upp till 10 referensbilder, där en recensent med tidig åtkomst rapporterar att konsistensen mellan flera referenser försämras från omkring tre bilder och framåt; flera Grok-leverantörer dokumenterar upp till fem indatabilder.
• Inbyggd upplösning – Qwen-Image-2.1 ger inbyggt utdata i 2K med 2048×2048 som standard vid 40 steg över sju förval för bildförhållande; Grok Imagine Image 2.0:s upplösning väljs per begäran och prissätts av leverantören.

Distribution och licensen

Det är här de två skiljer sig mest markant, och det är inte alls någon teknisk skillnad.

Grok Imagine Image 2.0 är tillgängligt via xAI:s API och via flera oberoende tredjepartsleverantörer, vilket innebär priskonkurrens, vilket innebär att priset du betalar är ett marknadspris snarare än ett listpris. Det finns ingen nedladdning, ingen GPU, ingen licensfil att läsa och inga begränsningar för kommersiell användning utöver leverantörens egna villkor.

Qwen-Image-2.1 finns bara på ett sätt: att ladda ner det. Det levereras under Qwen Research License Agreement daterat den 20 september 2026, som endast beviljar rättigheter för icke-kommersiella ändamål och anger att kommersiell användning kräver en separat licens som begärs från leverantören. Det är en åtstramning jämfört med den tidigare Qwen-Image-serien, som levererades under Apache 2.0, och det är det enda faktum som avgör de flesta verkliga beslut mellan dessa två. En studio som jämför dem utifrån kvaliteten på utdata svarar på fel fråga; den studio som inte kan använda Qwen-Image-2.1 för kundarbete jämför dem inte alls.

OrcaRouter är där den uthyrda sidan av den uppgörelsen håller till. Vi routar 200+ modeller bakom en enda OpenAI-kompatibel endpoint till leverantörens listpris utan påslag, med automatisk redundansväxling mellan leverantörer, ett routing-DSL och modellfusion – så en bildroute kan ange en primär och en reserv i stället för att satsa på en leverantörs eftermiddag. Vi routar xAI:s Grok Imagine-bildendpoint, men notera versionen: vår katalog innehåller grok/grok-imagine-image, inte Grok Imagine Image 2.0, så den nyare modellen kan vi för närvarande inte erbjuda dig. Vi routar inte heller någon Qwen-Image-modell av någon version, så Qwen-Image-2.1 är endast lokal. Den routade bildlinje vi faktiskt erbjuder är OpenAIs GPT-Image-familj, Googles Imagen 4-nivåer och Gemini-bildförhandsvisningar, samt den där äldre Grok Imagine-bildendpointen; eftersom listpriset förs vidare i stället för att beläggas med påslag blir en leverantörs prissänkning på någon av dem aktiv samma dag.

Vad skulle ändra det här svaret?

Tre saker, och alla tre är rimliga inom ett kvartal.

• En kommersiell licens för Qwen-Image-2.1. Om leverantören publicerar villkor till ett pris som en studio är beredd att betala, blir både transparensfördelen och nollmarginalkostnaden användbara i kommersiellt arbete, och den här jämförelsen får en helt annan karaktär. I dag finns inget publicerat pris och inga angivna villkor.
• En oberoende benchmark av Qwen-Image-2.1. Om en tredje part reproducerar leverantörens Qwen-Image-Bench-siffror, eller placerar modellen på en offentlig bildtavla, skulle det göra den enda återstående öppna frågan – är den faktiskt bra – till en avgjord fråga.
• En prisändring på Grok-sidan. Leverantörskonkurrens har redan gett ett spann från 0,02 till 0,06 dollar för nominellt samma modell. En varaktig sänkning skulle göra den hostade vägen till standard för fler volymband än vad den för närvarande är.

Tills en av dessa landar, är avgörandet inte kvalitet och det är inte pris. Det är huruvida du behöver alpha och kan leva med en icke-kommersiell licens, i vilket fall du laddar ner den och betalar i hårdvara; eller huruvida du behöver leverera och vill att någon annan kör modellen, i vilket fall du betalar per bild och aldrig tänker på en VAE igen.