Qwen-Image-2.1 對上 LLaDA-Image：授權聲明已變更，而只有其中一方明說此事

當LLaDA-Image於 2026 年 9 月 4 日由螞蟻集團旗下研究實驗室 inclusionAI 發布時，對其儲存庫的解讀很直接：未宣告授權條款，因此保留所有權利。這樣的解讀如今已經過時。它的四張 Hugging Face 模型卡——LLaDA-Image、LLaDA-Image-Turbo、LLaDA-Image-FP8 與 LLaDA-Image-Turbo-FP8——如今都在 frontmatter 中宣告 apache-2.0，而且就寫在模型卡的第一行。這四個儲存庫中沒有任何一個含有 LICENSE 檔案，而該專案於 2026 年 8 月 31 日建立的 GitHub 儲存庫同樣沒有授權檔案。對比之下，Qwen-Image-2.1由阿里巴巴的 Qwen 團隊於 2026 年 9 月 20 日以開放權重發布，採用 Qwen 研究授權協議——那是一份真實的文件，載有日期，僅限非商業用途，也正是它自家儲存庫將授權標記為 other的原因。兩個開放權重圖像模型，相隔十六天，而聽起來文件較薄弱的那一個，正是宣告了寬鬆授權的那一個。關鍵完全在於它是如何宣告的。

這是紙上規格的比較，不是像素的比較。兩款模型都沒有獨立的圖像評分——LLaDA-Image 的四種變體沒有任何一種出現在 Artificial Analysis 的圖像排行榜上，而 Qwen-Image-2.1 在該處的兩列資料則帶有一則 無可用 API的註記。你今天真正能決定的，是自己被允許做什麼；而對這兩款模型中的其中一款而言，那個答案已在毫無公告的情況下改變了。

這兩個授權介面上實際寫了什麼

要讀第一手資料，而非摘要，因為兩者之間的落差才是全貌。

• Qwen-Image-2.1 — 依 2026 年 9 月 20 日之 Qwen 研究授權協議發布，授予「僅限非商業用途」，商業使用須另行向廠商申請授權。阿里巴​巴在 Hugging Face 上為該模型設立的儲存庫將授權欄位標示為 other，這個標籤是準確的：它並非 OSI 核准的授權，而該模型就此意義而言也並非開源。它仍可供下載、執行與進行基準測試。

• LLaDA-Image — Hugging Face 模型卡在其 YAML frontmatter 中宣告 license: apache-2.0。Apache 2.0 是允許商業使用的 OSI 授權條款。若 frontmatter 即為授權條款，那麼這是兩者中寬鬆許多的那一個。

• LLaDA-Image，以及其餘的文件紀錄—— 儲存庫目錄樹中沒有 LICENSE 檔案。該模型卡列出 README、model_index.json、.gitattributes 與權重目錄，沒有其他內容。該專案的 GitHub 儲存庫也沒有授權條款檔案；GitHub 本身的儲存庫 API 也回報其沒有授權條款。Apache 2.0 本身的條文要求授權條款副本必須隨散布附上，而這兩個地方都沒有副本。

因此，對 LLaDA-Image 授權狀況的誠實描述，既不是「沒有授權」，也不是「Apache 2.0」。而是：模型卡聲稱採用 Apache 2.0，而該儲存庫並未附上授權條文。這兩項事實指向同一個方向，但它們並不是同一項事實，而且只有其中一項是採購審查人員會尋找的。

為什麼這張卡片讀起來會是這樣

這張卡片本身的前言資訊就說明了一切。這個模型家族的標題是LLaDA-Image：以完全開放的訓練配方打造強大的圖像生成器，而在它列出的五項亮點中，有兩項與開放性有關：僅以圖像進行的預訓練來建立視覺先驗，以及一個統一的擴散模型，其中主幹網路與 DiT 都是在同一套框架下訓練的擴散模型。「配方」這個詞是刻意為之。這張卡片推銷的是一套可重現的流程，而不只是單一檢查點。

然後閱讀同一張卡片底部的開源計畫：

• 推論程式碼與模型權重 —— 已勾選。

• 訓練代碼 — 未勾選，標示為即將推出。

• 另一份獨立的 arXiv 報告載有該方法，其編號 2609.03796 標於卡片上。

那是一個前後一致的立場，而非不誠實的立場：現在提供權重與推論程式碼，之後再提供訓練程式碼，方法則寫在論文裡。這也正是讓一行 Apache 2.0 frontmatter 作為意圖說得通的那個脈絡——這是一個希望被解讀為完全開放的專案。意圖與缺失的授權檔案之間的落差，正是卡片 frontmatter 無法表達的那種東西。

數字說明了什麼，以及它們是由誰產生的

與 LLaDA-Image 相關的唯一一項量化主張，是一個基準測試分數，而這件事必須直截了當地說明其來源。這張模型卡報告「在 Qwen-Image-Bench 上達到 SOTA」，整體分數在英文為 53.53、中文為 53.38。這些是 inclusionAI 自家的數據，是在以另一間實驗室模型命名的基準上測得，且尚未被該實驗室以外的任何人重現。Base 模型在 50 個取樣步驟下達到這些分數；Turbo 變體則以 Twin-DMD 蒸餾，可在 2 到 4 步內執行。這兩個數字背後都沒有票數支持，也都未出現在獨立排行榜上，因為 LLaDA-Image 並不在任何獨立排行榜上。

Qwen-Image-2.1 同時登上 Artificial Analysis 的兩個排行榜——在文字生圖項目以 1,034 Elo 在 166 個模型中排名第 18，在編輯項目以 1,074 Elo 在 97 個模型中排名第 18，分別來自 5,286 次與 5,536 次盲測比較。它在這兩個排行榜上的資料列都帶有「開放權重」（Open Weights）標記，旁邊附有無提供 API的註記。這是對自架模型所做的獨立評測，而這件事比聽起來更難達成，也正是這兩個模型完全不在同一等級的唯一面向。

這實際上改變的決定

如果你先前依賴的解讀是——LLaDA-Image 未宣告任何授權條款，因此將其視為保留所有權利——那麼現在情況已經改善，而且這個改善確實足以讓你在評估與內部工作上據以行動。請保留這項但書：授權條款只出現在 YAML 中，而儲存庫裡沒有授權條文，這樣的證據比一份就放在權重旁邊的授權檔案更薄弱。如果 LLaDA-Image 要進入產品，那是該問 Ant Group 研究實驗室的問題，不是靠指著一個中繼資料標籤就能解決的事。

Qwen-Image-2.1 是反向的取捨：文件條款明確無疑，而答案就是不行。一份禁止商業用途、標明日期的研究授權，比一份含糊不清的寬鬆授權更容易據以規劃，因為沒有什麼需要解讀的空間。這也是與早先 Qwen-Image 系列的轉變，該系列以 Apache 2.0 發布，因此建立在上一代之上的團隊無法把這項假設延續下去。

這兩個模型都沒有在 OrcaRouter 上提供服務，而且在授權問題解決之前也都不會——僅限研究用途的授權，以及授權檔案不在儲存庫中，這兩點都是讓代管路徑與實驗保持分開的理由。我們確實有在前端提供的圖像模型，是 Google 的 Imagen 各級方案與 Gemini 圖像預覽、xAI 的 Grok Imagine 圖像端點，以及 OpenAI 的 GPT-Image 系列，全都在同一個相容於 OpenAI 的端點之後，供應商標價以零加成原價轉嫁，跨供應商自動容錯移轉，還有一套可將多個模型組成單次呼叫的路由 DSL。授權涵蓋範圍內的工作，就執行可下載的模型；任何會接觸到客戶的部分，就呼叫代管版本。

看什麼

有兩件事會讓這從紙上作業的比較變成模型的比較，而且這兩件事都不必等任何人宣布就能查證。

第一點是 LICENSE 檔案是否會出現在 LLaDA-Image 儲存庫中。在 frontmatter 中具名並以文字形式隨附的授權，才是 Apache 2.0 真正要求的；而在該檔案存在之前，聲明是唯一的證據。第二點是訓練程式碼是否一併發布。它是卡片上最後一個尚未勾選的欄位，也是恰好可下載的權重與標題所承諾的「完全開放的訓練配方」之間的差別。

在那之前，公正的總結是各來源所支持的那一個：LLaDA-Image 現在聲稱採用較寬鬆的授權條款，卻尚未將其載明；Qwen-Image-2.1 載明的授權條款禁止大多數團隊想做的事；而兩者之中，只有一個曾被其自家實驗室以外的人評測過。