Ming-Image-0.1-Design กับ Qwen-Image 2.1: ใบอนุญาตคือความแตกต่างที่แท้จริง

โมเดลภาพแบบเปิดสองตัวเปิดตัวห่างกันสามวันในเดือนกันยายน 2026 และเมื่ออ่านจากสเปกชีตแล้ว พวกมันดูเหมือนเป็นการซื้อเดียวกัน Ming-Image-0.1-Design ซึ่งสร้างโดยทีม inclusionAI ของ Ant Group ได้ปล่อยเวตลงบน Hugging Face เมื่อวันที่ 17 กันยายน ภายใต้สัญญาอนุญาต MIT Qwen-Image 2.1 จากทีม Qwen ของ Alibaba ตามมาเมื่อวันที่ 20 กันยายน ภายใต้ข้อตกลงสัญญาอนุญาต Qwen Research License Agreement ทั้งคู่สร้างเอาต์พุตเป็น RGBA แบบเนทีฟ ทั้งคู่อ้างว่าสร้างภาพได้ที่ความละเอียด 2K และทั้งคู่มุ่งเป้าไปที่ผู้ซื้อรายเดียวกัน นั่นคือทีมที่ต้องการการสร้างภาพซึ่งโฮสต์ ตรวจสอบ และแก้ไขได้ด้วยตัวเอง สองสิ่งที่แยกพวกมันออกจากกันจริง ๆ คือสองสิ่งที่สเปกชีตแสดงได้แย่ที่สุด — สิ่งที่คุณได้รับอนุญาตตามกฎหมายให้ทำกับผลลัพธ์ได้ และต้องใช้ซิลิคอนมากแค่ไหนในการสร้างหนึ่งภาพ

นั่นไม่ใช่การวางกรอบเชิงวาทศิลป์ สำหรับหนึ่งในโมเดลเหล่านี้ ใบอนุญาตเป็นข้อห้ามเด็ดขาดต่อการใช้งานเชิงพาณิชย์ ส่วนอีกตัวหนึ่งกลับไม่ใช่ประเด็นเลย และจำนวนพารามิเตอร์ที่ผู้ขายแต่ละรายพิมพ์บนกล่องนั้นประเมินขนาดดาวน์โหลดต่ำไปสามหรือสี่เท่า ข้อเท็จจริงสองข้อนี้ตัดสินการซื้อนานก่อนที่เบนช์มาร์กใด ๆ จะตัดสิน — และที่จริงแล้ว เบนช์มาร์กเหล่านั้นก็เปรียบเทียบกันไม่ได้เลย

สิ่งที่แต่ละรีพозиทอรีมีอยู่จริง

ไม่มีโมเดลใดเป็นเครือข่ายเดียว ทั้งคู่เป็นไปป์ไลน์ และไปป์ไลน์คือที่ที่ขนาดอยู่:

• เครื่องกำเนิด — Ming-Image-0.1-Design มาพร้อมกับทรานส์ฟอร์มเมอร์สำหรับการออกแบบที่มีพารามิเตอร์ 6.15B (12.31 GB ใน BF16); Qwen-Image 2.1 มาพร้อมกับ DiT แบบ single-stream ขนาด 7.1B ที่มี 32 เลเยอร์, ความสนใจแบบ block-causal และจำนวนพารามิเตอร์ที่ใช้งานอยู่ซึ่งไม่เปิดเผย (ประมาณ 14.2 GB)

• ด้านข้อความ — Ming-Image-0.1-Design จับคู่ทรานส์ฟอร์เมอร์ของตนกับ LLM แบบมัลติโมดัลขนาด 17.01B (34.02 GB) และคอนเนกเตอร์ขนาด 3.09B (6.17 GB); Qwen-Image 2.1 ใช้ตัวเข้ารหัสข้อความ Qwen3-VL 8B (ประมาณ 17.5 GB)

• จำนวนพารามิเตอร์ทั้งหมด — 26.44B สำหรับ Ming-Image-0.1-Design เทียบกับประมาณ 15–16B สำหรับ Qwen-Image 2.1 โปรดทราบว่าตัวเลขที่โฆษณาของทั้งสองผู้พัฒนาไม่ใช่จำนวนรวม: "6B" และ "7B" ต่างก็อธิบายเฉพาะเจนเนอเรเตอร์เท่านั้น

• ขนาดที่เก็บ — 52.88 GB สำหรับ Ming-Image-0.1-Design (49.25 GiB ของนั้นเป็นน้ำหนัก); ประมาณ 33 GB สำหรับ Qwen-Image 2.1

• ความโปร่งใส — ทั้งคู่ส่งออก RGBA แบบเนทีฟโดยตรงจากโมเดล แทนที่จะผ่านขั้นตอนการทำ matting ภายหลัง Ming-Image-0.1-Design ใช้ RGBA VAE ของตัวเอง; Qwen-Image 2.1 ใช้ RGBA VAE แบบ 64 ช่องสัญญาณที่มีการบีบอัดเชิงพื้นที่ 16×

• การสร้างตามค่าเริ่มต้น — Ming-Image-0.1-Design ได้รับการตรวจสอบความถูกต้องที่ 2048×2048, 12 สเต็ป, BF16, CFG 1.0; Qwen-Image 2.1 ใช้ค่าเริ่มต้นที่ 2048×2048 ด้วย 40 สเต็ป พร้อมพรีเซ็ตอัตราส่วนภาพ 7 แบบ

• สัญญาอนุญาต — MIT สำหรับ Ming-Image-0.1-Design; Qwen Research License Agreement แบบไม่ใช้เพื่อการค้า สำหรับ Qwen-Image 2.1

ป้าย "6B" ทำงานหนักมาก

ที่เก็บของ Ant Group ถูกตั้งชื่อไว้ حولโมเดล 6 พันล้านพารามิเตอร์ และทรานส์ฟอร์เมอร์ก็เป็น 6.15B จริง ๆ แต่เวตที่คุณดาวน์โหลดมามีขนาด 49.25 GiB ที่เก็บมีขนาด 52.88 GB และการกำหนดค่าที่ผู้จำหน่ายตรวจสอบรับรอง — 2048×2048 ที่ BF16 โดยมีสแตกข้อความเต็มรูปแบบคงอยู่ในหน่วยความจำ — ถูกระบุไว้สำหรับGPU CUDA 80 GiB หนึ่งตัว นั่นไม่ใช่ข้อผิดพลาดจากการปัดเศษบนการ์ด 48 GB แต่มันคือการ์ดที่คุณใช้ไม่ได้ ตัวเร่งความเร็ว 48 GB จะไม่สามารถรองรับไปป์ไลน์ได้ และสองตัวก็เช่นกัน หากไม่ใช้กลลวงการ offload ที่ผู้จำหน่ายไม่ได้จัดทำเอกสารไว้

Qwen-Image 2.1 เป็นรุ่นที่ดาวน์โหลดได้ผ่อนปรนกว่า โดยมีข้อแม้ว่า Alibaba ไม่ได้เผยแพร่ตัวเลข VRAM อย่างเป็นทางการเลยแม้แต่นิดเดียว คำแนะนำเดียวที่มีใน model card คือให้เปิด CPU offload บนการ์ดที่เล็กกว่า สิ่งที่วัดกันได้จริงนับจากวันเปิดตัวมีประโยชน์กว่าสิ่งที่เผยแพร่กันออกมา: pipeline แบบ int8 ใช้หน่วยความจำรวมราว 16 GiB และพอดีกับการ์ด 24 GB โดย resident ได้เต็มรูปแบบ ขณะที่การรันแบบ BF16 เต็มรูปแบบมีรายงานตั้งแต่ประมาณ 17 GB เมื่อใช้ CPU offload ไปจนถึงพีคที่ราว 40 GiB ที่ 1024×1024 ขึ้นอยู่กับว่าวาง text encoder ไว้ตรงไหน ความหน่วงต่อภาพเดียวที่มีรายงานอยู่ในช่วงตั้งแต่ไม่กี่วินาทีบน B200 ไปจนถึงต่ำกว่าสิบวินาทีบนการ์ด workstation รุ่นปัจจุบัน ให้ถือว่าตัวเลข所有这些ทุกตัวเป็นการวัดจากชุมชนมากกว่าที่จะเป็นข้อกำหนด — ตัวเลขเหล่านี้แปรผันไปตามกลยุทธ์ offload มากกว่าที่โมเดลแต่ละตัวจะแตกต่างกันเอง

สรุปในทางปฏิบัติ: Qwen-Image 2.1 เป็นโมเดลระดับ 3090 หากคุณยอมที่จะออฟโหลด; Ming-Image-0.1-Design เป็นโมเดลระดับดาต้าเซ็นเตอร์ที่ไม่มีการกำหนดค่าที่เล็กกว่า

ใบอนุญาตคือทางแยกในเส้นทาง

นี่คือส่วนที่จะหยุดโครงการได้จริง และเป็นส่วนที่สองรีลีสจัดการแตกต่างกันมากที่สุด

Ming-Image-0.1-Design ใช้สัญญาอนุญาต MIT การนำไปใส่ในผลิตภัณฑ์แบบจ่ายเงิน ปรับแต่งเพิ่ม (fine-tune) แจกจ่ายไฟล์น้ำหนักโมเดลต่อ หรือเก็บการเปลี่ยนแปลงของคุณไว้แบบไม่เปิดเผย — ทั้งหมดนั้นไม่ต้องหารือกับ Ant Group

Qwen-Image 2.1 ไม่เป็นเช่นนั้น โดยมาพร้อมข้อตกลงสัญญาอนุญาต Qwen Research License Agreement ลงวันที่ 20 กันยายน 2026 ซึ่งอนุญาตสิทธิ์การใช้น้ำหนักโมเดลเพื่อการวิจัยและการประเมินผลเท่านั้น การใช้งานเชิงพาณิชย์ต้องมีข้อตกลงแยกต่างหากจาก Alibaba และไม่มีการเผยแพร่ราคาของข้อตกลงดังกล่าว งานดัดแปลงและการเผยแพร่ต่อจะต้องแนบสัญญาอนุญาตฉบับนี้ ประกาศ "Built with Qwen" หรือ "Improved using Qwen" และบรรทัดข้อความลิขสิทธิ์ของ Hangzhou Tongyi Laboratory มาด้วย และ "Qwen" ไม่สามารถใช้เป็นชื่อหลักของโมเดลที่ดัดแปลงได้ สัญญาอนุญาตนี้อยู่ภายใต้กฎหมายจีน โดยมีเขตอำนาจศาลอยู่ที่เมืองหางโจว

มีประเด็นที่ทำให้กระจ่างได้อย่างแท้จริงอยู่หนึ่งประเด็นในข้อความติดตามผลของผู้ขายเอง: อาลีบาบาได้ระบุว่าภาพที่สร้างขึ้นนั้นไม่ได้เป็นส่วนหนึ่งของ "วัสดุ" (Materials) ที่ได้รับอนุญาต ดังนั้นคุณจึงยังคงมีสิทธิ์ในสิ่งที่โมเดลสร้างขึ้น ข้อจำกัดนั้นผูกอยู่กับเวตและตัวโมเดล ไม่ใช่กับผลลัพธ์ของคุณ นั่นเป็นการแยกส่วนที่มีความหมาย และคุ้มค่าที่จะอ่านอย่างแม่นยำ เพราะบทสรุปง่าย ๆ — "ภาพเป็นของคุณ ส่วนโมเดลไม่ใช่" — นั้นถูกต้อง

นี่ยังเป็นการเปลี่ยนทิศทางอีกด้วย การเปิดตัว Qwen-Image ก่อนหน้านี้ รวมถึง Qwen-Image รุ่นดั้งเดิม และบิลด์ 2511 และ 2512 ยังคงใช้ Apache 2.0 และอนุญาตให้ใช้ในเชิงพาณิชย์ได้ ทีมที่เลือก Qwen-Image เมื่อปีที่แล้วเพราะสัญญาอนุญาตของมัน แล้วอัปเกรดเป็น 2.1 ในเดือนนี้ ต้องรับข้อจำกัดสำหรับการวิจัยเท่านั้นซึ่งพวกเขาไม่เคยตกลงด้วย หากข้อกำหนดแบบผ่อนปรนเป็นสิ่งที่จำเป็น Qwen-Image 2.1 ก็ไม่ใช่เวอร์ชันใหม่กว่าของสิ่งที่คุณมีอยู่ — มันเป็นข้อตกลงที่แตกต่างออกไป

แต่ละอันถูกสร้างขึ้นมาเพื่อทำอะไร

การแยกสัญญาอนุญาตนั้นสะท้อนความแตกต่างในเจตนา และความแตกต่างนี้เองที่ควรเป็นตัวกำหนดการเลือก เมื่อทั้งสองเป็นทางเลือกที่ชอบด้วยกฎหมายสำหรับคุณ

Ming-Image-0.1-Design เป็นเครื่องมือออกแบบ ชุดข้อความนี้มีไว้เพื่อขยายบรีฟสั้น ๆ ให้เป็นพร้อมท์แบบมีโครงสร้าง 8K และผู้พัฒนาก็มาพร้อม "สกิล" ต่าง ๆ รอบ ๆ มัน — Design Skill ที่สร้างฉบับร่างภาพได้ในราว 15 วินาที และ PPT Skill ที่มุ่งเน้นผลลัพธ์รูปสไลด์ รีพозиทอรีคู่หูของมันอย่าง Ming-Image-0.1-Design-Layer รับงานดีไซน์ที่แบนรวมเป็นชั้นเดียวแล้วคืนกลับมาเป็นเลเยอร์แยกกัน ซึ่งเป็นความสามารถเดียวในนี้ที่ไม่มีสิ่งอื่นใดในวงการเปิดเสนอให้ inclusionAI รายงานว่าโมเดล Layer ทำงานเร็วกว่าโมเดลเลเยอร์แบบเปิดขนาด 20B ราว 4.3 เท่าในงานเดียวกัน (183 วินาที เทียบกับ 795) — เป็นข้อมูลที่ผู้พัฒนาแจ้ง ยังไม่มีใครทำซ้ำได้ และเป้าหมายที่นำมาเปรียบเทียบก็ไม่ได้ระบุชื่อไว้ชัดเจนพอที่จะตรวจสอบได้

Qwen-Image 2.1 เป็นทั้งตัวสร้างและตัวแก้ไขภาพ เช็กพอยต์เดียวทำงานได้ทั้งการสร้างภาพจากข้อความและการแก้ไขตามคำสั่ง รองรับภาพอ้างอิงสูงสุด 10 ภาพสำหรับการแก้ไขหนึ่งครั้ง และรองรับการแก้ไขเฉพาะจุดที่ปล่อยให้ส่วนที่เหลือของเฟรมไม่เปลี่ยนแปลง โดยเปิดตัวพร้อมการรองรับตั้งแต่วันแรกใน ComfyUI, Diffusers, vLLM-Omni, SGLang-Diffusion และ LightX2V ซึ่งเป็นเรื่องราวด้านการให้บริการที่ Ming-Image-0.1-Design ยังไม่มี เนื่องจากคู่มือการให้บริการของมันเองชี้ไปที่ vLLM-Omni

ให้ตีความว่านี่เป็นการแยกสาย (fork) มากกว่าการจัดอันดับ ถ้างานคือ “สร้างแอสเซตงานออกแบบที่มีเลเยอร์และแก้ไขได้จากบรีฟ” Ming-Image-0.1-Design คือตัวเดียวในสองตัวที่ทำได้ ถ้างานคือ “สร้าง แล้วแก้ไขซ้ำหลายรอบโดยอิงกับภาพอ้างอิง” Qwen-Image 2.1 ทำได้ในโมเดลเดียว ส่วน Ming-Image-0.1-Design ไม่ทำสิ่งนี้เลย

เบนช์มาร์กไม่เปรียบเทียบ และนั่นคือคำตอบที่ตรงไปตรงมา

ผู้ขายทั้งสองรายมีตัวเลขของตน ตัวเลขทั้งสองไม่สามารถนำมาวางไว้ข้างกันได้ และบทความใดก็ตามที่ทำเช่นนั้นกำลังกุผลลัพธ์ขึ้นมาเอง

หลักฐานของ Ming-Image-0.1-Design คือบอร์ด Artificial Analysis: อันดับหนึ่งบน Text-to-Image Leaderboard ที่กรองเฉพาะ open weights สำหรับ UI/UX Design ด้วย Elo 1,082 นำหน้า Ideogram 4.0 Quality ที่ 1,052, Ideogram 4.0 ที่ 1,015, HunyuanImage 3.0 Instruct ที่ 1,005 และ FLUX.2 [dev] ที่ 1,000 ผู้ขายยังรายงานอัตราการชนะ 67.4% ด้าน layout, 67.0% ด้าน complex composition และ 66.7% ด้าน text rendering และอันดับหนึ่งใน 12 เมตริกบน Crello ลีดเดอร์บอร์ดนี้เป็นเครื่องมือของบุคคลที่สาม ซึ่งทำให้ Elo เป็นหลักฐานที่แข็งแรงกว่าในบรรดาหลักฐานสองประเภทนี้ ส่วนอัตราการชนะและการกวาดชัยบน Crello เป็นข้อมูลที่ผู้ขายรายงานเอง และควรอ่านเป็นคำกล่าวอ้าง

หลักฐานของ Qwen-Image 2.1 คือ Qwen-Image-Bench ซึ่งเป็นเบนช์มาร์กที่ทีม Qwen สร้างขึ้น โดยได้คะแนน 60.28 และนำหน้าวงการโอเพนซอร์ส เหนือ Nano Banana 2.0 ที่ 59.82 และ GPT Image 1.5 ที่ 59.65 เอกสารต้นทางระบุว่าเบนช์มาร์กนี้สร้างโดย Qwen และสามอันดับแรกห่างกันไม่ถึงหนึ่งคะแนน — ช่องว่างที่อยู่ในช่วงความคลาดเคลื่อนของเบนช์มาร์กที่ผู้สร้างก็เป็นผู้แข่งขันในนั้นด้วย

ดังนั้น: Elo จากบุคคลที่สามบนชุดย่อยด้านการออกแบบ UI/UX เทียบกับคะแนนทั่วไปที่ผู้ขายสร้างขึ้นเอง เครื่องมือวัดต่างกัน งานต่างกัน ผู้ตัดสินต่างกัน ยังไม่มีใครเผยแพร่การทดสอบแบบตัวต่อตัวของสองโมเดลนี้ที่แข่งกันโดยตรง และจากหลักฐานที่มีอยู่ ก็ไม่มีใครทำได้ ข้อสรุปที่มีประโยชน์นั้นแคบและควรพูดให้ตรงไปตรงมา — Ming-Image-0.1-Design มีการยืนยันจากบุคคลที่สามในงานด้านการออกแบบโดยเฉพาะ Qwen-Image 2.1 มีความแข็งแกร่งที่ผู้ขายรายงานในด้านการสร้างและการแก้ไขภาพทั่วไป และส่วนที่ทับซ้อนกันระหว่างข้อกล่าวอ้างทั้งสองนั้นน้อยกว่าที่ตัวเลขพาดหัวชวนให้คิด

การนำอันใดอันหนึ่งไปติดตั้งบนเอนด์พอยต์

ปัจจุบันไม่มีโมเดลใดอยู่ในแค็ตตาล็อกของ OrcaRouter ทั้ง Ming-Image-0.1-Design และ Qwen-Image 2.1 ต่างก็เป็นทางเลือกที่ต้องโฮสต์เองในตอนนี้: ดาวน์โหลดน้ำหนักโมเดลได้ และคู่มือการให้บริการก็มีอยู่จริง แต่คุณต้องตั้งระบบ GPU เอง และในกรณีของ Ming GPU นั้นมีขนาด 80 GiB เราแสดงรายการไว้ที่นี่ในฐานะการเผยแพร่แบบ open-weight ไม่ใช่ในฐานะเส้นทาง

สิ่งที่คุ้มค่าที่จะรู้ก่อนที่คุณจะลงทุนกับฮาร์ดแวร์ ก็คือค่าใช้จ่ายของเวิร์กโหลดเดียวกันนั้นเมื่อเรียกใช้เป็น API โมเดลรูปภาพแบบ routed ของเราประกอบด้วย google/gemini-2.5-flash-image, google/gemini-3-pro-image-preview, google/gemini-3.1-flash-image-preview, Imagen 4.0 ทั้งสามระดับ (fast, standard และ ultra), grok/grok-imagine-image และตระกูล GPT-Image — openai/gpt-image-1, openai/gpt-image-1-mini, openai/gpt-image-1.5 และ openai/gpt-image-2 การรัน design brief กับหนึ่งในโมเดลเหล่านั้นเป็นเวลาหนึ่งสัปดาห์จะบอกคุณได้ว่าเอาต์พุตแบบเลเยอร์ของ Ming-Image-0.1-Design เป็นความสามารถที่คุณต้องการจริงหรือไม่ ด้วยค่าใช้จ่ายเพียงเศษเสี้ยวของการ์ด 80 GiB และคุณจะรู้เรื่องนี้ก่อนที่จะพบว่าสิ่งที่จะกลายเป็นอุปสรรคคือไลเซนส์หรือ VRAM กันแน่ เมื่อคุณย้ายโมเดลที่โฮสต์เองเข้าสู่เส้นทางการใช้งานจริงในโปรดักชัน เอนด์พอยต์เดียวกันก็คือที่ที่ระบบ routing อาศัยอยู่ — คีย์เดียวใช้ได้กับ 200+ โมเดล การ failover อัตโนมัติระหว่างผู้ให้บริการ และ markup 0% ดังนั้นหากผู้ขายลดราคา ฝั่งเราก็อัปเดตให้ทันทีในวันเดียวกับที่ประกาศ

ใครควรเลือกอันไหน

เลือก Ming-Image-0.1-Design หากสิ่งที่ต้องส่งมอบเป็นชิ้นงานออกแบบ ไม่ใช่ภาพถ่าย: เอาต์พุตแบบแยกเลเยอร์ การขยายพรอมต์อย่างมีโครงสร้าง การสร้างงานในรูปแบบสไลด์ และสัญญาอนุญาตที่ให้คุณขายสิ่งที่สร้างขึ้นจากมันได้ เตรียมงบไว้สำหรับการ์ดระดับจริงจัง และยอมรับว่าระบบนิเวศการให้บริการรอบ ๆ ตัวมันนั้นบางกว่าฝั่ง Qwen ทั้งยังเป็นตัวที่มีประโยชน์มากกว่าในสองตัวนี้ หากคุณต้องยกตัวเลขไปให้ลูกค้าดู เพราะหลักฐานที่แข็งแรงที่สุดของมันคือตัวเลขจากบุคคลที่สามเพียงตัวเดียวในการเปรียบเทียบนี้

เลือก Qwen-Image 2.1 ถ้าเวิร์กโฟลว์เป็นแบบสร้างแล้วแก้ไข ถ้าคุณต้องใช้ภาพอ้างอิงเป็นเงื่อนไข หรือถ้าคุณต้องการรันบนฮาร์ดแวร์ที่คุณมีอยู่แล้ว มันมีขนาดเล็กกว่า ได้รับการรองรับที่ดีกว่าตั้งแต่วันแรก และใบอนุญาตของมันก็เหมาะกับงานวิจัยและการประเมินผลที่คนส่วนใหญ่ทำเป็นอันดับแรกจริง ๆ มันจะกลายเป็นตัวเลือกที่ไม่เหมาะสมทันทีที่ผลลัพธ์เป็นเชิงพาณิชย์และการตรวจสอบทางกฎหมายเป็นเรื่องจริงจัง เพราะหนทางเดียวสู่ใบอนุญาตเชิงพาณิชย์คือข้อตกลงโดยตรงกับ Alibaba และไม่มีราคาที่เปิดเผยให้ใช้วางแผนได้

ยังไม่ต้องเลือกทั้งคู่ในตอนนี้ หากสิ่งที่คุณต้องการคือการสร้างภาพในโปรดักชันภายในเดือนนี้ ทั้งสองอย่างนี้คือเวต และเวตเป็นข้อผูกพันด้านฮาร์ดแวร์และกฎหมายก่อนที่จะกลายเป็นความสามารถ คำถามเชิงออกแบบ — เอาต์พุตแบบหลายชั้นเปลี่ยนสิ่งที่ทีมของฉันสามารถส่งมอบได้หรือไม่ — สามารถหาคำตอบได้บนเอนด์พอยต์แบบโฮสต์ก่อน และคำตอบนั้นคือสิ่งที่ควรตัดสินว่าจะซื้อการ์ด 80 GiB หรือไม่

ดูอะไรดี

สามสิ่งนี้จะทำให้การเปรียบเทียบนี้เปลี่ยนไป ไม่ว่า Ming-Image-0.1-Design จะได้เส้นทางการให้บริการที่เกินกว่าคู่มือ vLLM-Omni ของตัวเองหรือไม่ เพราะนั่นคือช่องว่างในตอนนี้ระหว่างมันกับรายการ day-zero ห้าเฟรมเวิร์กของ Qwen-Image 2.1 ไม่ว่า Alibaba จะกำหนดราคาให้กับสัญญาอนุญาต Qwen เชิงพาณิชย์หรือไม่ เพราะราคาที่ยังไม่ถูกกำหนดคือสิ่งที่ยังไม่รู้ที่ใหญ่ที่สุดเพียงอย่างเดียวในการจับคู่นี้ และไม่ว่าจะมีใคร — แล็บ ผู้ประเมินอิสระ หรือผู้ขายที่ไม่มีอะไรจะเสีย — นำสองตัวนี้มาเทียบกันบนพรอมป์ต์เดียวกันหรือไม่ จนกว่าสิ่งนั้นจะเกิดขึ้น สิ่งที่ใกล้เคียงที่สุดกับการเปรียบเทียบที่เป็นธรรมก็ไม่ใช่คะแนนเลย มันคือบรรทัดสัญญาอนุญาต และ Ming-Image-0.1-Design ชนะข้อนั้นไปอย่างขาดลอย