Qwen-Image 2.1 เปิดตัวเงียบ ๆ : เจาะลึกภายใน Qwen/Qwen-Image-2.1-PE-I2I

เมื่อวันที่ 20 กันยายน 2026 ทีม Qwen-Image ได้นำ Qwen-Image 2.1 ขึ้นบน Hugging Face และ ModelScope — ทั้งเวต ไฟล์ลิขสิทธิ์ การ์ดโมเดล และบล็อกโพสต์ ภายในวันเดียวกัน โดยแทบไม่มีช่วงเวลาโปรโมตล่วงหน้าเลย ตัวเลขพาดหัวคือพารามิเตอร์ 7B ในองค์ประกอบการสร้างภาพ ส่วนที่แทบยังไม่มีใครเปิดดูคือ Qwen/Qwen-Image-2.1-PE-I2I หนึ่งในเช็กพอยต์สำหรับเขียนพรอมป์ต์ใหม่สองตัวที่มาพร้อมกับโมเดลภาพ มันไม่ใช่โมเดลภาพ มันคือสิ่งที่ตัดสินว่าคำสั่งของคุณหมายความว่าอะไรก่อนที่โมเดลภาพจะได้เห็นมัน — และในรุ่นนี้ มันคือองค์ประกอบที่กำหนดภาษาของผลลัพธ์ที่คุณจะได้รับกลับมาอย่างเงียบ ๆ

"shipped quietly" ในที่นี้หมายความว่าอะไรกันแน่

ถ้อยคำสำคัญ เพราะเป็นเรื่องง่ายที่จะพูดเกินจริงไปในทางใดทางหนึ่ง Qwen-Image 2.1 ไม่ได้รั่วไหล และไม่ได้เปิดตัวโดยไม่มีการประกาศ มีโพสต์บล็อกจากผู้ขายลงวันที่ 20 กันยายน 2026 รีโพซิทอรี GitHub ที่มีส่วนข่าวลงวันที่เดียวกัน และการดาวน์โหลดเวตที่เปิดให้ใช้ได้จริง สิ่งที่มันไม่มีคือช่วงโปรโมตก่อนเปิดตัว สัญญาณล่วงหน้าอย่างเดียวคือบันทึกวันที่ 17 กันยายนที่เสนอสิทธิ์เข้าใช้งานก่อนกำหนด 50 ที่ผ่าน ModelScope โดยผู้ทดสอบที่ได้รับคัดเลือกถูกขอให้เผยแพร่ตัวอย่างหรือรีวิวภายในวันที่ 29 กันยายน สามวันต่อมา เวตก็เปิดเป็นสาธารณะ ไม่มีคีย์โน้ต ไม่มีการกักผลเบนช์มาร์ก ไม่มีรอบข่าว

นี่คือการเปิดตัวแบบเฉพาะอย่างหนึ่ง และควรค่าแก่การเรียกชื่อให้ชัดเจน ผู้จำหน่ายประกาศเรื่องนี้ ผู้จำหน่ายไม่ได้โปรโมตมัน สำหรับใครก็ตามที่กำลังตัดสินใจว่าจะสร้างบนพื้นฐานของมันหรือไม่ ผลในทางปฏิบัติก็คือยังไม่มีการประเมินที่เป็นอิสระให้พึ่งพาได้ — มีเพียงเอกสารของผู้จำหน่ายเอง และอะไรก็ตามที่ผู้ทดสอบในกลุ่ม early access เผยแพร่ออกมาในสัปดาห์หน้า ให้ถือว่าทุกคำกล่าวอ้างเรื่องคุณภาพในบทความนี้มาจากโมเดลการ์ดและโพสต์บล็อก จนกว่าจะมีคนนอกอาลีบาบานำมันไปรันต่อสาธารณะ

ทำไม PE-I2I checkpoint ถึงเป็นตัวที่น่าสนใจ

การเปิดตัว Qwen-Image 2.1 ประกอบด้วยส่วนที่ดาวน์โหลดได้สามส่วน ไม่ใช่หนึ่งส่วน:

• Qwen/Qwen-Image-2.1 — ตัวโมเดลรูปภาพเอง เป็น DiT แบบ single-stream 32 เลเยอร์ที่มีพารามิเตอร์ 7B ในองค์ประกอบการสร้างภาพ ตัวเข้ารหัสข้อความ Qwen3-VL 8B และ VAE แบบ RGBA 64 แชนเนลที่มีการบีบอัดเชิงพื้นที่ 16× ประมาณ 33 GB รวมทั้งสามองค์ประกอบ

• Qwen/Qwen-Image-2.1-PE-T2I — ตัวช่วยเขียนพรอมต์ใหม่สำหรับการสร้างภาพจากข้อความ (text-to-image) เป็นโมเดล Qwen3.5-VL 9B ที่ปรับแต่งละเอียดแล้ว ขนาดประมาณ 18.8 GB

• Qwen/Qwen-Image-2.1-PE-I2I — ตัวเขียนพรอมป์ต์ใหม่สำหรับการแก้ไขภาพเป็นภาพ อีกทั้งยังเป็นโมเดล Qwen3.5-VL 9B ที่ผ่านการปรับจูน มีขนาดประมาณ 18.8 GB และอัปโหลดขึ้น Hugging Face เมื่อเวลา 08:46 UTC ของวันที่ 20 กันยายน

"PE" คือการเสริมพรอมป์ต์ (prompt enhancement) รูปแบบ I2I จะรับคำสั่งแก้ไขที่คลุมเครือพร้อมภาพอินพุตหนึ่งภาพหรือมากกว่า แล้วเขียนใหม่ให้เป็นคำสั่งแก้ไขที่แม่นยำและไม่กำกวมสำหรับโมเดล diffusion ปลายทาง คำอธิบายของที่เก็บโค้ดเองก็พูดตรง ๆ เกี่ยวกับรูปแบบอินพุตว่า มีภาพอินพุตอยู่เสมอ ดังนั้นนี่จึงเป็นงานแก้ไขภาพเสมอ ไม่ใช่การสร้างภาพจากข้อความโดยไม่มีต้นฉบับ โค้ดที่ใช้เขียนใหม่อยู่ใน prompt_rewrite/ ซึ่งเป็นโฟลเดอร์ที่รองรับทั้งสองเช็กพอยต์ — --task t2i หรือ --task edit — โดยมีเส้นทาง transformers, เส้นทาง vLLM, serve.sh และ client.py สำหรับบริการแบบสแตนด์อิง และ pe_core.py สำหรับลอจิกที่ใช้ร่วมกัน

นี่คือเหตุผลว่าทำไมเรื่องนี้จึงสำคัญกว่าที่ฟังดู โมเดลรูปภาพไม่รู้เลยว่าคุณหมายถึงอะไร มันรู้เพียงว่าพรอมป์ของคุณพูดตามตัวอักษรว่าอะไร โดยถ่วงน้ำหนักตามสิ่งที่ตัวเข้ารหัสข้อความทำกับมัน ตัวรีไรต์ที่วางอยู่ด้านหน้ามันคือจุดที่ความกำกวมถูกคลี่คลาย — หรือถูกคลี่คลายผิดอย่างสม่ำเสมอ ในทุกภาพที่คุณสร้าง ในโมเดลแบบรวมสำหรับการสร้างและการแก้ไขที่รองรับภาพอ้างอิงได้ถึง 10 ภาพ ขั้นตอนการคลี่คลายนั้นมีจุดให้ผิดพลาดได้มากกว่าปกติ

พรอมต์ของระบบคือจุดที่การตัดสินใจเรื่องภาษาตั้งอยู่

รีโพซิทอรี PE-I2I มาพร้อมกับ system_prompt.txt ควบคู่ไปกับน้ำหนัก และมันชัดเจนอย่างผิดปกติเกี่ยวกับสิ่งหนึ่ง นั่นคือ ภาษา เมื่ออ่านมันโดยตรง ตัวเขียนใหม่ได้รับคำสั่งให้ตัดสินใจ สองเรื่องแยกกันเกี่ยวกับภาษา และให้แยกทั้งสองออกจากกัน

• ภาษาของคำบรรยาย ข้อความร้อยแก้วที่ตัวเขียนใหม่ใช้บรรยายการแก้ไขจะตามภาษาของคำสั่งผู้ใช้ — คำสั่งภาษาจีน ก็บรรยายเป็นภาษาจีน คำสั่งภาษาอังกฤษ ก็บรรยายเป็นภาษาอังกฤษ ส่วนคำสั่งภาษาญี่ปุ่น เกาหลี ฝรั่งเศส ไทย หรือภาษาอื่นใด จะได้คำบรรยายเป็นภาษาอังกฤษ

• ภาษาของข้อความที่เรนเดอร์ ข้อความที่จะถูกวาดลงในภาพเอาต์พุตจริง ๆ ซึ่งอยู่ในเครื่องหมายคำพูดคู่ ถูกกำหนดด้วยลำดับความสำคัญที่เข้มงวด: ประการแรก หากผู้ใช้ระบุข้อความที่แน่นอนหรือภาษาปลายทาง ให้ปฏิบัติตามนั้นตามตัวอักษร; ประการที่สอง หากภาพอินพุตมีข้อความอยู่แล้ว ให้ยึดภาษาหลักของข้อความที่มีอยู่นั้น แม้ว่าคำสั่งจะเขียนด้วยภาษาอื่นก็ตาม; ประการที่สาม หากไม่มีข้อความในภาพและไม่มีการระบุภาษา ให้ใช้ภาษาของคำสั่งเอง และโดยเฉพาะอย่างยิ่ง อย่าบังคับให้เป็นภาษาอังกฤษ

พรอมต์ตอกย้ำกฎข้อที่สองด้วยตัวอย่างเชิงปฏิบัติ — ภาพที่เป็นภาษาไทยเป็นส่วนใหญ่ ซึ่งแก้ไขด้วยคำสั่งภาษาอังกฤษที่ไม่ระบุชื่อภาษา ต้องแสดงข้อความภาษาไทย — และเพิ่มข้อจำกัดสองข้อ: ข้อความที่แสดงต้องเป็นภาษาเดียว ไม่ใช่คู่จีน/อังกฤษ และประเภทภาพอย่าง "สเปกชีต" หรือ "สตอรีบอร์ด" นั้นเกิดจากเลย์เอาต์และการจัดพิมพ์ ไม่ใช่จากการสลับป้ายกำกับที่แสดงเป็นภาษาอังกฤษ

นี่เป็นงานวิศวกรรมชิ้นเล็ก ๆ ที่มีรัศมีผลกระทบกว้างใหญ่ หากคุณกำลังสร้างภาพผลิตภัณฑ์สำหรับตลาดที่ข้อความบนบรรจุภัณฑ์มีความสำคัญ ความแตกต่างระหว่าง "ตัวเขียนใหม่คงภาษาบนฉลากเดิมไว้" กับ "ตัวเขียนใหม่ช่วยแปลทุกอย่างเป็นภาษาอังกฤษให้อย่างแสนดี" คือความแตกต่างระหว่างแอสเซตที่ใช้งานได้กับแอสเซตที่ถูกตีกลับ และเนื่องจากพฤติกรรมนี้ถูกระบุไว้ใน system prompt ที่แถมมากับรีโพซิทอรี คุณจึงอ่านมันได้ ทำ diff ได้ และเขียนทับมันได้ ซึ่งมากกว่าที่จะพูดได้กับขั้นตอนเดียวกันภายในโมเดลโฮสต์แบบปิด

สิ่งที่ได้รับการยืนยันแล้ว และสิ่งที่ยังไม่ได้รับการยืนยัน

การระบุขอบเขตให้แม่นยำตรงนี้คือหัวใจสำคัญของบทความแบบ "สิ่งที่เรารู้"

• ยืนยันจากรีโพซิทอรีและการ์ดโมเดล — ตัวเลข 7B / 32 เลเยอร์ของ single-stream DiT; ตัวเข้ารหัสข้อความ Qwen3-VL 8B; VAE แบบ RGBA 64 ช่องสัญญาณที่การบีบอัดเชิงพื้นที่ 16×; attention แบบ block-causal พร้อมมาสก์เชิงสาเหตุระดับโทเค็นสำหรับข้อความ และมาสก์แบบสองทิศทางระดับชังก์สำหรับการสร้างภาพ; การใช้ KV cache แบบ prefix ซ้ำ ซึ่งการ์ดระบุว่าจะเปิดใช้งานเมื่อเช็กพอยต์มี causal_condition: true (ซึ่งมีอยู่จริง); flow matching พร้อมการจัดตารางแบบ Euler discrete; เอาต์พุต 2K แบบเนทีฟโดยใช้ 2048×2048 เป็นค่าเริ่มต้นที่ 40 ขั้นตอนการอนุมาน; พรีเซ็ตอัตราส่วนภาพที่บันทึกไว้ 7 แบบ; รองรับภาพอ้างอิงสูงสุด 10 ภาพ; การแก้ไขเฉพาะจุดด้วยการวงกลม การระบายคำอธิบาย หรือมาสก์แยกต่างหาก; และการสร้าง RGBA การแก้ไขเลเยอร์โปร่งใส และการแยกวัตถุออกจากภาพถ่าย RGB

• ยืนยันเรื่องสัญญาอนุญาตแล้ว และนี่คือประเด็นที่แหลมคม — การเปิดตัวนี้อยู่ภายใต้ข้อตกลงสัญญาอนุญาต Qwen Research License Agreement ลงวันที่ 20 กันยายน 2026 ซึ่งให้สิทธิ์ "FOR NON-COMMERCIAL PURPOSES ONLY" และระบุว่าการใช้งานเชิงพาณิชย์ต้องขอสัญญาอนุญาตแยกต่างหากจากผู้ขาย นับเป็นการเปลี่ยนแปลงสำคัญจากสายผลิตภัณฑ์ Qwen-Image ก่อนหน้านี้ ซึ่งเผยแพร่ภายใต้ Apache 2.0 อ่านไฟล์สัญญาอนุญาตก่อนที่คุณจะสร้างผลิตภัณฑ์บนพื้นฐานนี้ ไม่ใช่หลังจากนั้น

• ยังไม่ยืนยัน — ยังไม่มีคะแนน benchmark จากแหล่งอิสระใด ๆ โพสต์บล็อกอ้างอิงถึงแผนภูมิเปรียบเทียบ Qwen-Image-Bench แต่ตัวเลขในแผนภูมินั้นเป็นข้อมูลของผู้จำหน่ายเอง และยังไม่มีการทำซ้ำโดยบุคคลที่สามรายใดในเวลาที่เขียน ไม่มีราคา hosted-endpoint ที่เผยแพร่สำหรับ Qwen-Image 2.1 และไม่มีข้อกำหนดที่ระบุไว้สำหรับสัญญาอนุญาตเชิงพาณิชย์ และยังไม่มีข่าวว่าจะมีตัวแปรที่ได้รับอนุญาตแบบเปิดกว้างตามมาหรือไม่

ข้อมูลจุดเดียวที่เป็นอิสระซึ่งมีอยู่จริงคือรีวิวแบบลงมือใช้จริงจากการเข้าถึงก่อนกำหนดจากผู้ทดสอบที่ได้รับการเข้าถึงผ่านโปรแกรม Qwen Ambassador และรันเวตส์รุ่นปล่อยตัวจริงผ่านอินเทอร์เฟซ ModelScope Studio รีวิวนั้นรายงานเวลาสร้างประมาณ 10–15 วินาทีสำหรับการสร้างภาพจากข้อความ และ 18–23 วินาทีสำหรับการแก้ไขภาพ ประสิทธิภาพที่แข็งแกร่งกับพรีเซ็ตตำแหน่งกล้องและการกำหนดบทบาทตัวละครหลายตัว และโหมดความล้มเหลวเฉพาะที่ควรทราบ: ความสอดคล้องของหลายอ้างอิงเริ่มเสื่อมลงตั้งแต่ประมาณสามภาพอินพุตเป็นต้นไป โดยการจัดวางหางม้าแบบข้างยุบรวมเป็นหางม้ากลางที่มุมมองด้านข้าง นั่นคือผู้รีวิวหนึ่งคน บน UI ที่เข้าถึงก่อนกำหนด โดยไม่มีตัวจับเวลาแสดง มันเป็นสัญญาณที่มีประโยชน์ แต่มันไม่ใช่การทดสอบมาตรฐาน

การสนับสนุนเฟรมเวิร์กตั้งแต่วันแรก ซึ่งเป็นข่าวดีแบบเงียบ ๆ

การที่โมเดลเปิดตัวในวงกว้างแค่ไหนในวันเปิดตัว บอกคุณได้มากกว่าว่าคุณจะใช้งานมันได้จริงหรือไม่ มากกว่าที่โมเดลการ์ดจะบอกได้ และ Qwen-Image 2.1 ก็เปิดตัวในวงกว้าง:

• Diffusers — QwenImage21Pipeline ถูก merge ตั้งแต่วันแรก และที่เก็บโมเดลก็มีแท็ก diffusers:QwenImage21Pipeline

• ComfyUI — รองรับแบบเนทีฟตั้งแต่วันแรกที่เปิดตัว พร้อมเทมเพลตเวิร์กโฟลว์ text-to-image และ image-edit รวมถึงคลังเวตส์ที่เข้ากันได้กับ Comfy แยกต่างหาก

• vLLM-Omni — การประมวลผลแบบทีละขั้นตอน, การแคช KV แบบ prefix, การถอดรหัสด้วย CUDA Graph, การควอนไทซ์แบบ FP8 และการประมวลผลแบบขนานด้วย tensor/Ulysses

• SGLang — มี pull request ที่เพิ่มการรองรับแบบเนทีฟถูกผสานเมื่อวันที่ 17 กันยายน สามวันก่อนที่เวตจะเปิดตัว ครอบคลุม DiT, RGBA VAE, การปรับเงื่อนไข Qwen3-VL, ภาพอ้างอิงหลายภาพ และอินพุต/เอาต์พุต RGBA โดยผ่านการตรวจสอบบน H200, B200, RTX PRO 6000, RTX 5090 และ RTX 4090

• LightX2V — การเร่งความเร็วแบบ day-zero พร้อมการรองรับ AMD Radeon ผ่าน ROCm และการรองรับหลายชิปผ่าน FlagOS

พูลรีเควสต์ SGLang ที่ออกก่อนรีลีสคือสัญญาณบอก การรองรับเฟรมเวิร์กที่มาถึงก่อนน้ำหนักโมเดล หมายความว่าเส้นทางเสิร์ฟถูกทดสอบกับเช็กพอยต์ ไม่ได้เขียนตามการ์ดโมเดลในภายหลัง สำหรับคอมโพเนนต์ขนาด 7B ที่มีตัวเข้ารหัสข้อความขนาด 17.5 GB อยู่ข้าง ๆ นั่นคือความต่างระหว่างการเสียเวลาทั้งสุดสัปดาห์ไปกับงานจุกจิก กับแค่ช่วงบ่ายเดียว

สำหรับ GPU ที่มีทรัพยากรจำกัด model card แนะนำให้ใช้ CPU offload — pipe.enable_model_cpu_offload() — ซึ่งเป็นทางออกมาตรฐานมากกว่าจะเป็นวิธีแก้ปัญหาที่แท้จริง การดาวน์โหลดขนาด 33 GB นั้นส่วนใหญ่มาจาก text encoder ไม่ใช่ DiT ส่วนตัว diffusion transformer เองเป็นเพียงครึ่งเล็ก ๆ ของชุดรวมที่ประมาณ 14 GB

การตีความเชิงปฏิบัติ

ถ้าคุณอยากลอง Qwen-Image 2.1 วันนี้ จุดยืนที่ตรงไปตรงมาคือคุณทำได้ ในเครื่อง ภายใต้สัญญาอนุญาตสำหรับการวิจัย โดยไม่มีมาตรฐานเปรียบเทียบที่เป็นอิสระและไม่มีสิทธิ์เชิงพาณิชย์ นั่นเป็นการแลกเปลี่ยนที่สมเหตุสมผลสำหรับการประเมินผล แต่เป็นข้อแลกเปลี่ยนที่ไม่ดีสำหรับไปป์ไลน์การผลิต และช่องว่างระหว่างสองกรณีนั้นคือสิ่งที่ไฟล์สัญญาอนุญาตเป็นตัวตัดสินอย่างแท้จริง

สำหรับทีมที่กำลังทดสอบเปรียบเทียบโมเดลรูปภาพโดยไม่ต้องการผูกเส้นทางโปรดักชันกับเช็กพอยต์ที่ผ่านมาแล้วหลายวัน ชั้นการจัดเส้นทางคือจุดที่ความเสี่ยงนั้นถูกจำกัดไว้ OrcaRouter ให้บริการโมเดลมากกว่า 200 รุ่นภายใต้ปลายทางเดียวที่เข้ากันได้กับ OpenAI ในราคาตามที่ผู้ให้บริการประกาศโดยไม่บวกเพิ่ม พร้อมการสลับสำรองอัตโนมัติระหว่างผู้ให้บริการ ดังนั้นโมเดลที่ยังไม่ผ่านการพิสูจน์จึงสามารถอยู่เบื้องหลังเส้นทางเดียวกันกับโมเดลที่คุณเชื่อถืออยู่แล้ว แทนที่จะเข้าไปแทนที่ — และเนื่องจากราคาตามประกาศถูกส่งผ่านตรง ๆ การที่ผู้ขายลดราคาโมเดลใด ๆ ที่อยู่ในเส้นทางจึงมีผลทันทีในวันเดียวกัน แทนที่จะต้องรอการแก้ไขสัญญา Qwen-Image 2.1 ไม่ได้อยู่ในกลุ่มโมเดลที่เราให้บริการ ณ เวลาที่เขียน และบทความนี้จะไม่สื่อเป็นนัยเช่นนั้น สิ่งที่เราให้บริการคือกลุ่มผลิตภัณฑ์รูปภาพที่อยู่โดยรอบ — ตระกูล GPT-Image ของ OpenAI, Imagen 4 ทุกระดับและตัวอย่างรูปภาพ Gemini ของ Google และปลายทางรูปภาพ Grok Imagine ของ xAI — ซึ่งเป็นที่มาของเส้นทางสำรองในขณะที่คุณประเมินผู้มาใหม่บนฮาร์ดแวร์ของคุณเอง

คำถามที่ยังเปิดอยู่คือคำถามที่รีโพซิทอรีไม่สามารถตอบได้ Alibaba เปิดตัวโมเดลภาพแบบโอเพนเวทขนาด 7B ภายใต้ใบอนุญาตเพื่อการวิจัยเท่านั้น ในปีเดียวกันกับที่เปิดตัว Qwen-Image 3.0 เป็นโมเดลโฮสต์แบบปิดที่ไม่มีน้ำหนักเลย สองการเปิดตัว สองเดิมพันที่ตรงกันข้าม ห่างกันสี่เดือน สิ่งที่ต้องจับตาคือโมเดลภาพ Qwen ตัวถัดไปจะเลือกรูปแบบใดในสองแบบนี้ — และใบอนุญาตเพื่อการวิจัยจะเปลี่ยนไปเป็นสิ่งที่ธุรกิจสามารถใช้ได้หรือไม่ — ตอนนี้น้ำหนักอยู่บน Hugging Face แล้ว และใครก็สามารถอ่านไฟล์ใบอนุญาตได้ด้วยตนเอง