Qwen-Image 2.1 vs Qwen-Image 3.0：数字更低的才是更新的模型

先说最容易把人绕晕的那件事。Qwen-Image 2.1比Qwen-Image 3.0更新。厂商于 2026 年 7 月 21 日发布 Qwen-Image 3.0，并在 8 月 5 日将其推向正式可用。它于 2026 年 9 月 20 日发布 Qwen-Image 2.1——晚了七周，版本号却更低。这个编号并不是一条序列，而是共享同一个名字的两条不同产品线，而关于这两者最有用的一个事实是：在决定你能否在其之上构建的那个问题上，它们站在截然相反的立场。Qwen-Image 3.0 是闭源且托管的，没有权重、没有许可证，也没有技术报告。Qwen-Image 2.1 则是开放权重，今天就能下载，采用的是仅允许非商业用途的研究许可证。

两款恰好同名的产品

Qwen-Image 系列在十四个月里已经采取了三种截然不同的许可立场，把它们梳理清楚就能消除大部分困惑：

• Qwen-Image 1.0 与 2.0 — 在 Hugging Face 和 ModelScope 上以 Apache 2.0 协议开放权重，发布当日即发布技术报告，可自托管、可微调、可量化。

• Qwen-Image 3.0 —— 闭源。无权重、未声明许可证、无模型卡、无技术报告、无已发布的基准测试表。仅能通过托管 API 访问，提供 Pro 和 Standard 两个版本。

• Qwen-Image 2.1——再次开放权重，但依据的是 2026 年 9 月 20 日签署的《Qwen 研究许可协议》，该协议授予的权利“仅限非商业用途”，商业使用则须另行协商许可。

把这理解为一种模式而非时间线，其轮廓便清晰可辨：阿里巴巴不再把“开放”当作二元选项。Qwen-Image 2.1 既不是 1.0 和 2.0 那样宽松的发布，也不是 3.0 那样的闭源发布。它是第三种立场——权重可供检查、运行和修改，但在前端加装了一道商业闸门。

每个模型到底是什么

• Qwen-Image 2.1—— 一个统一的文生图生成与图像编辑模型，其视觉生成组件拥有 7B 参数，采用 32 层单流 DiT 架构。与之搭配的是一个 Qwen3-VL 8B 文本编码器，以及一个在 16 倍空间压缩下的 64 通道 RGBA VAE；完整下载约 33 GB，其中文本编码器占了一半以上。采用块因果注意力：文本使用 token 级因果掩码，图像生成使用 chunk 级双向掩码，并针对多图编辑复用前缀 KV 缓存。原生支持 2K，默认 2048×2048、40 步，提供七种宽高比预设。

• Qwen-Image 3.0 —— 一款闭源托管模型，提供 Pro 和 Standard 版本，通过单一 API 实现图像生成与编辑。阿里巴巴的发布资料宣称提示词最长可达约 4,500 个 token，小至约 10 像素的文字仍清晰可辨，覆盖 12 种语言、20 多种字体，输出最高 2048×2048，每次调用最多生成六张图像。官方未公布参数量；广为流传的约 20B MMDiT 这一数字只是报道，并未得到证实。

实践中最重要的架构差异不是规模——而是模型在哪里运行，以及你能对它做什么。Qwen-Image 2.1 以文件形式发布，你可以检查、量化、在私有数据上微调，并在自己的硬件上运行；早在权重发布的三天前，SGLang 支持的拉取请求就已合并。Qwen-Image 3.0 则以端点形式提供。你无法量化它，无法微调它，也无法在阿里巴巴运行它的地方之外的任何地方运行它。

编辑恰恰是二者分歧最悬殊之处

两个模型都在同一个系统内完成生成和编辑，因此真正有趣的对比在于编辑功能的具体细节——而在这方面，从纸面上看，更新、更小的那个模型反而是能力更强的那个。

• 参考图像 — Qwen-Image 2.1 最多接受 10 张输入参考图。Qwen-Image 3.0 的 Pro 文档称支持 1–3 张输入图像。

• 局部编辑控制 — Qwen-Image 2.1 支持圈选、涂抹标注，以及作为独立输入提供的单独蒙版，因此原始图像保持无标记。Qwen-Image 3.0 已记录的编辑路径涵盖局部改写、内容扩展、风格迁移和多机位视角生成，但未公布基于蒙版的工作流。

• 透明度 — Qwen-Image 2.1 原生支持生成和编辑 RGBA 图像，可编辑透明图层内的文字，并能将 RGB 照片中的主体提取到透明图层中。Qwen-Image 3.0 的发布公告未提及任何透明度相关能力。

• 提示词改写 —— Qwen-Image 2.1 提供了两个专门的改写检查点，均为微调后的 Qwen3.5-VL 9B 模型，一个用于文生图，一个用于图像编辑，其改写代码与系统提示词均已公开。而 Qwen-Image 3.0 的提示词处理则是藏在 API 背后的黑盒。

• 生态系统 — Qwen-Image 2.1 在 Diffusers、ComfyUI、vLLM-Omni、SGLang 和 LightX2V 中提供首日支持，并支持 AMD ROCm 和 FlagOS 路径。Qwen-Image 3.0 提供 API。

最后那句话并非修辞上的夸张。对于一个流水线运行在 ComfyUI 中，或推理栈采用 vLLM 的团队来说，一个带有已合并 pipeline 类的模型与一个带有 HTTP 端点的模型之间的差别，就是集成任务与重写之间的差别。

价格，以及价格无法捕捉的东西

Qwen-Image 3.0 是两者中唯一公布了价格的：在该厂商的云平台上，Pro 约为每张图像 $0.04，Standard 约为 $0.03，国内消费者定价则从约 ¥0.18 起。这些都是发布时的数字，尚未经过独立审计。Qwen-Image 2.1 则完全没有公布托管费率——它是一款可下载的模型，成本取决于你自己的 GPU 时间花费。

这两条价格线不可相提并论，而假装它们可以相提并论，是这种对比中最常见的错误。按图像计费的价格涵盖了模型、服务基础设施、扩展能力以及别人的正常运行时间。权重下载则这些都不包含。正确的问题不是哪个数字更小；而是你是否有运营能力来运行一套 33 GB 的模型栈，以及便宜那一侧的许可证是否允许你计划用它做的事情。

这就把许可证问题重新拉回到比较的中心，而这本就该是它所在的位置。Qwen-Image 3.0 的条款并未公布，这对受监管行业或代理机构的工作而言本身就是个麻烦——没有任何文件可供引用。Qwen-Image 2.1 的条款是已公布的，而且写明是非商业用途。在含糊不清的许可证与明确受限的许可证之间，明确受限的那一个更容易提前规划，因为至少你知道该展开什么样的对话。

你应该选择哪一个

• 你需要大量含文字的生产级图像，并且希望由别人来运行——Qwen-Image 3.0 正合适，但需注意：它标榜的文字渲染数据属于厂商宣称，而现有的独立测试表明，小字号文字在某些情况下仍会出现乱码。

• 你需要自行运行模型、对它进行微调，或者把数据留在自己的硬件上——两者之中只有 Qwen-Image 2.1 能做到，而研究许可证就是入场代价。

• 你需要透明素材、产品抠图，或超过三张参考图——按照已公布的规格，Qwen-Image 2.1 是更强大的工具，而且在参考图数量上毫无悬念。

• 你需要商业权利和宽松的许可 —— 而你的模型这两者都不具备。Qwen-Image 3.0 完全没有公开条款，Qwen-Image 2.1 则需要协商商业许可。该系列中以 Apache-2.0 发布的版本是较早的 Qwen-Image 1.0 和 2.0。

最后一行值得仔细琢磨，因为它描述的是一个正在缩小的集合。已经授予的许可证不会追溯性地改变，因此 Apache-2.0 Qwen-Image 的发布版本仍可按其原始条款使用。但如果你正围绕最新 Qwen-Image 将采用宽松许可证这一假设来规划商业图像流水线，那么最近三个发布版本就是反对该假设的证据。

运行其中任何一个，而不把整个流水线押在它上面

这两个模型出于不同原因，如今都很难被放到生产路径之后——一个是因为许可证，另一个是因为黑箱和未公开的参数量。而这正是路由层所要应对的情形。OrcaRouter 用一个兼容 OpenAI 的端点来承载 200 多个模型，按提供商标价、零加价，并支持跨提供商自动故障转移，以及一种路由 DSL，让你能把多个模型组合成一次调用，这样新的或难处理的模型就能与经过验证的模型并排放置，而不是挡在它前面。模型融合把同样的思路推进得更远：让一组模型共同运行，并让你根据自己的提示词来比较它们，而不是依据发布图表。

Qwen-Image 2.1 和 Qwen-Image 3.0 都不在我们目前路由的模型之列，本文也不会暗示相反的情况。我们确实在路由的图像模型——OpenAI 的 GPT-Image 系列、Google 的 Imagen 4 各档位与 Gemini 图像预览版，以及 xAI 的 Grok Imagine 图像端点——才是你在按自己的标准评估 Qwen 这两款模型期间，真正可用于构建故障转移路径的组成部分。

值得关注的范围比看上去更窄。Alibaba 现在已经证明，它会在同一季度内、同一系列中发布开放权重、闭源托管模型和研究许可下载。下一次发布不会告诉你哪种模式胜出。许可证文件才会。