通义千问发布 Qwen-Image-2.1：7B 单检查点兼顾图像生成与编辑

通义千问发布 Qwen-Image-2.1，这是一个 7B 参数的原生图像生成与编辑模型。其特点在于图像生成和编辑共用单一检查点，最多支持 10 张参考图，并自带提示词增强 LLM。该模型已集成 diffusers 与 ComfyUI，同时在 Hugging Face Spaces 提供免安装的浏览器在线 demo。

此前图像生成与编辑通常需要分别部署模型或检查点，Qwen-Image-2.1 将两类能力合并到 7B 单检查点中，并支持最多 10 张参考图，意味着生成与编辑可以在同一模型内完成，模型部署和调用链路可能因此简化。

单一检查点同时承担生成与编辑，说明模型以原生多任务方式学习两类目标，而非外挂独立编辑模块；自带提示词增强 LLM 可在模型侧改写用户输入，降低提示词质量对结果的影响；集成 diffusers 与 ComfyUI 则接入既有推理与工作流生态，减少迁移成本。

对产品与研发而言，可用一个 7B 模型覆盖生成和编辑两类需求，减少模型切换与维护成本；ComfyUI 与 diffusers 集成降低接入门槛，在线 demo 便于快速验证效果；最多 10 张参考图有助于多图参考类编辑与生成场景。

• 基于 Qwen-Image-2.1 的单检查点能力，构建同时提供生成与编辑的一体化图像工具，减少后台模型数量。
• 在 ComfyUI 中封装面向电商或素材生产的多参考图编辑工作流，突出最多 10 张参考图能力。
• 利用其自带提示词增强 LLM，开发面向非专业用户的低门槛提示词输入界面或插件。

• 单检查点下生成与编辑的质量分别处于什么水平，是否有公开评测数据？
• 7B 模型的推理显存与延迟表现如何，是否适合消费级显卡部署？
• 最多支持 10 张参考图时的具体输入形式与一致性表现尚未说明。
• 模型的开源许可与商用限制在证据中未提及。