Qwen-Image 2.1 与 FLUX 3：两款你无法真正使用的图像模型

Qwen-Image 2.1和FLUX 3是2026年下半年最受关注的两个图像模型发布，而这两者都无法直接拿来使用。Qwen-Image 2.1 由 Qwen-Image 团队于2026年9月20日开源，是一个70亿参数的统一生成与编辑模型，你今天下午就能下载，却不能合法地用在商业产品里。FLUX 3 由 Black Forest Labs 于2026年7月23日发布，是一个统一的多模态基础模型，其图像层级——也就是你真正会拿来比较的那部分——在发布两个月后仍然没有公开的调用端点、没有模型 ID、没有价格，也没有基准测试成绩。因此，这场比较并不是"哪个更好"，而是这两个障碍中，哪一个你能绕得过去。

两种不同的不可用

很容易把这两者都归入“尚未就绪”这一类，然后就此揭过。但那样做会掩盖唯一真正重要的决策，因为这两个障碍的形态恰恰相反。

Qwen-Image 2.1 的阻碍在于法律，而且就在一个你下载任何东西之前就能读到的文件里的一行。权重已在 Hugging Face 和 ModelScope 上，模型卡已经写好，推理代码已经发布，而且有四个不同的服务框架在发布当天或之前就已合并了支持。技术上没有任何东西阻碍你让模型跑起来。阻碍你把它投入商用的是《Qwen Research License Agreement》，日期为 2026 年 9 月 20 日，其权利授予条款允许“FOR NON-COMMERCIAL PURPOSES ONLY”（仅限非商业用途）的使用，并要求任何想要商业权利的人向供应商申请单独许可。

FLUX 3 的阻碍是实实在在的。没有可调用的图像端点，没有可传入的模型标识符，也没有可用于制定预算的价格表。BFL 自己的定价页面覆盖了 FLUX 3 Video 各档位和较旧的 FLUX.2 图像产品线；它没有覆盖 FLUX 3 图像档位，因为根本没有可定价的东西。对图像模型的访问是仅限申请，而不是一个“开始使用”按钮：BFL 自己的 FLUX 3 页面将图像档位列为“即将推出”，而带有抢先体验标签的正是 action 档位。

所以，其中一个是你能今晚运行却不能出售的模型，另一个是你能出售却不能运行的模型。哪一个对你更有用，完全取决于你站在这句话的哪一边——内部研究团队和商业产品团队应当从同样两个事实中得出相反的结论。

逐维度解读

• 状态——Qwen-Image 2.1 的权重、许可证和模型卡于 2026 年 9 月 20 日发布，供应商同日发布了博客文章。FLUX 3 于 2026 年 7 月 23 日宣布；目前仅视频层级已出货，于 2026 年 8 月 4 日全面可用。

• 今天真正可以调用的——Qwen-Image 2.1 可通过 Diffusers、ComfyUI、vLLM-Omni、SGLang 和 LightX2V 在本地运行，也可通过厂商自有 API 及多个第三方平台调用。FLUX 3 将其图像层级标注为“即将推出”，没有可调用的端点，同时提供了一个明码标价、已正式可用的视频端点。

• 架构 — Qwen-Image 2.1 在视觉生成组件中是一个拥有 70 亿参数的 32 层单流 DiT，配备 Qwen3-VL 8B 文本编码器，以及 16× 空间压缩的 64 通道 RGBA VAE。FLUX 3 是一个单一的统一流模型，在图像、视频和音频上联合训练，基于 BFL 称为 Self-Flow 的自监督流匹配方法，并与 Mimic Robotics 一同开发了动作预测层级。

• 原生透明 — Qwen-Image 2.1 可生成和编辑 RGBA 图像、编辑透明图层中的文本，并将 RGB 照片中的主体提取为透明图层，由此整合了阿里巴巴于 2025 年 12 月以 Qwen-Image-Layered 之名单独发布的能力。BFL 尚未就 FLUX 3 Image 发布任何透明性相关声明。

• 参考图像 — Qwen-Image 2.1 最多接受 10 个输入参考，并支持通过圈选、涂绘标注或单独蒙版进行局部编辑。FLUX 3 Image 尚无已发布的数值。

• 分辨率 — Qwen-Image 2.1 原生支持 2K，默认在 40 个推理步数下生成 2048×2048 的图像，并提供七种有文档记录的宽高比预设。FLUX 3 Image 的分辨率在公告中仅被描述为“广泛”，未公布任何具体信息。

• 价格——两者均未公布价格。截至撰写本文时，Qwen-Image 2.1 没有列出托管费率；FLUX 3 Image 没有价目表，因为它没有端点。FLUX 3 唯一存在的定价是视频：草稿版每秒 $0.06，高清版每秒 $0.17，全高清版每秒 $0.29。

• 许可 — Qwen Research License Agreement，仅限非商业用途，商业使用需另行申请。FLUX 3 图像层级的许可条款完全未公布。

有一种不对称值得单独占一行，因为它是这场对比中的陷阱。FLUX 3 确实公布了基准测试数据——文本生成视频的内部 Elo 为 1,135，以及在对比 Grok Imagine Video、Seedance 2.0、Gemini Omni Flash、Runway Gen-4.5 和 Luma Ray 3.2 时报告的人类偏好胜率。所有这些数字描述的都是视频层级。它们没有一个能迁移到图像生成上，而 BFL 自己也没有公布任何图像基准测试或胜率。把 FLUX 3 的视频 Elo 拿来当作 FLUX 3 图像质量的证据引用，是这场对比中最容易犯的错误。

每一方实际能拿出什么

把证据并列摆在一起，不对称性就会与上一节的情况相反。

FLUX 3 有一款已发布、已定价、正式可用的产品——只不过不是本文标题里说的那个。FLUX 3 Video 可在单次生成中制作最长 20 秒且带有同步音频的片段，支持文生视频、图生视频、视频生视频、关键帧生视频和生成式续写，并且已经在由 Canva、Burda、Magnific、Krea 和 Picsart 测试。那是一个真实部署的系统，也有一份真实的客户名单。图像层级则是尚未到来的那部分，而 BFL 最初称其会在“未来几周内”跟进的指引，如今已经过去整整两个月，却仍没有公开端点。

Qwen-Image 2.1 的情况则正好相反。它的质量宣称来自厂商自家的 Qwen-Image-Bench 对比图表，且没有第三方复现过。但东西本身就在你手里：33 GB 的权重、类似 Apache 的仓库结构，其许可证文件坦承仅限研究用途，以及一条覆盖五个框架的首日部署路径。另有一篇抢先体验的实测评测，来自一位通过 ModelScope Studio 界面试跑最终权重的测试者；他报告文生图约为 10–15 秒，编辑约为 18–23 秒，相机预设与多角色角色分配表现很强，而多参考一致性在输入约三张图片时开始下降。只有一位评测者，没有计时器，也没有公开的提示词集。方向上有参考价值，但未经正式验证。

证据的诚实总结：Qwen-Image 2.1 有一个可运行的模型，但没有独立的质量数据；FLUX 3 Image 有厂商宣称，却既没有可运行的模型，也完全没有图像数据。如果你的问题是“这些当中我该围绕哪一个来规划流水线”，今天的答案是两个都不，而且原因各不相同。

变通方法实际上在哪里

对于商业团队来说，Qwen-Image 2.1 的阻碍有一个可以提前规划的形态。许可证条款明确，商业许可证联系人已在仓库中列明，而且模型足够小——生成组件为 7B——因此在你自己的硬件上评估它的成本是以一个下午、而不是一个季度来衡量的。先评估，后谈判，与此同时让研究构建版本远离任何面向客户的路径。这是一个正常的采购问题。

FLUX 3 Image 的阻碍不是采购问题，因为根本没有什么可采购的。你可以加入早期访问队列，也可以留意端点何时出现，这就是全部可采取的行动。如果你今天需要在生产环境中使用 FLUX 系列图像生成，那么可调用的选项是较旧的 FLUX.2 以及 FLUX Pro/Dev 系列，它们有定价且可用——并且它们与本文所讨论的模型属于不同代际。

对于一个想同时测试这两个候选模型、又不愿把其中任何一个绑定到生产路径上的团队来说，这正是路由层存在的意义所在。OrcaRouter 将 200 多个模型置于一个兼容 OpenAI 的端点之后，按提供商的目录价提供、零加价，并支持跨提供商的自动故障转移，因此一个未经验证或尚未发布的模型可以和你已经信任的模型并排放在同一条路由上，而不是取代它——而且由于目录价是直接透传的，被路由模型上的任何厂商价格变动当天就会生效。在撰写本文时，Qwen-Image 2.1 和 FLUX 3 Image 都还无法通过路由调用，我们也不会假装它们可以；我们实际路由的是围绕它们的图像模型线，包括 OpenAI 的 GPT-Image 系列、Google 的 Imagen 4 各档位和 Gemini 图像预览版，以及 xAI 的 Grok Imagine 图像端点。在这两者理清自身之前，这些才是能够承载实际工作负载的模型。

还有一点特别值得关注的是 Qwen 这边。阿里巴巴以 Apache-2.0 开放权重的方式发布了 Qwen-Image 1.0 和 2.0，随后于 2026 年 7 月推出了 Qwen-Image 3.0，这是一个完全闭源的托管模型，既没有权重，也没有许可证和技术报告；接着又在 9 月以仅限研究的许可证发布了开放权重的 Qwen-Image 2.1。其发展走向并非一条直线，下一个版本的许可条款是一个真正悬而未决的问题，而不是朝任一方向都能做出的稳妥假设。

判决，姑且如此

如果你是研究人员或内部评估团队，那么目前 Qwen-Image 2.1 是两者中更有用的一个，而且优势明显——它可以下载、有文档、受框架支持，并且对其使用条款坦诚透明。如果你是商业团队，那么两者都受阻，但受阻的性质并不相同：一个是你可以开始洽谈的合同，另一个则是一个尚不存在的产品。

如果你这个月就得把图像生成功能交付上线，那这两个都不是答案，真正有用的问题是：能调用的那些模型里，哪一个离目标最近。这是一项基准测试工作，值得用你自己的提示词来做，而不是看任何人——包括厂商，也包括本文——给出的发布图表。