Qwen-Image 2.1: Mô hình hình ảnh 7B trọng số mở thực chất là gì

Qwen-Image 2.1 là mô hình mà mọi người tìm kiếm theo tên và hiện tại không tìm thấy kết quả nào. Đây là mô hình tạo hình ảnh từ văn bản và chỉnh sửa hình ảnh với trọng số mở của Alibaba, ra mắt ngày 20 tháng 9 năm 2026, và phần lớn sự nhầm lẫn xoay quanh nó mang tính cấu trúc: nó mới hơn Qwen-Image 3.0, do cùng nhóm phát hành vào ngày 21 tháng 7 năm 2026, và cũ hơn Qwen-Image 2.1 Turbo, checkpoint tăng tốc ra mắt sau đó vào ngày 9 tháng 10 năm 2026. Ba cái tên, một dòng mô hình, ba sản phẩm thực sự khác biệt — và các số phiên bản không xếp đúng thứ tự cho sản phẩm nào trong số đó.

Trang này là tài liệu tham chiếu cho chính mô hình: nó là gì, nó nhận và trả về những gì, giấy phép của nó thực sự cho phép điều gì, các trọng số nằm ở đâu, và nó được tài liệu hóa là chạy trên nền tảng nào. Bản phát hành đã 23 ngày tuổi vào thời điểm viết, nên hãy coi đó là dữ kiện định vị thời điểm của mô hình hơn là tin tức — câu hỏi đáng để trả lời là câu hỏi thường trực mà người đọc có khi họ gõ chính tên của mô hình.

Ba sản phẩm hình ảnh Qw​en, được tách riêng

Gần như mọi kỳ vọng sai lệch về Qwen-Image 2.1 đều xuất phát từ việc coi dòng sản phẩm này như một chuỗi duy nhất. Thực tế không phải vậy. Ba sản phẩm hiện có nằm ở những điểm khác nhau trên cả khả năng lẫn quyền truy cập:

• Qwen-Image 2.1 — một mô hình đảm nhiệm cả việc tạo ảnh từ văn bản lẫn chỉnh sửa ảnh, với 7 tỷ tham số trong thành phần tạo hình ảnh và 32 lớp DiT đơn luồng, được công bố dưới dạng trọng số mở theo giấy phép nghiên cứu. Phát hành ngày 20 tháng 9 năm 2026.

• Qwen-Image 2.1 Turbo — cùng kiến trúc tạo hình ảnh 7B và cùng các cài đặt trước độ phân giải, được phát hành dưới dạng một checkpoint tăng tốc riêng vào ngày 9 tháng 10 năm 2026, khử nhiễu trong 8 bước thay vì 40, với CFG mặc định là 1 và lịch lấy mẫu khuyến nghị được lưu bên trong checkpoint. Đây là một biến thể tốc độ, không phải một bậc năng lực.

• Qwen-Image 3.0 — mô hình thế hệ thứ ba từ ngày 21 tháng 7 năm 2026, và là bản đóng. Không có kho trọng số nào cho nó trên Hugging Face hay ModelScope, và tài liệu ra mắt của nó không công bố số lượng tham số cũng như giấy phép. Những tuyên bố nổi bật của nó xoay quanh văn bản và mật độ kiến thức — prompt lên tới 4,5k token, văn bản nhỏ đến 10px vẫn hiển thị rõ ràng, 12 ngôn ngữ, hơn 100 phong cách nghệ thuật — và đó là những tuyên bố của chính nhà cung cấp, không được tái tạo lại ở đây. Nếu điều bạn cần là khả năng hiển thị văn bản mạnh nhất trong dòng sản phẩm, thì đó chính là lý lẽ cho 3.0; còn nếu điều bạn cần là tự chạy mô hình, thì 3.0 hoàn toàn không phải là một lựa chọn.

Điều thứ tư cũng đáng được tách riêng ra vì nó mang chung cái tên 2.1: kể từ ngày 9 tháng 10 năm 2026, danh sách tin tức của nhà cung cấp đưa tincác API được lưu trữ Qwen-Image-2.1 Pro và Turbođã chính thức hoạt động trên Aliba​ba Cloud Model Studio. Đó là một đường phục vụ cho cùng một mô hình, chứ không phải mô hình thứ tư.

Thực chất nó là gì

Kiến trúc này, như được công bố trên model card và kho lưu trữ của nhà cung cấp, nhỏ gọn theo tiêu chuẩn của lĩnh vực hình ảnh hiện tại và được tổ chức xoay quanh một ý tưởng: làm cho việc chỉnh sửa nhiều ảnh trở nên rẻ.

• Transformer — 32 lớp, 7 tỷ tham số, DiT một luồng với cơ chế attention nhân quả theo khối. Phần văn bản, bao gồm tiền tố hệ thống và hướng dẫn chỉnh sửa, chạy mặt nạ nhân quả ở cấp token; quá trình tạo ảnh chạy mặt nạ hai chiều ở cấp khối.

• Bộ mã hóa văn bản — Qwen3-VL 8B, một mô hình ngôn ngữ – thị giác mã hóa cả chỉ dẫn văn bản lẫn mọi hình ảnh điều kiện thành một biểu diễn duy nhất. Trong bản tải xuống đã phát hành, đây là nửa lớn hơn của toàn bộ hệ thống.

• VAE — một autoencoder RGBA 64 kênh với mức nén không gian 16×, đây chính là nguồn gốc của khả năng trong suốt gốc thay vì đến từ xử lý hậu kỳ.

• Bộ lập lịch — Flow Matching với lập lịch Euler rời rạc và dịch chuyển động; mặc định 40 bước khử nhiễu trên checkpoint cơ sở.

Việc tách theo độ chi tiết hỗn hợp đó chính là lập luận về hiệu quả. Ảnh đầu vào và hướng dẫn được tính một lần ở bước khử nhiễu đầu tiên rồi được tái sử dụng làm ngữ cảnh tiền tố đã lưu đệm về sau, nên việc thêm ảnh tham chiếu tốn ít chi phí hơn so với một thiết kế mã hóa lại mọi thứ ở từng bước.

Giấy phép, đúng như đã công bố

Đây là phần mà hầu hết các bản tóm tắt đều hiểu sai, theo cả hai hướng. Qwen-Image 2.1 không phải là mã nguồn mở theo nghĩa cấp phép tự do, và nó cũng không phải là đóng kín. Thẻ trên Hugging Face gắn nhãn cho nó là license: other với license_name: qwen-research, và tệp LICENSE của kho lưu trữ là Qw​en Research License Agreement, ngày 20 tháng 9 năm 2026. Đọc vào ngày 13 tháng 10 năm 2026, điều khoản có hiệu lực của nó cấp một

• giấy phép hạn chế không độc quyền, trên toàn thế giới, không thể chuyển nhượng và miễn phí bản quyền để sử dụng, tái sản xuất, phân phối, sao chép, tạo tác phẩm phái sinh từ và sửa đổi các tài liệu — chỉ cho các mục đích phi thương mại.

Thỏa thuận định nghĩa "Phi Thương mại" một cách hẹp, là chỉ cho mục đích nghiên cứu hoặc đánh giá, và định tuyến mọi thứ khác một cách rõ ràng: bạn "không được sử dụng Tài liệu cho bất kỳ mục đích thương mại nào mà không có giấy phép thương mại riêng từ chúng tôi," được yêu cầu qua email tại địa chỉ mà thỏa thuận nêu tên. Vậy vị thế thực tế cho một đội nhóm là hai dòng thay vì một: các trọng số có thể tải xuống, kiểm tra, lượng tử hóa và tinh chỉnh, và việc phát hành một sản phẩm dựa trên chúng đòi hỏi phải trao đổi với Aliba​ba trước.

Ba điều kiện khác đi kèm với việc phân phối lại và rất dễ bị bỏ sót khi giấy phép được tóm tắt là "phi thương mại". Bạn phải chuyển một bản sao của thỏa thuận cho bất kỳ ai mà bạn phân phối lại. Các tệp đã sửa đổi phải mang thông báo nổi bật rằng chúng đã bị thay đổi. Và bất kỳ bản sao nào được phân phối đều phải giữ nguyên văn văn bản thông báo mà thỏa thuận quy định, ghi công tài liệu cho Hangzhou Tongyi Laboratory Technology Co., Ltd. Bên cạnh đó là hai quy tắc sử dụng: nếu bạn sử dụng mô hình hoặc đầu ra của nó để huấn luyện, tinh chỉnh hoặc cải thiện một mô hình AI mà sau đó bạn phân phối, bạn phải hiển thị nổi bật "Built with Qw​en" hoặc "Improved using Qw​en" trong tài liệu sản phẩm; và bạn không được sử dụng "Qw​en" làm tên chính hoặc mã định danh của một tác phẩm phái sinh, mặc dù việc sử dụng mang tính mô tả như "tinh chỉnh từ Qw​en Image" được cho phép. Luật điều chỉnh là luật Trung Quốc, với thẩm quyền xét xử độc quyền tại các Tòa án Nhân dân ở Hàng Châu.

Có một so sánh đáng để thực hiện, vì đó là nơi dòng mô hình này đã dịch chuyển chứ không phải nơi nó khởi đầu. Các bản phát hành Qwen-Image trước đây được cấp phép theo kiểu permissive: thẻ mô hình của Qwen-Image, Qwen-Image-Edit, Qwen-Image-Edit-2509, Qwen-Image-Edit-2511, Qwen-Image-Layered và Qwen-Image-2512 đều mang apache-2.0 như đọc được vào ngày 13 tháng 10 năm 2026, không có rào cản thương mại. Qwen-Image 2.1 là điểm phá vỡ mẫu hình đó. Các giấy phép đã được cấp không thay đổi hồi tố, vì vậy những checkpoint trước đó vẫn có thể sử dụng theo các điều khoản ban đầu — nhưng bất kỳ ai đang lên kế hoạch cho một pipeline thương mại với giả định rằng mô hình hình ảnh Qwen mới nhất sẽ được cấp phép theo kiểu permissive nên đọc điều này trước bản phát hành tiếp theo, chứ không phải sau đó.

Cái gì đi vào, và cái gì đi ra

Bề mặt đầu vào rộng hơn so với mô hình text-to-image, và bề mặt đầu ra bao gồm một thứ mà hầu hết các mô hình hình ảnh không hề tạo ra. Theo model card và kho lưu trữ của nhà cung cấp:

• Chỉ văn bản — một câu lệnh tạo ra hình ảnh. Text-to-image là chế độ mặc định; không có checkpoint T2I riêng để chọn.

• Một hình ảnh kèm một prompt — cách gọi chỉnh sửa tiêu chuẩn, truyền hình ảnh kèm theo một chỉ dẫn.

• Tối đa 10 hình ảnh tham chiếu — các ví dụ của nhà cung cấp kết hợp sáu ảnh chân dung thành một bức ảnh nhóm, năm ảnh sản phẩm thành một bộ trang phục, và mười hình ảnh nội thất thành một căn phòng duy nhất. Đây chính là khả năng mà kiến trúc này được tối ưu hóa.

• Điều khiển chỉnh sửa cục bộ, theo ba cách — vòng tròn được vẽ trên ảnh (có thể nhận diện nhiều vùng cùng lúc bằng màu sắc), chú thích được tô vẽ, hoặc một mặt nạ riêng được cung cấp làm đầu vào của chính nó để ảnh gốc vẫn không bị đánh dấu.

• Tính trong suốt theo cả hai chiều — tạo trực tiếp hình ảnh RGBA từ một câu lệnh bằng định dạng câu lệnh được nhà cung cấp khuyến nghị, chỉnh sửa bên trong một lớp trong suốt bao gồm cả văn bản, và tách một chủ thể từ một bức ảnh RGB thông thường thành một lớp RGBA.

• Phạm vi kích thước — 2K gốc, mặc định là 2048×2048, với bảy preset được công bố: 1:1 ở 2048×2048, 4:3 ở 2400×1792, 3:4 ở 1792×2400, 3:2 ở 2528×1696, 2:3 ở 1696×2528, 16:9 ở 2752×1536 và 9:16 ở 1536×2752.

• Đầu ra — mọi ví dụ trong mã của chính nhà cung cấp đều ghi ra PNG, và đường dẫn trong suốt ghi RGBA với một kênh alpha thực sự. Không có bảng liệt kê định dạng đầu ra riêng biệt nào được công bố, nên PNG là thứ mà đường dẫn được ghi trong tài liệu tạo ra chứ không phải là một giới hạn đã được chứng minh.

Hai sự thiếu vắng đáng được nêu rõ thay vì để người đọc tự phát hiện. Thẻ này không công bố độ dài prompt tối đa cho Qwen-Image 2.1 — con số đầu vào 4,5k token thuộc về Qwen-Image 3.0 và không nên được áp dụng sang. Và không có mức giá được công bố cho các trọng số mở, vì không có mức phí theo ảnh được lưu trữ nào gắn với bản tải xuống; chi phí là phần tính toán của chính bạn. Các API Pro và Turbo được lưu trữ trên Model Studio là một hướng thương mại riêng, và tài liệu mà chúng tôi có thể đọc được nêu rằng các chi tiết truy cập và sử dụng nằm trên các trang bảng điều khiển của nhà cung cấp chứ không phải trong ghi chú ra mắt công khai.

Hiển thị và chỉnh sửa văn bản, theo cách diễn đạt của chính nhà cung cấp

Tuyên bố của nhà cung cấp cho bản phát hành này mang tính định tính và đáng được trích dẫn như những tuyên bố hơn là như các phép đo lường. Về văn bản, blog cho biết khả năng render "không chỉ xem xét nội dung mà còn cả kiểu chữ, bố cục và mối quan hệ của chúng với tổng thể bố cục," và minh họa điều này bằng bốn ví dụ. Về chỉnh sửa, bốn cải tiến được nêu là nhiều ảnh tham chiếu, chỉnh sửa cục bộ, bảo toàn độ trung thực cho người và sản phẩm, và phạm vi tác vụ — với ảnh toàn cảnh được tạo từ một bức selfie, đồ họa thông tin được mở rộng từ ảnh sản phẩm, và ảnh tham chiếu nhân vật ba góc nhìn được chuyển thành storyboard. Danh tính chân dung và tính nhất quán của sản phẩm là hai tuyên bố về độ trung thực mà nó nêu rõ ràng.

Điều không được công bố cũng quan trọng không kém. Không có bảng điểm chuẩn dạng số nào cho Qwen-Image 2.1 trong tài liệu của nhà cung cấp: bài blog hiển thị so sánh Qwen-Image-Bench dưới dạng một hình ảnh, không có số liệu nào được viết ra trong văn bản, và kho lưu trữ không công bố bất kỳ bảng đánh giá nào. Vì vậy, không có con số nào do nhà cung cấp báo cáo cho mô hình này để gắn nhãn là do nhà cung cấp báo cáo. Chúng tôi cũng không công bố một con số độc lập: mô hình có xuất hiện trên các đấu trường hình ảnh của bên thứ ba, nhưng hôm nay chúng tôi không thể xác minh lại điểm số hiện tại trên bảng xếp hạng, và một con số trên bảng xếp hạng mà chúng tôi không thể kiểm tra lại thì không phải là thứ đáng để trao cho người đọc. Hãy coi câu hỏi về khả năng render văn bản là còn bỏ ngỏ, và lưu ý rằng những tuyên bố mạnh nhất của chính nhà cung cấp về văn bản — con số 10px, 12 ngôn ngữ — thuộc về Qwen-Image 3.0, không phải mô hình này.

Các trọng số nằm ở đâu và ở những định dạng nào

Các trọng số được công bố ở hai nơi, cả hai đều là nguồn chính chủ: Hugging Face tại Qwen/Qwen-Image-2.1 và ModelScope tại đường dẫn tổ chức Qw​en tương ứng, cùng với một Space demo được host đi kèm. Kho lưu trữ Hugging Face hiển thị tổng cộng 33,1 GB, và phần phân tách chi tiết mới là phần thực tế:

• Transformer — hai phân đoạn safetensors BF16, khoảng 9,97 GB và 4,26 GB, cùng với một tệp chỉ mục.

• Bộ mã hoá văn bản — bốn phân đoạn safetensors BF16 với tổng dung lượng khoảng 17,5 GB, đó là lý do vì sao bộ mã hoá Qwen3-VL 8B được mô tả ở trên là phần lớn hơn của lượt tải xuống.

• VAE — một tệp safetensors 1,35 GB duy nhất chứa bộ tự mã hóa RGBA.

• Bố cục Diffusers — kho lưu trữ này là bản phát hành ở định dạng Diffusers (model_index.json, transformer/, text_encoder/, vae/, scheduler/, processor/), đó chính là điều khiến đoạn import pipeline bên dưới chỉ gọn trong một dòng.

• Một gói đóng gói thứ hai cho ComfyUI — Comfy-Org/Qwen-Image-2.1 đóng gói lại cùng một mô hình dưới dạng các thành phần tệp đơn: các biến thể bf16 và int8 của mô hình khuếch tán, VAE, bộ mã hóa văn bản Qwen3-VL 8B ở dạng bf16, int8 và w4a8, hai bộ mã hóa viết lại prompt, một Turbo LoRA và một bản vá ControlNet-Union. Nếu bạn định chạy thứ này trong ComfyUI thay vì trong Python, thì kho đó, chứ không phải kho chính, mới là thứ bạn tải về.

Để thấy rõ quy mô, trang riêng của Hugging Face đã báo cáo 142.375 lượt tải xuống trong tháng vừa qua tính đến ngày 13 tháng 10 năm 2026 — một con số do nền tảng cung cấp từ trang lưu trữ, không phải tuyên bố của Alibaba về mức độ được đón nhận.

Cách chạy nó hôm nay

Đây là phần thực sự khác thường trong câu chuyện về Qwen-Image 2.1: hỗ trợ runtime đã được ghi tài liệu và đến cùng lúc với trọng số, chứ không phải vài tháng sau đó, nên câu hỏi không phải là liệu bạn có thể chạy nó hay không, mà là bạn đã có sẵn con đường nào trong số vài con đường được hỗ trợ.

• Diffusers (hướng được nhà cung cấp khuyến nghị) — QwenImage21Pipeline được tải từ Qwen/Qwen-Image-2.1 ở định dạng BF16, với transformers>=5.17, torch>=2.4 và Diffusers được cài đặt từ mã nguồn. Checkpoint Turbo được tải thông qua cùng một lớp pipeline.

• ComfyUI — hỗ trợ gốc ngay từ Ngày 0, kèm các workflow mẫu đã được công bố cho text-to-image và cho chỉnh sửa hình ảnh, sử dụng trọng số Comfy-Org ở trên.

• vLLM-Omni — script ngoại tuyến và phục vụ trực tuyến kiểu OpenAPI (vllm serve … --omni), với thực thi từng bước, bộ nhớ đệm KV tiền tố, giải mã CUDA Graph, lượng tử hóa FP8 và song song TP/Ulysses được tài liệu hóa.

• SGLang — Hỗ trợ gốc ngay từ ngày đầu (Day-0) thông qua sglang generate, bổ sung đối số --image-path để chỉnh sửa, cùng các tùy chọn song song hóa và offload.

• LightX2V — Các đường tăng tốc Day-0 được duy trì bởi dự án ModelTC.

• Phần cứng không phải NVIDIA — một lộ trình AMD Radeon qua ROCm, PyTorch và Diffusers, cùng một tuyến FlagOS trải khắp tám nền tảng chip nhờ các image và trọng số dựng sẵn được công bố trên ModelScope.

Một phụ kiện thực chất là một phần của bản cài đặt nếu bạn quan tâm đến chất lượng đầu ra: bản phát hành này đi kèm hai checkpoint viết lại prompt, Qwen-Image-2.1-PE-T2I và Qwen-Image-2.1-PE-I2I, cả hai đều là mô hình Qwen3.5-VL 9B được tinh chỉnh, với mã viết lại và prompt hệ thống được công bố trong kho lưu trữ. Nhà cung cấp khuyến nghị viết lại các prompt ngắn thành prompt chi tiết thay vì gọi trực tiếp mô hình hình ảnh.

Nếu bạn hoàn toàn không muốn giữ một ngăn xếp 33 GB trong bộ nhớ, thì các endpoint Model Studio Pro và Turbo chính là tuyến được phục vụ, đã hoạt động từ ngày 9 tháng 10 năm 2026. Chúng tôi không công bố mức giá theo từng ảnh cho chúng, vì các ghi chú ra mắt công khai mà chúng tôi có thể đọc được không công bố mức giá đó.

Điều này đưa bạn đến đâu

Nói thẳng ra, vì đó chính là sự thật quyết định phần lớn các đánh giá: OrcaRouter không định tuyến Qwen-Image 2.1 hay bất kỳ mô hình Qwen-Image nào. Chúng tôi đã kiểm tra danh sách mô hình trực tiếp của mình vào ngày 13 tháng 10 năm 2026 và nó không có trong đó. Nếu trọng số mở là điều đã thuyết phục bạn, thì các tuyến đường là bản tự tải về tự lưu trữ hoặc API do chính nhà cung cấp vận hành — không phải chúng tôi.

Điều chúng ta thực sự có là hình dạng tổng quát của vấn đề mà mô hình này tạo ra cho một nhóm muốn thử nó. Qwen-Image 2.1 gây khó xử theo một cách rất cụ thể: thực sự có năng lực theo các thông số kỹ thuật đã công bố, thực sự bị giấy phép hạn chế đối với mọi mục đích thương mại, và đủ nặng để việc tự host là cả một dự án chứ không phải chuyện một buổi chiều. Đó là lý do để không đưa nó vào lộ trình production ngay từ ngày đầu tiên. OrcaRouter đưa hơn 200 mô hình ra phía sau một endpoint tương thích OpenAI với giá niêm yết của nhà cung cấp, không tính thêm phí, cùng khả năng tự động chuyển đổi dự phòng giữa các nhà cung cấp và một DSL định tuyến cho phép bạn kết hợp nhiều mô hình vào một lời gọi duy nhất, để một checkpoint có giấy phép nghiên cứu mà bạn vẫn đang đánh giá có thể đứng cạnh một mô hình bạn đã tin dùng thay vì thay thế nó. Model fusion đẩy ý tưởng đó xa hơn, cho phép một nhóm mô hình cùng trả lời một prompt để việc so sánh diễn ra trên chính dữ liệu đầu vào của bạn thay vì trên thư viện ví dụ của nhà cung cấp.

Ba người đọc, ba câu trả lời khác nhau. Nếu bạn đang xây dựng cho mục đích thương mại, giấy phép là toàn bộ quyết định và nó nói không nếu không đàm phán — hãy bắt đầu cuộc trao đổi đó hoặc chọn một checkpoint Apache-2.0 từ cùng họ. Nếu bạn đang nghiên cứu, tinh chỉnh hoặc cần tài nguyên minh bạch và hơn ba hình ảnh tham chiếu, đây là mô hình mà phần còn lại của tầng mở hiện đang được lấy làm thước đo, và hỗ trợ runtime ngay ngày đầu nghĩa là công việc tích hợp không nhiều. Nếu bạn cần hình ảnh sản xuất thiên về văn bản và không muốn tự vận hành bất cứ thứ gì, Qwen-Image 3.0 đóng và endpoint Pro được lưu trữ là câu trả lời của chính nhà cung cấp cho điều đó, còn việc phân loại chính xác khả năng kết xuất văn bản của mô hình này đã tiến xa đến đâu vẫn là một câu hỏi mở mà không có con số công bố nào đằng sau.