Qwen-Image-2.1 บนฮาร์ดแวร์ Intel: สิ่งที่คุณจะได้รับจริง ๆ จากการสนับสนุน OpenVINO แบบ Day-0

Intel เปิดตัวการรองรับ OpenVINO แบบ day-zero สำหรับ Qwen-Image-2.1 เมื่อวันที่ 22 กันยายน 2026 — สองวันหลังจากที่ทีม Qwen-Image ปล่อยเวตออกมา — และประกาศดังกล่าวมีความยาวเพียงสี่ประโยค นั่นไม่ใช่การวิจารณ์มากเท่ากับเป็นการบรรยายลักษณะของชิ้นงานชิ้นนี้ นั่นคือโพสต์โซเชียลสั้น ๆ ที่ยืนยันว่าโมเดลนี้รันแบบปรับแต่งประสิทธิภาพแล้วบนซิลิคอนของ Intel โดยไม่มี benchmark ไม่มีรายการฮาร์ดแวร์ที่รองรับ และไม่มีบันทึกวิธีตั้งค่าแนบมาด้วย Qwen-Image-2.1 เป็นการเปิดตัวจริงและเป็นเวอร์ชันที่น่าสนใจจริง ๆ — เช็กพอยต์แบบ open-weight ตัวเดียวที่ทำได้ทั้งการสร้างภาพจากข้อความและการแก้ไขภาพ พร้อมความโปร่งใสแบบ RGBA ในตัวและการเอาต์พุตระดับ 2K ว่าสิ่งเหล่านั้นจะเป็นประโยชน์กับคุณบนแล็ปท็อป Intel หรือการ์ด Arc หรือไม่นั้นเป็นอีกคำถามหนึ่ง และเป็นคำถามที่ควรได้รับคำตอบอย่างจริงจัง

ต่อไปนี้คือสถานะตามจริงของเรื่องนี้: สิ่งที่การสนับสนุนครอบคลุม สิ่งที่ Intel ยังไม่ได้เผยแพร่ สิ่งที่สัญญาอนุญาตห้ามไว้ และสิ่งที่คุณต้องมีบนดิสก์ก่อนที่คุณจะทดสอบสิ่งใดสิ่งหนึ่งเหล่านี้ด้วยตนเองได้

สิ่งที่ “การรองรับ OpenVINO แบบ day-0” สัญญาไว้ และตัวเลขที่หายไป

ประกาศดังกล่าวมาจากบัญชี Qwen โดยให้เครดิตทีมนักพัฒนาของ Intel และถ้อยคำที่ใช้จริงคือ "ready to run optimized on Intel hardware." นั่นเป็นข้อความเกี่ยวกับเส้นทางที่รองรับ ไม่ใช่เกี่ยวกับประสิทธิภาพ ไม่มีโทเคนต่อวินาที ไม่มีวินาทีต่อภาพ ไม่มีความละเอียด ไม่มีจำนวนสเต็ป ไม่มีระดับความแม่นยำ — ไม่มีสิ่งใดที่คุณใช้กำหนดสเปกเครื่องได้ ข้อกล่าวอ้างด้านฮาร์ดแวร์เพียงอย่างเดียวในโพสต์คือวลี "Intel hardware" ซึ่งครอบคลุมตั้งแต่ CPU ในแล็ปท็อป Core Ultra ไปจนถึงการ์ด Arc แบบแยก ไปจนถึงแร็ก Xeon

อย่างไรก็ตาม มีสัญญาณที่มีประโยชน์อยู่ในที่อื่น และควรอ่านอย่างละเอียด เพราะมันไม่ได้สื่อความหมายอย่างที่การอ่านผ่าน ๆ ชวนให้เข้าใจ บันทึกประจำรุ่น OpenVINO 2026.4 ของ Intel ระบุ Qwen-image — ทั้งตระกูล ไม่ใช่เช็กพอยต์นี้ — ไว้ในรายการ "โมเดลเพิ่มเติมที่เปิดใช้งานบน CPU และ GPU ซึ่งมีให้ใช้เป็น early releases" นั่นเป็นคนละกลุ่มกับรายการที่ได้รับการสนับสนุนเต็มรูปแบบบนหน้าเดียวกัน ซึ่งระบุไว้ตรง ๆ ว่าพร้อมใช้งานบน CPU และ GPU Early release คือหมวดหมู่ที่ Intel ใช้กับโมเดลที่เปิดใช้งานและรันได้แล้ว แต่ยังไม่ผ่านด่านการตรวจสอบใดก็ตามที่รายการที่ได้รับการสนับสนุนสื่อเป็นนัย หากคุณวางแผนจะนำสิ่งนี้ไปใช้ในสิ่งที่คุณต้องพึ่งพา ความแตกต่างข้อนี้คือสิ่งที่ควรนำไปพิจารณาต่อ

สิ่งที่จังหวะแบบเดย์ซีโรบอกคุณได้ก็คือ วิศวกรของ Intel มีสถาปัตยกรรมอยู่ในมือก่อนที่ค่าน้ำหนักจะเปิดเผยต่อสาธารณะ ซึ่งเป็นวิธีที่งานด้านเฟรมเวิร์กมักเกิดขึ้นเมื่อทำกันอย่างถูกต้อง การรองรับแบบเดย์ซีโรที่โผล่ขึ้นมาในสัปดาห์เดียวกับการเปิดตัว หมายความว่าการอิมพลีเมนเทชันถูกเขียนขึ้นโดยอิงกับโมเดลจริง ไม่ใช่การทำวิศวกรรมย้อนกลับจากโมเดลการ์ดในภายหลัง นั่นก็มีคุณค่าอยู่แม้จะไม่มีตัวเลขประกอบก็ตาม

ตัวโมเดลเอง ในรายละเอียดที่สำคัญต่อฮาร์ดแวร์

Qwen-Image-2.1 เป็นโมเดลแบบรวมสำหรับการสร้างและการแก้ไข ไม่ใช่เช็กพอยต์สองตัวที่เอามาเย็บติดกัน สถาปัตยกรรมที่เผยแพร่มีความเฉพาะเจาะจง และทุกส่วนของมันล้วนมีผลต่อฮาร์ดแวร์:

• องค์ประกอบการสร้าง — พารามิเตอร์ 7B ใน 32 เลเยอร์ DiT แบบ single-stream พร้อม attention แบบ block-causal และแผน attention แบบ mixed-granularity ที่ออกแบบมาเพื่อรองรับการนำ prefix KV-cache กลับมาใช้ซ้ำ

• ตัวเข้ารหัสข้อความ — Qwen3-VL 8B ซึ่งเป็นโมเดลภาษาภาพที่เข้ารหัสทั้งคำสั่งข้อความและภาพอ้างอิงให้เป็นตัวแทนเดียว สิ่งนี้มีขนาดใหญ่กว่าตัวสร้างที่มันป้อนข้อมูลให้ ซึ่งทำให้ผู้คนที่คิดว่า "โมเดล 7B" คือการดาวน์โหลดทั้งหมดต้องประหลาดใจ

• VAE — ออโตเอนโคเดอร์แบบ RGBA 64 ช่องสัญญาณ พร้อมการบีบอัดเชิงพื้นที่ 16× ช่องอัลฟาอาศัยอยู่ในพื้นที่แฝง แทนที่จะถูกต่อเติมเข้ามาทีหลัง ซึ่งเป็นเหตุผลว่าทำไมความโปร่งใสจึงอยู่รอดผ่าน sampler ได้ โดยไม่ต้องมีขั้นตอนการทำ matting

• เอาต์พุตเนทีฟ — 2048×2048 ตามค่าเริ่มต้นที่ 40 ขั้นตอนดีนอยซ์ โดยมีขนาดตามอัตราส่วนสูงสุดถึง 2752×1536 สำหรับ 16:9

• ภาพอ้างอิง — สูงสุด 10 ภาพ สำหรับการจัดองค์ประกอบแบบหลายตัวแบบ การแก้ไขที่รักษาอัตลักษณ์ และการแก้ไขเฉพาะจุดที่ทำด้วยวงกลม การวาดกำกับ หรือมาสก์ภายนอก

• ตัวจัดกำหนดการ — Flow Matching ด้วยการจัดกำหนดการแบบไม่ต่อเนื่องของ Euler และการเลื่อนแบบไดนามิก

เอนโคเดอร์ Qwen3-VL คือเหตุผลที่ "โมเดลภาพ 7B ที่มีประสิทธิภาพ" ยังคงต้องการหน่วยความจำจริง ๆ บน GPU เดสก์ท็อป คำตอบของโมเดลการ์ดเองสำหรับการ์ดที่มีข้อจำกัดคือ enable_model_cpu_offload() ซึ่งเป็นทางออกมาตรฐานมากกว่าจะเป็นการแก้ไขปัญหา Qwen ไม่ได้เผยแพร่ตัวเลข VRAM สำหรับโมเดลนี้ในทุกรูปแบบการตั้งค่า และตอนนี้ Intel ก็ไม่ได้เผยแพร่ตัวเลขสำหรับเส้นทาง OpenVINO เช่นกัน ดังนั้นข้อกล่าวอ้างใด ๆ ที่คุณเห็นเกี่ยวกับโมเดลนี้ว่าพอดีกับการ์ดรุ่นใดรุ่นหนึ่ง ไม่ว่าจะเป็น Intel หรืออื่น ๆ ล้วนเป็นผลการวัดของใครบางคนบนเครื่องของตนเอง ไม่ใช่ข้อกำหนดของผู้จำหน่าย

ซิลิคอน Intel ตัวใดที่การสนับสนุนเข้าถึงได้จริง

OpenVINO เป็นรันไทม์การอนุมานของ Intel และการรองรับอุปกรณ์ของมันนั้นกว้างขวางแต่ไม่สม่ำเสมอ สำหรับ 2026.4 รายการสนับสนุน CPU ครอบคลุมถึง Core Ultra Series 1, 2 และ 3 ควบคู่ไปกับ Xeon รวมถึง GPU แยก Arc และกราฟิกในตัว HD, UHD และ Iris Xe การทำงานบน GPU จำเป็นต้องใช้ไดรเวอร์ที่ไม่ได้มาพร้อมกับชุดเครื่องมือ ซึ่งเป็นสิ่งแรกที่ผู้คนมักสะดุด

ส่วนที่ตีความเกินเลยได้ง่ายคือ NPU บันทึกประจำรุ่นของ Intel เองระบุว่าโมเดลสร้างภาพรันบน NPU อย่างเลือกสรร — FLUX.2-Klein 4B และ Kokoro 82M ถูกระบุว่ารันบน NPU ขณะที่ Qwen-image ปรากฏอยู่ภายใต้หัวข้อการเปิดตัวระยะแรกสำหรับ CPU และ GPU เท่านั้น ไม่มีข้อความใดในการประกาศวันแรกที่อ้างถึงการประมวลผลบน NPU สำหรับ Qwen-Image-2.1 หากคุณหวังว่านี่จะเปลี่ยน NPU ของแล็ปท็อป Copilot+ ให้กลายเป็นเครื่องสร้างภาพ หลักฐานยังไม่สนับสนุนเรื่องนั้น และการไม่มีอยู่กลับสะดุดตาพอดี เพราะ Intel โฆษณาการรองรับ NPU สำหรับโมเดลภาพอื่น ๆ ไว้ในหน้าเดียวกัน

ดังนั้น การตีความตามความเป็นจริงก็คือ: CPUs และ GPUs ระดับ Arc, สถานะเปิดตัวช่วงแรก, ยังไม่มีขอบเขตประสิทธิภาพที่เผยแพร่ หากคุณมีการ์ด Arc อยู่ในมือและกำลังมองหาเหตุผลที่จะใช้มัน นี่คือเส้นทางที่มีการรองรับ มากกว่าจะเป็นเส้นทางที่พิสูจน์แล้ว

ใบอนุญาตตัดสินใจได้มากกว่าฮาร์ดแวร์

Qwen-Image-2.1 เผยแพร่ภายใต้ข้อตกลงสัญญาอนุญาต Qwen Research License Agreement ซึ่งให้สิทธิ์สำหรับการวิจัยและการประเมินผลเพื่อวัตถุประสงค์ที่ไม่ใช่เชิงพาณิชย์เท่านั้น การนำไปใช้งานเชิงพาณิชย์จำเป็นต้องมีสัญญาอนุญาตแยกต่างหากที่เจรจากับ Alibaba ผลิตภัณฑ์ที่ต่อยอดจะมีความรับผิดชอบในการระบุที่มา — "Built with Qwen" หรือ "Improved using Qwen" — และ "Qwen" ไม่สามารถเป็นชื่อหลักของผลิตภัณฑ์ที่ต่อยอดได้

เรื่องนี้สำคัญบนฮาร์ดแวร์ Intel มากกว่าบน GPU ที่เช่า เพราะสมมติฐานทั้งหมดของการรันโมเดลบนฮาร์ดแวร์ที่คุณเป็นเจ้าของมักอยู่ที่ว่าคุณตั้งใจจะใช้มันต่อไป หากการใช้งานของคุณเป็นเชิงพาณิชย์ การรองรับ OpenVINO ก็ยังเป็นสิ่งที่ควรรู้ไว้ — มันบอกคุณว่าโมเดลนี้สามารถรันและพอร์ตไปยังตระกูลฮาร์ดแวร์ที่คุณอาจมีอยู่แล้วได้ — แต่ไม่ได้เปลี่ยนแปลงคำถามเรื่องใบอนุญาต และการรองรับจากเฟรมเวิร์กไม่ว่าจะมากเพียงใดก็ไม่ช่วยเปลี่ยนแปลงเช่นกัน ใครก็ตามที่วางแผนทำผลิตภัณฑ์โดยอิงกับเช็กพอยต์นี้ ควรสะสางการพูดคุยเรื่องสิทธิ์การใช้งานให้เรียบร้อยก่อนที่จะสรุปเรื่องฮาร์ดแวร์

สิ่งที่คุณต้องแลกไปกับพื้นที่ดิสก์ ก่อนที่คุณจะกังวลเรื่องอื่นใด

การดาวน์โหลดเวทแบบเปิดของ Qwen-Image-2.1 มีขนาดราว 33 GB กระจายอยู่ในสามองค์ประกอบ และการแบ่งส่วนนั่นแหละคือส่วนที่มีประโยชน์:

• Transformer (ตัวสร้าง 7B) — ประมาณ 14.2 GB กระจายอยู่ในสอง shard

• ตัวเข้ารหัสข้อความ (Qwen3-VL 8B) — ประมาณ 17.5 GB กระจายอยู่ across สี่ shard ซึ่งเป็นชิ้นส่วนที่ใหญ่ที่สุดเพียงหนึ่งเดียวของการดาวน์โหลด

• VAE — ประมาณ 1.35 GB

เมื่อเทียบกันแล้ว นั่นคือปริมาณหน่วยความจำที่ใช้หลายเท่าเมื่อเทียบกับโมเดลภาพขนาดเล็กที่ Intel ระบุว่าใช้งานกับ NPU ได้อยู่แล้ว ตัวเลข 7B ในพาดหัวข่าวอธิบายถึงเจนเนอเรเตอร์ ไม่ได้เป็นข้อความเกี่ยวกับสิ่งที่คุณต้องมีค้างอยู่ในหน่วยความจำเพื่อรันมัน ต้องวางแผนเผื่อเอนโคเดอร์ไว้ด้วยเช่นกัน

วิธีที่คุณจะรันมันจริงๆ

เลเยอร์ GenAI ของ OpenVINO เปิดให้ใช้งานโมเดล diffusion ผ่าน API pipeline แบบ text-to-image โดยอุปกรณ์ถูกส่งเป็นสตริง — รูปแบบที่เอกสารระบุคือออบเจ็กต์ pipeline ที่สร้างจากไดเรกทอรีโมเดลและชื่ออุปกรณ์ จากนั้นเรียก generate พร้อมพรอมป์ต์ โมเดลจำเป็นต้องอยู่ใน intermediate representation ของ OpenVINO แทนที่จะเป็นเช็กพอยต์ PyTorch แบบดิบ ดังนั้นเส้นทางที่ใช้ได้จริงคือขั้นตอนการแปลงตามด้วยการทำอินเฟอเรนซ์ โดยสตริงอุปกรณ์ใช้เลือก CPU หรือ GPU

นั่นคือส่วนเชิงกลไก ส่วนที่ประกาศไม่ได้ครอบคลุมคือน้ำหนักที่แปลงแล้วจะไปลงเอยที่ความแม่นยำแบบใด การแปลงทำอะไรกับเส้นทาง RGBA VAE โดยเฉพาะ และโฟลว์การแก้ไขภาพด้วยภาพอ้างอิง 10 ภาพถูกทดสอบบนฝั่ง Intel หรือไม่เลย — โพสต์ดังกล่าวเพียงบอกว่า “เช็กพอยต์แบบเปิดน้ำหนักหนึ่งตัวสำหรับทั้งการสร้างและการแก้ไข” ซึ่งเป็นคำอธิบายของโมเดล ไม่ใช่ของงานผสานรวม สามสิ่งนี้คือสิ่งแรก ๆ ที่ควรตรวจสอบเมื่อคุณแปลงมัน เพราะโมเดลภาพอาจได้รับการสนับสนุนในทางเทคนิค แต่ก็ยังสูญเสียฟีเจอร์ที่คุณต้องการจริง ๆ ไปได้

ถ้าคุณไม่อยากเสียเวลาทั้งเย็นไปกับการแปลงและการตั้งค่าไดรเวอร์เพื่อลองดู เช็กพอยต์เดียวกันนี้ก็ทำงานอยู่แล้วบนเส้นทาง day-zero อื่น ๆ — SGLang-Diffusion, ComfyUI, Diffusers ผ่านคลาส pipeline เฉพาะ, vLLM-Omni, LightX2V รวมถึง ROCm บน AMD Radeon และการรองรับหลายชิปผ่าน FlagOS ส่วนเส้นทาง OpenVINO คือสิ่งที่ควรเลือกใช้หากคุณมีฮาร์ดแวร์ Intel; มันไม่ใช่วิธีเดียวในการประเมินโมเดล

สิ่งนี้ทำให้คุณอยู่ตรงไหน

สำหรับองค์กรที่ใช้ Intel การรองรับตั้งแต่วันแรกถือเป็นข่าวจริง ๆ โมเดลที่เมื่อสองวันก่อนยังเป็นเรื่องของ NVIDIA และ AMD ตอนนี้มีเส้นทางที่ได้รับการรองรับบนฮาร์ดแวร์ที่คุณมีอยู่แล้ว และงานนี้ทำเสร็จเร็วพอที่จะเขียนโดยอิงกับเช็กพอยต์จริง นั่นคือทั้งหมดที่ได้รับการยืนยัน

สำหรับคนอื่น ๆ สรุปตามตรงก็คือ Qwen-Image-2.1 เป็นรุ่นเปิดน้ำหนักที่แข็งแกร่งพร้อมสัญญาอนุญาตที่จำกัด ดาวน์โหลดขนาด 33 GB ข้อกำหนดหน่วยความจำที่ยังไม่เปิดเผย และตอนนี้ก็มีรันไทม์อีกหนึ่งตัวที่อ้างว่ารันมันได้โดยไม่บอกว่าความเร็วเท่าไร สถาปัตยกรรมความโปร่งใสเป็นจุดสร้างความแตกต่างที่แท้จริง และคุ้มค่าที่จะทดสอบด้วยคุณงามความดีของมันเอง การรองรับ Intel เป็นเหตุผลให้ลองใช้หากคุณมีซิลิคอนนั้น — ยังไม่ใช่เหตุผลที่จะยึดเป็นมาตรฐานบนมัน

น่าจับตามองในอีกไม่กี่สัปดาห์ข้างหน้าว่า Intel จะเผยแพร่ค่าความหน่วงที่วัดได้สำหรับเส้นทาง OpenVINO หรือไม่ รายการ NPU จะขยายจนรวมโมเดลนี้หรือไม่ และมีใครนอกเหนือจากผู้จำหน่ายที่สามารถทำซ้ำข้ออ้างเรื่องคุณภาพการสร้างบนฮาร์ดแวร์ Intel ได้หรือไม่ จนกว่าอย่างน้อยหนึ่งในนั้นจะเกิดขึ้นจริง ให้ถือว่าการรองรับนี้เป็นไฟเขียวสำหรับการทดลองเท่านั้น และไม่มีอะไรมากไปกว่านั้น

เมื่อคุณต้องการเปรียบเทียบกับโมเดลรูปภาพแบบโฮสต์ที่คุณเรียกใช้งานอยู่แล้ว OrcaRouter รวมโมเดลกว่า 200 รายการไว้หลังเอนด์พอยต์เดียวที่เข้ากันได้กับ OpenAI โดยราคาตามที่ผู้ให้บริการระบุจะถูกส่งผ่านโดยไม่มีส่วนเพิ่มใด ๆ พร้อมการสลับไปยังผู้ให้บริการรายอื่นโดยอัตโนมัติเมื่อเกิดข้อขัดข้อง — ซึ่งมีประโยชน์ก็เพราะเช็กพอยต์ที่ได้รับอนุญาตให้ใช้เพื่อการวิจัยแบบนี้ไม่สามารถนำไปใช้ในเส้นทางการผลิตได้ และทางเลือกแบบโฮสต์เหล่านั้นก็สามารถอยู่ภายใต้คีย์เดียวกันได้ระหว่างที่คุณตัดสินใจ