Qwen-Image 2.1 กับ Qwen-Image 3.0: ตัวเลขที่น้อยกว่าคือรุ่นที่ใหม่กว่า

เริ่มจากเรื่องที่ทำให้ทุกคนสับสนกันก่อน Qwen-Image 2.1ใหม่กว่า Qwen-Image 3.0 ผู้จำหน่ายเปิดตัว Qwen-Image 3.0 เมื่อวันที่ 21 กรกฎาคม 2026 และทำให้พร้อมใช้งานทั่วไปในวันที่ 5 สิงหาคม ส่วน Qwen-Image 2.1 เปิดตัวเมื่อวันที่ 20 กันยายน 2026 — ช้ากว่าเจ็ดสัปดาห์ และเป็นเวอร์ชันไมเนอร์ที่ ต่ำกว่า การนับเลขนี้ไม่ใช่ลำดับต่อเนื่อง แต่เป็นผลิตภัณฑ์สองสายที่ใช้ชื่อร่วมกัน และข้อเท็จจริงที่มีประโยชน์ที่สุดเกี่ยวกับทั้งสองก็คือ ทั้งคู่ยืนคนละฝั่งในคำถามที่ตัดสินว่าคุณจะสร้างต่อยอดบนมันได้หรือไม่ Qwen-Image 3.0 เป็นแบบปิดและโฮสต์ให้บริการ ไม่มีเวตต์ ไม่มีสัญญาอนุญาต และไม่มีรายงานทางเทคนิค ส่วน Qwen-Image 2.1 เป็นแบบเปิดเวตต์ ดาวน์โหลดได้แล้ววันนี้ ภายใต้สัญญาอนุญาตสำหรับการวิจัยที่อนุญาตให้ใช้ในเชิงพาณิชย์เท่านั้น

สองผลิตภัณฑ์ที่บังเอิญมีชื่อเดียวกัน

ตระกูล Qwen-Image ได้ยึดจุดยืนด้านสัญญาอนุญาตที่แตกต่างกันถึงสามแบบในเวลาสิบสี่เดือน และการวางจุดยืนเหล่านั้นเรียงให้เห็นก็ช่วยขจัดความสับสนส่วนใหญ่ออกไป:

• Qwen-Image 1.0 และ 2.0 — โมเดลเปิดน้ำหนักภายใต้สัญญาอนุญาต Apache 2.0 บน Hugging Face และ ModelScope มีรายงานทางเทคนิคในวันเปิดตัว โฮสต์เองได้ ฝึกปรับละเอียดได้ ควอนไทซ์ได้

• Qwen-Image 3.0 — ปิด ไม่มีน้ำหนักโมเดล ไม่มีการระบุสัญญาอนุญาต ไม่มีการ์ดโมเดล ไม่มีรายงานทางเทคนิค ไม่มีตารางเกณฑ์มาตรฐานที่เผยแพร่ เข้าถึงได้เฉพาะผ่าน API แบบโฮสต์เท่านั้น ในรุ่น Pro และ Standard

• Qwen-Image 2.1 — เปิดน้ำหนักโมเดลอีกครั้ง แต่ภายใต้ข้อตกลงสัญญาอนุญาต Qwen Research ลงวันที่ 20 กันยายน 2026 ซึ่งให้สิทธิ์ "สำหรับวัตถุประสงค์ที่ไม่ใช่เชิงพาณิชย์เท่านั้น" และกำหนดให้การใช้งานเชิงพาณิชย์ต้องเจรจาขอสัญญาอนุญาตแยกต่างหาก

อ่านสิ่งนั้นเป็นแพตเทิร์นมากกว่าเป็นไทม์ไลน์ แล้วรูปร่างก็ชัดเจน: Alibaba ไม่ได้มอง "open" เป็นแบบไบนารีอีกต่อไป Qwen-Image 2.1 ไม่ใช่ทั้งรุ่นที่ผ่อนปรนอย่างที่ 1.0 และ 2.0 เป็น และไม่ใช่รุ่นปิดอย่างที่ 3.0 เป็น มันคือตำแหน่งที่สาม — เวตที่คุณตรวจสอบ รัน และแก้ไขได้ โดยมีด่านเชิงพาณิชย์ยึดติดไว้ด้านหน้า

แต่ละโมเดลจริงๆ แล้วคืออะไร

• Qwen-Image 2.1 — โมเดลแบบรวมสำหรับการสร้างภาพจากข้อความและการแก้ไขภาพ ที่มีพารามิเตอร์ 7B ในองค์ประกอบการสร้างภาพ ถูกสร้างขึ้นเป็น DiT แบบ single-stream จำนวน 32 ชั้น โดยมีตัวเข้ารหัสข้อความ Qwen3-VL 8B และ VAE แบบ RGBA 64 ช่องสัญญาณที่การบีบอัดเชิงพื้นที่ 16× อยู่เคียงข้างกัน ขนาดดาวน์โหลดทั้งหมดอยู่ที่ประมาณ 33 GB โดยตัวเข้ารหัสข้อความคิดเป็นสัดส่วนมากกว่าครึ่ง ใช้แอตเทนชันแบบ block-causal พร้อมมาสก์เชิงสาเหตุระดับโทเคนสำหรับข้อความ และมาสก์แบบสองทิศทางระดับชังก์สำหรับการสร้างภาพ รวมถึงการใช้ KV cache แบบ prefix ซ้ำสำหรับการแก้ไขภาพหลายภาพ รองรับความละเอียด 2K แบบเนทีฟ โดยค่าเริ่มต้นที่ 2048×2048 ที่ 40 สเต็ป พร้อมพรีเซ็ตอัตราส่วนภาพ 7 แบบ

• Qwen-Image 3.0 — โมเดลโฮสต์แบบปิดในรุ่น Pro และ Standard ซึ่งให้ความสามารถในการสร้างและแก้ไขภาพผ่าน API เดียว เอกสารเปิดตัวของ Alibaba อ้างว่าพรอมต์มีความยาวสูงสุดประมาณ 4,500 โทเค็น ข้อความที่อ่านออกได้เล็กสุดประมาณ 10 พิกเซล และรองรับ 12 ภาษาผ่านฟอนต์มากกว่า 20 แบบ โดยมีเอาต์พุตสูงสุด 2048×2048 และสร้างภาพได้สูงสุดหกภาพต่อการเรียกใช้ ไม่มีการเปิดเผยจำนวนพารามิเตอร์ ตัวเลข ~20B MMDiT ที่ถูกกล่าวถึงอย่างกว้างขวางนั้นเป็นเพียงการรายงาน ไม่ได้รับการยืนยัน

ความแตกต่างทางสถาปัตยกรรมที่สำคัญที่สุดในทางปฏิบัติไม่ใช่ขนาด — แต่เป็นที่ที่โมเดลทำงานและสิ่งที่คุณสามารถทำกับมันได้ Qwen-Image 2.1 มาในรูปแบบไฟล์ที่คุณสามารถตรวจสอบ ควอนไทซ์ ไฟน์จูนบนข้อมูลส่วนตัว และรันบนฮาร์ดแวร์ของคุณเอง โดยมี pull request ที่รองรับ SGLang ถูก merge สามวันก่อนที่เวทจะมาถึงด้วยซ้ำ Qwen-Image 3.0 มาในรูปแบบเอนด์พอยต์ คุณไม่สามารถควอนไทซ์มันได้ คุณไม่สามารถไฟน์จูนมันได้ และคุณไม่สามารถรันมันที่ไหนได้นอกจากที่ที่ Alibaba รันมัน

การตัดต่อคือจุดที่ทั้งสองแยกจากกันมากที่สุด

ทั้งสองโมเดลทำงานสร้างและแก้ไขในระบบเดียว ดังนั้นการเปรียบเทียบที่น่าสนใจจึงอยู่ที่รายละเอียดของการแก้ไข — และในจุดนี้ โมเดลที่ใหม่กว่าและเล็กกว่าคือตัวที่มีความสามารถสูงกว่าเมื่อดูตามสเปก

• ภาพอ้างอิง — Qwen-Image 2.1 รองรับภาพอ้างอิงอินพุตได้สูงสุด 10 ภาพ เอกสารประกอบของ Qwen-Image 3.0 Pro ระบุว่ารองรับภาพอินพุต 1–3 ภาพ

• การควบคุมการแก้ไขเฉพาะจุด — Qwen-Image 2.1 รองรับการวงกลม การเขียนคำอธิบาย และมาสก์แยกที่ป้อนเป็นอินพุตของตัวเอง เพื่อให้ภาพต้นฉบับไม่ถูกทำเครื่องหมาย ส่วนเส้นทางการแก้ไขที่ระบุไว้ในเอกสารของ Qwen-Image 3.0 ครอบคลุมการเขียนใหม่เฉพาะจุด การขยายเนื้อหา การถ่ายโอนสไตล์ และการสร้างภาพจากหลายมุมกล้อง โดยไม่มีขั้นตอนการทำงานที่ใช้มาสก์ซึ่งเผยแพร่อย่างเป็นทางการ

• ความโปร่งใส — Qwen-Image 2.1 สร้างและแก้ไขภาพ RGBA ได้โดยกำเนิด แก้ไขข้อความภายในเลเยอร์โปร่งใส และแยกตัวแบบจากภาพถ่าย RGB ไปยังเลเยอร์โปร่งใส คำประกาศของ Qwen-Image 3.0 ไม่มีการกล่าวอ้างเรื่องความโปร่งใส

• การเขียนพรอมป์ต์ใหม่ — Qwen-Image 2.1 มาพร้อมเช็กพอยต์สำหรับการเขียนใหม่โดยเฉพาะสองตัว ซึ่งทั้งคู่เป็นโมเดล Qwen3.5-VL 9B ที่ผ่านการปรับแต่งละเอียด ตัวหนึ่งสำหรับการสร้างภาพจากข้อความ และอีกตัวสำหรับการแก้ไขภาพ โดยเผยแพร่โค้ดการเขียนใหม่และพรอมป์ต์ระบบออกมา ส่วนการจัดการพรอมป์ต์ของ Qwen-Image 3.0 เป็นกล่องดำที่อยู่เบื้องหลัง API

• ระบบนิเวศ — Qwen-Image 2.1 ได้รับการรองรับตั้งแต่วันแรกใน Diffusers, ComfyUI, vLLM-Omni, SGLang และ LightX2V พร้อมทั้งเส้นทาง AMD ROCm และ FlagOS ส่วน Qwen-Image 3.0 มี API

ประโยคสุดท้ายนั้นไม่ใช่แค่การเล่นสำนวนเชิงวาทศิลป์ สำหรับทีมที่ไปป์ไลน์อยู่ใน ComfyUI หรือมีสแตกการอนุมานเป็น vLLM ความแตกต่างระหว่างโมเดลที่มีคลาสไปป์ไลน์แบบรวมกับโมเดลที่มีเอนด์พอยต์ HTTP ก็คือความแตกต่างระหว่างงานอินทิเกรตกับงานเขียนใหม่

ราคา และสิ่งที่ราคาไม่อาจสะท้อนได้

Qwen-Image 3.0 มีราคาเผยแพร่เพียงรายการเดียวจากทั้งสอง: บนคลาวด์ของผู้จำหน่าย Pro ถูกตั้งราคาประมาณ $0.04 ต่อภาพ และ Standard ประมาณ $0.03 โดยราคาสำหรับผู้บริโภคในประเทศเริ่มต้นที่ประมาณ ¥0.18 นี่เป็นตัวเลขช่วงเปิดตัวและยังไม่ได้รับการตรวจสอบอย่างอิสระ Qwen-Image 2.1 ไม่มีอัตราค่าบริการโฮสต์ที่เผยแพร่เลย — มันเป็นไฟล์ดาวน์โหลด และค่าใช้จ่ายก็คือค่าเวลา GPU ของคุณเอง

สองบรรทัดนั้นไม่สามารถนำมาเปรียบเทียบกันได้ และการแสร้งว่าเปรียบเทียบกันได้คือข้อผิดพลาดที่พบบ่อยที่สุดในการจับคู่นี้ ราคาต่อรูปภาพครอบคลุมทั้งโมเดล โครงสร้างพื้นฐานสำหรับให้บริการ การขยายขนาด และความพร้อมใช้งานที่คนอื่นดูแล การดาวน์โหลดเวตไม่ได้ครอบคลุมสิ่งเหล่านั้นเลย คำถามที่ถูกต้องไม่ใช่ว่าตัวเลขใดน้อยกว่า แต่คือคุณมีความสามารถในการดำเนินงานพอที่จะรันสแตกโมเดลขนาด 33 GB หรือไม่ และสัญญาอนุญาตฝั่งที่ถูกกว่าเปิดให้คุณทำสิ่งที่คุณวางแผนจะทำกับมันได้หรือไม่

ซึ่งนำเรื่องสัญญาอนุญาตกลับมาสู่ศูนย์กลางของการเปรียบเทียบ ซึ่งเป็นที่ที่มันควรอยู่ ข้อกำหนดของ Qwen-Image 3.0 ไม่ได้รับการเผยแพร่ ซึ่งเป็นปัญหาของมันเองสำหรับงานที่ต้องอยู่ภายใต้การกำกับดูแลหรืองานของเอเจนซี เพราะไม่มีเอกสารให้อ้างอิง ข้อกำหนดของ Qwen-Image 2.1 นั้นได้รับการเผยแพร่ และระบุว่าไม่ใช่เพื่อการพาณิชย์ ระหว่างสัญญาอนุญาตที่ไม่ชัดเจนกับสัญญาอนุญาตที่จำกัดชัดเจน สัญญาอนุญาตที่จำกัดชัดเจนนั้นวางแผนได้ง่ายกว่า เพราะอย่างน้อยคุณก็รู้ว่าต้องคุยเรื่องอะไร

อันไหนที่คุณควรเลือกใช้

• คุณต้องการภาพสำหรับงานผลิตที่มีข้อความหนาแน่น และอยากให้มีคนอื่นมาดูแลจัดการให้ — Qwen-Image 3.0 คือตัวเลือกที่เหมาะสม โดยมีข้อแม้ว่าตัวเลขการเรนเดอร์ข้อความในพาดหัวนั้นเป็นคำกล่าวอ้างของผู้จำหน่าย และการทดสอบอิสระที่มีอยู่ระบุว่าข้อความตัวเล็กยังคงเพี้ยนในบางกรณี

• คุณต้องรันโมเดลด้วยตัวเอง ไฟน์ทูนมัน หรือเก็บข้อมูลไว้บนฮาร์ดแวร์ของคุณเอง — Qwen-Image 2.1 เป็นตัวเลือกเดียวในสองตัวนี้ และใบอนุญาตเพื่อการวิจัยคือค่าผ่านประตู

• คุณต้องการแอสเซ็ตโปร่งใส ภาพตัดแยกสินค้า หรือรูปอ้างอิงมากกว่าสามรูป — Qwen-Image 2.1 เมื่อเทียบตามสเปกที่เผยแพร่แล้ว ถือเป็นเครื่องมือที่แข็งแกร่งกว่า และไม่ได้สูสีกันเลยในด้านจำนวนรูปอ้างอิง

• คุณต้องมีสิทธิ์ทางการค้าและใบอนุญาตแบบเปิดกว้าง — โมเดลของคุณไม่มีทั้งสองอย่างนี้ Qwen-Image 3.0 ไม่มีข้อกำหนดใด ๆ ที่เผยแพร่ออกมาเลย และ Qwen-Image 2.1 ต้องเจรจาใบอนุญาตเชิงพาณิชย์ ส่วนรุ่นที่เผยแพร่ภายใต้ Apache-2.0 ในตระกูลนี้คือ Qwen-Image 1.0 และ 2.0 รุ่นก่อนหน้า

แถวสุดท้ายนั้นเป็นแถวที่ควรค่าแก่การครุ่นคิด เพราะมันอธิบายถึงชุดที่กำลังหดตัวลง ใบอนุญาตที่ให้ไปแล้วจะไม่เปลี่ยนแปลงย้อนหลัง ดังนั้นการเปิดตัว Qwen-Image ภายใต้ Apache-2.0 จึงยังคงใช้งานได้ตามเงื่อนไขเดิม แต่หากคุณกำลังวางแผนไปป์ไลน์รูปภาพเชิงพาณิชย์โดยตั้งอยู่บนสมมติฐานว่า Qwen-Image รุ่นใหม่ล่าสุดจะได้รับสัญญาอนุญาตแบบผ่อนปรน การเปิดตัวสามครั้งล่าสุดถือเป็นหลักฐานที่ขัดแย้งกับสมมติฐานนั้น

การรันตัวใดตัวหนึ่งโดยไม่เดิมพันทั้งไปป์ไลน์ไว้กับมัน

ทั้งสองโมเดลนี้ ด้วยเหตุผลที่แตกต่างกัน ทำให้การนำไปวางไว้เบื้องหลังเส้นทางโปรดักชันในปัจจุบันเป็นเรื่องที่ไม่สะดวก — โมเดลหนึ่งเพราะเรื่องสัญญาอนุญาต อีกโมเดลหนึ่งเพราะเป็นกล่องดำและไม่เปิดเผยจำนวนพารามิเตอร์ นั่นคือสถานการณ์ที่เลเยอร์จัดเส้นทางถูกสร้างขึ้นมาเพื่อรองรับโดยเฉพาะ OrcaRouter เป็นส่วนหน้าให้โมเดลกว่า 200 รายการที่อยู่เบื้องหลัง endpoint เดียวที่เข้ากันได้กับ OpenAI ในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม พร้อมการ failover อัตโนมัติข้ามผู้ให้บริการ และ routing DSL ที่ให้คุณประกอบหลายโมเดลให้เป็นการเรียกครั้งเดียว, ดังนั้นโมเดลใหม่หรือโมเดลที่จัดวางลำบากจึงสามารถอยู่เคียงข้างโมเดลที่ผ่านการพิสูจน์แล้ว แทนที่จะอยู่ข้างหน้า Model fusion พาแนวคิดเดียวกันไปไกลขึ้นอีกขั้น ด้วยการรันกลุ่มโมเดลพร้อมกันและให้คุณเปรียบเทียบพวกมันบนพรอมป์ของคุณเอง แทนที่จะดูจากแผนภูมิเปิดตัว

ทั้ง Qwen-Image 2.1 และ Qwen-Image 3.0 ต่างก็ไม่ใช่หนึ่งในโมเดลที่เราจัดเส้นทางในปัจจุบัน และบทความนี้จะไม่เสนอเป็นอย่างอื่น โมเดลรูปภาพที่เราจัดเส้นทางจริง ได้แก่ ไลน์ GPT-Image ของ OpenAI, ระดับต่าง ๆ ของ Imagen 4 และ Gemini image previews ของ Google, และเอนด์พอยต์รูปภาพ Grok Imagine ของ xAI — สิ่งเหล่านี้คือสิ่งที่เส้นทาง failover จะถูกสร้างขึ้นมาจริง ๆ ขณะที่คุณประเมินคู่ Qwen ตามเกณฑ์ของคุณเอง

สิ่งที่ต้องจับตานั้นแคบกว่าที่เห็น Alibaba ได้แสดงให้เห็นแล้วว่าบริษัทจะปล่อยน้ำหนักแบบเปิด โมเดลโฮสต์แบบปิด และดาวน์โหลดที่ได้รับอนุญาตเพื่อการวิจัย ภายในตระกูลเดียวกันในไตรมาสเดียวกัน การเปิดตัวครั้งต่อไปจะไม่บอกคุณว่ารูปแบบใดชนะ ไฟล์สัญญาอนุญาตต่างหากที่จะบอก