Qwen-Image-2.1 so với Bernini-Diffusers-v2: Giấy phép là toàn bộ vấn đề.

Hai hệ thống hình ảnh trọng số mở ra mắt cách nhau sáu tuần trong năm 2026 gần như chẳng gây chú ý, và chúng bất đồng về đúng một điều quyết định liệu bạn có thể xây dựng doanh nghiệp dựa trên chúng hay không. Qwen-Image-2.1, công bố ngày 20 tháng 9 năm 2026, phát hành theo giấy phép nghiên cứu — chỉ dùng cho phi thương mại, muốn dùng thương mại thì phải thỏa thuận riêng. Bernini-Diffusers-v2, do ByteDance công bố ngày 13 tháng 8 năm 2026, phát hành theo Apache 2.0, nghĩa là bạn có thể phát hành nó. Bản trông có vẻ mạnh mẽ hơn lại chính là bản bạn không thể bán, còn bản cởi mở hơn lại là bản chủ yếu chỉ muốn làm video. Chính sự đảo ngược đó là phép so sánh.

Sự đảo ngược giấy phép

Hãy bắt đầu với giấy tờ, vì nó quan trọng hơn mọi thứ khác trên trang này. Không một khoảng cách chất lượng nào có thể khỏa lấp được vấn đề cấp phép, và không một điểm benchmark nào cứu nổi một sản phẩm buộc phải thu hồi.

• Giấy phép — Qwen-Image-2.1 là Thỏa thuận Giấy phép Nghiên cứu Qwen, ngày 20 tháng 9 năm 2026, "CHỈ DÀNH CHO MỤC ĐÍCH PHI THƯƠNG MẠI", quyền thương mại chỉ có được khi có yêu cầu; Bernini-Diffusers-v2 là Apache 2.0.
• Hệ quả thực tế — quy trình Qwen-Image-2.1 là tài sản để đánh giá hoặc tài sản cá nhân; quy trình Bernini-Diffusers-v2 có thể phát hành ngay hôm nay, với các yêu cầu ghi công Apache thông thường và không cần trao đổi với nhà cung cấp.
• Xu hướng phát triển — dòng sản phẩm hình ảnh trước đây của Qwen được phát hành theo Apache 2.0, nên bản phát hành này là một bước thắt chặt; ByteDance đã giữ Bernini ở dạng cấp phép thoáng qua cả hai thế hệ.

Nếu bạn chỉ đọc một phần duy nhất của bài viết này, thì đó chính là phần đó. Mọi thứ bên dưới chỉ là màn phân định thắng thua giữa hai thứ thực ra không hề ngang bằng nhau trên khía cạnh này.

Mỗi hệ thống thực sự là gì

Hai mô hình không phải là cùng một loại đối tượng, và sự khác biệt thể hiện ngay khi bạn nhìn vào những gì có trong gói tải xuống.

Qwen-Image-2.1 là một mô hình hợp nhất duy nhất. Một transformer khuếch tán đơn luồng 7B, 32 lớp xử lý việc tạo và chỉnh sửa bằng cùng một bộ trọng số, được điều kiện hóa bởi bộ mã hóa văn bản Qwen3-VL 8B, với VAE RGBA 64 kênh có mức nén không gian 16× đảm nhiệm phần xử lý nặng nhọc về độ trong suốt. Tổng cộng khoảng 33 GB, trong đó bản thân DiT chiếm khoảng 14 GB và bộ mã hóa văn bản chiếm phần còn lại. Nó cũng đi kèm hai checkpoint viết lại prompt tùy chọn — PE-T2I và PE-I2I, mỗi cái là một Qwen3.5-VL 9B được tinh chỉnh, khoảng 18.8 GB — chúng viết lại chỉ dẫn của bạn thành nội dung chính xác trước khi mô hình khuếch tán nhìn thấy nó.

Bernini-Diffusers-v2 là một pipeline, không phải một mô hình đơn lẻ. Một bộ lập kế hoạch ngữ nghĩa Qwen2.5-VL đảm nhận phần suy luận và viết ra một kế hoạch ngữ nghĩa tiềm ẩn; một bộ kết xuất khuếch tán Wan2.2 thực thi kế hoạch đó. Thay đổi đáng chú ý nhất của công thức v2 so với bản phát hành Bernini đầu tiên là nó khởi động nóng bộ kết nối qua hàng nghìn bước trước khi đồng huấn luyện, và chính điều đó đã cải thiện hành vi chỉnh sửa video có hướng dẫn tham chiếu cũng như OpenS2V. Cách tách hai giai đoạn ấy chính là canh bạc về kiến trúc: lập kế hoạch trước, kết xuất sau, và bạn có thể chỉnh sửa video bằng cách chỉnh sửa kế hoạch.

• Kiến trúc — Qwen-Image-2.1 là một DiT thống nhất cho việc tạo sinh và chỉnh sửa; Bernini-Diffusers-v2 là một bộ lập kế hoạch Qwen2.5-VL điều khiển một bộ kết xuất Wan2.2.
• Phương thức — Qwen-Image-2.1 chỉ dành cho hình ảnh; Bernini-Diffusers-v2 bao gồm t2i, i2i, t2v, v2v, chỉnh sửa video dẫn hướng bằng tham chiếu và r2v, vì vậy hình ảnh chỉ là một căn phòng phụ chứ không phải cả ngôi nhà.
• Tính minh bạch — Qwen-Image-2.1 tạo alpha ngay từ bộ lấy mẫu thông qua VAE RGBA của nó; đầu ra được ghi nhận của Bernini-Diffusers-v2 là video RGB và các khung hình ảnh, không có đường alpha gốc tương đương nào được mô tả.
• Xử lý prompt — Qwen-Image-2.1 cung cấp các checkpoint rewriter 9B riêng biệt mà bạn có thể đọc, so sánh khác biệt và ghi đè; bộ lập kế hoạch của Bernini-Diffusers-v2 là một phần của pipeline và trình tăng cường prompt của nó là một lệnh gọi endpoint tương thích OpenAI tùy chọn thay vì một checkpoint được phát hành.
• Phần cứng — Qwen-Image-2.1 vừa với một GPU tiêu dùng, với khuyến nghị offload lên CPU trên các card bị hạn chế; môi trường được ghi nhận của Bernini-Diffusers-v2 là cấp Hopper, H100/H800/H200, với song song chuỗi đa GPU cho các cấu hình lớn hơn.

Khi sự so sánh không còn hữu ích nữa

Thật dễ khiến người ta muốn chấm điểm hai thứ này với nhau dựa trên chất lượng đầu ra. Sự so sánh đó không hề tồn tại, và giả vờ như nó có thì sẽ là một nước đi không trung thực.

Các con số được công bố của Bernini-Diffusers-v2 là các chỉ số video và chỉnh sửa do nhà cung cấp báo cáo — EditVerse 8.02, OpenVE 3.96, OpenS2V 63.83, VBench 84.46 — cùng với tuyên bố đạt hiệu năng hàng đầu trong đấu trường so sánh cặp đôi người thật mù nội bộ của ByteDance. Chúng là các chỉ số video. Chưa có đánh giá hình ảnh độc lập nào về Bernini-Diffusers-v2 được thực hiện, không có FID, không có điểm kết xuất văn bản, không có mục nào trên bảng xếp hạng hình ảnh. Ở phía ngược lại, con số chất lượng duy nhất của Qwen-Image-2.1 là biểu đồ Qwen-Image-Bench của chính nhà cung cấp, trong đó nó đạt 60.28 so với Nano Banana 2.0 ở 59.82 và GPT Image 1.5 ở 59.65 — tài liệu của nhà cung cấp, chưa được tái lập, và mô hình này vắng mặt trên các bảng xếp hạng hình ảnh độc lập vào thời điểm bài viết này được viết. Điểm dữ liệu thực sự độc lập duy nhất là một xác minh chức năng từ công việc tích hợp SGLang: đầu ra PNG trong suốt đã đạt, alpha được giữ nguyên trên toàn bộ dải 0–255, RGBA PSNR đo được 60.69 dB trong một mẫu đơn lẻ, và các cấu hình FP8 đã vượt qua việc tạo PNG trong suốt. Các tác giả SGLang nói rõ rằng đây là một kiểm tra tính đúng đắn, không phải một bảo đảm chất lượng.

Vậy thì: hai bản phát hành mở, hai bảng điểm của nhà cung cấp, không có benchmark chung, và không có bên thứ ba nào đã chạy thử cả hai. Bất cứ ai nói với bạn rằng cái này hơn cái kia về chất lượng hình ảnh thì chỉ đang lặp lại lời tiếp thị mà thôi.

Triết lý chỉnh sửa: viết lại lời nhắc, hay viết lại kế hoạch

Cả hai mô hình đều đang cố gắng giải quyết cùng một vấn đề cốt lõi — chỉ dẫn của người dùng thì mơ hồ, còn mô hình khuếch tán thì hiểu theo nghĩa đen — và chúng giải quyết vấn đề đó ở hai phía đối lập nhau.

Qwen-Image-2.1 giải quyết điều đó bằng ngôn ngữ. Checkpoint PE-I2I nhận hướng dẫn chỉnh sửa của bạn cùng một hoặc nhiều ảnh đầu vào và viết lại nó thành một chỉ thị chính xác trước khi sinh. Bởi vì đây là một checkpoint đã phát hành đi kèm một system_prompt.txt đã phát hành, bạn có thể đọc chính xác những gì nó được yêu cầu làm — kể cả quy tắc rằng văn bản hiển thị trong đầu ra phải khớp với ngôn ngữ chiếm ưu thế của văn bản đã có trong ảnh đầu vào, thay vì bị ép buộc sang tiếng Anh. Đó là hành vi có thể kiểm tra được. Bạn có thể ghi đè nó.

Bernini-Diffusers-v2 giải quyết điều đó ở tầng cấu trúc. Bộ lập kế hoạch tạo ra một kế hoạch ngữ nghĩa mà bộ kết xuất sau đó thực thi, và đặc tính thú vị của cách bố trí đó là kế hoạch chính là thứ bạn có thể chỉnh sửa. Với công việc video — nơi toàn bộ mục đích thường là thay đổi một yếu tố xuyên suốt một chuỗi mà không cần tạo lại cảnh quay — thì việc lập kế hoạch tách biệt khỏi kết xuất là hình thái phù hợp. Còn với một ảnh tĩnh đơn lẻ, nó lại là thêm một bộ phận chuyển động.

• Độ chi tiết khi chỉnh sửa — Qwen-Image-2.1 hỗ trợ chỉnh sửa cục bộ bằng cách khoanh tròn, chú thích tô vẽ hoặc mặt nạ riêng, cùng với chỉnh sửa lớp trong suốt và tách chủ thể từ ảnh chụp RGB; các thế mạnh chỉnh sửa được tài liệu hóa của Bernini-Diffusers-v2 là chỉnh sửa video dẫn hướng bằng tham chiếu và chuyển chủ thể thành video, chứ không phải sửa chữa cục bộ ảnh tĩnh.
• Đầu vào tham chiếu — Qwen-Image-2.1 chấp nhận tối đa 10 ảnh tham chiếu, dù một người đánh giá bản truy cập sớm báo cáo rằng tính nhất quán đa tham chiếu suy giảm từ khoảng ba ảnh trở đi; việc xử lý tham chiếu của Bernini-Diffusers-v2 được tài liệu hóa xoay quanh các chuỗi video.
• Khả năng kiểm tra — Logic viết lại của Qwen-Image-2.1 là một system prompt có thể đọc được trong repository; giai đoạn lập kế hoạch của Bernini-Diffusers-v2 là trọng số mô hình.

Thực sự thì nên làm gì với cái này

Quy tắc quyết định xuất phát từ giấy phép chứ không phải từ bảng thông số kỹ thuật.

Nếu đầu ra sẽ đi vào một thứ mà bạn bán — công việc cho khách hàng, một sản phẩm, một pipeline trả phí — thì Bernini-Diffusers-v2 là lựa chọn duy nhất trong hai lựa chọn này mà bạn có thể dùng mà không cần trao đổi trước, và bạn nên dự trù ngân sách cho phần cứng cấp Hopper để chạy nó như tài liệu hướng dẫn. Nếu bạn đang làm nghiên cứu, đánh giá hoặc công việc cá nhân, Qwen-Image-2.1 cho bạn hệ thống dễ kiểm tra hơn và là hệ thống có alpha gốc, đổi lại là giấy phép mà cuối cùng bạn sẽ phải đàm phán lại hoặc phải từ bỏ.

Còn có một lựa chọn thứ ba mà cả hai phương án trên đều không bao quát, và đáng để gọi tên thẳng thắn: các mô hình hình ảnh được lưu trữ sẵn (hosted), nơi bạn không bao giờ phải đụng đến tệp giấy phép hay GPU. OrcaRouter định tuyến hơn 200 mô hình sau một điểm cuối tương thích OpenAI duy nhất với giá niêm yết của nhà cung cấp, không đánh thêm phí, kèm khả năng chuyển đổi dự phòng tự động giữa các nhà cung cấp, một DSL định tuyến cho các chuỗi dự phòng, và tính năng hợp nhất mô hình. Ở thời điểm viết bài, cả Qwen-Image-2.1 lẫn Bernini-Diffusers-v2 đều không có trong danh mục của chúng tôi — chúng tôi không định tuyến bất kỳ mô hình Qwen-Image nào thuộc bất kỳ phiên bản nào và cũng không có mô hình Bernini nào — nên đây không phải là bài quảng cáo cho mô hình nào trong hai mô hình đó. Dòng hình ảnh được định tuyến mà chúng tôi thực sự cung cấp là họ GPT-Image của OpenAI, các bậc Imagen 4 và bản xem trước hình ảnh Gemini của Google, cùng điểm cuối hình ảnh Grok Imagine của xAI; vì giá niêm yết được chuyển thẳng qua thay vì đánh thêm phí, nên việc nhà cung cấp giảm giá đối với bất kỳ mô hình nào trong số đó sẽ có hiệu lực ngay trong cùng ngày.

Phần mà cả hai kho đều không trả lời

Cả hai đều là những bản phát hành âm thầm, không có giai đoạn rục rịch trước đó, và những bản phát hành âm thầm thì khó lên kế hoạch dựa vào. Tín hiệu báo trước duy nhất của Qwen-Image-2.1 là một ghi chú truy cập sớm ngày 17 tháng 9, cung cấp 50 suất ModelScope với những người thử nghiệm được yêu cầu công bố trước ngày 29 tháng 9 — ba ngày trước khi các trọng số được công khai. Bernini-Diffusers-v2 chỉ đơn giản xuất hiện trên Hugging Face vào ngày 13 tháng 8, cùng một bản mirror trên Gitee đi kèm.

Điều còn thiếu ở cả hai là lý do để tin rằng các điều khoản sẽ được giữ nguyên. Qwen đã thắt chặt giấy phép của mình giữa thế hệ tạo ảnh trước và thế hệ này, đó là một dữ liệu về hướng đi. ByteDance đã giữ Bernini Apache 2.0 qua hai thế hệ, đó là một dữ liệu về hướng ngược lại. Liệu một trong hai điều đó có còn đúng cho bản phát hành tiếp theo hay không thì không thể biết được từ thời điểm này, và đó là điều cần kiểm tra trước khi bạn cam kết một pipeline chứ không phải sau đó.