阿里 70 億參數圖像模型Qwen-Image-2. 1 開源發佈，號稱以瘦身之軀叫板閉源巨頭
AI資訊AI新閒資訊正文阿里 70 億參數圖像模型Qwen-Image-2.1 開源發佈，號稱以瘦身之軀叫板閉源巨頭發布於AI新閒資訊時間 :Sep 21, 2026閱讀 :1分鐘阿里通義千問團隊近日端出了一道讓開源社區眼前一亮的菜:開放權重的圖像生成與編輯模型Qwen-Image-2.1正式登場。最讓人意外的是它的身板——視覺生成組件僅用70億參數，卻在自家的評測基準上壓過了市面上絕大多數閉源模型。團隊放話底氣十足，不過第三方獨立評測尚在趕來的路上，這份成績單還需時間檢驗。更接地氣的是，它不挑設備，一塊像RTX3090這樣的主流消費級顯卡就能托起它跑起來。Qwen-Image-2.
1最拿手的一招是"合併同類項"。官方展示的合照裡，每張面孔都來自不同人物的單獨照片，模型像一位耐心的拼圖師，把它們自然縫合成一張群像。這背後是它對透明圖像的原生支持——生成的不是普通RGB圖，而是帶透明通道的RGBA格式，用戶於是可以把物體單獨摳出來，也能直接在透明圖層上改寫文字，排版和後期都省了事。參考圖的處理能力同樣誇張。一次最多吞下十張參考圖，群像合成、虛擬試穿、房間設計都在這套框架裡跑通。想局部修改也不必重畫整張圖，畫個圈、塗個遮罩、隨手點幾下做標記，模型就明白該動哪一塊。團隊透露，架構層面的改動加上KV緩存複用，讓推理速度明顯提升，尤其當參考圖數量一多，提速感受更明顯。
門檻也放得很低。模型已在Hugging Face、GitHub和魔搭社區（ModelScope）同步上線，還配了個在線Demo供人把玩。唯一需要注意的是授權:它掛的是研究許可，明確禁止商用，企業用戶若想落地，得另外向千問團隊單獨申請商業授權。換句話說，個人把玩與學術探索敞開大門，真要賺錢做生意，還得先過授權這一關。相關推薦通義千問開源 Qwen-Image-2.1:7B 參數實現文生圖與圖像編輯一體化9月21日，通義千問團隊開源新一代圖像模型Qwen-Image-2.1。該模型以僅7B參數的輕量視覺生成模塊，統一文生圖、透明圖像生成與多種圖像編輯能力，實現生成效果、推理效率與使用成本的新平衡。
其視覺生成採用32層Single-Stream DiT結構，藉助混合粒度注意力與KV Cache複用機制，優化多圖輸入場景下的效率與表現。Sep 21, 2026144.2k阿里通義千問發佈 Qwen-Image-3.0-Pro：文生圖 Arena 中國第一，10px 級文字渲染單張 4 美分起通義千問發佈Qwen-Image-3.0 Pro與Standard模型，在Arena文生圖榜單位居中國模型第一、主流第二。支持4.5k-token長提示、10px級精細文字渲染及12種語言，Pro版起價0.04美元/張。核心亮點是首次將生成與編輯融合進單一架構，實現多能力統一。
Aug 5, 2026585.5k微軟自研雙模型MAI-Image-2.5-Pro與MAI-Voice-2-Flash發佈：不蒸餾第三方，已落地Bing和PowerPoint微軟發佈兩款自研AI模型：高精度圖像模型MAI-Image-2.5-Pro，GPU成本最高降84%；語音模型MAI-Voice-2-Flash，專攻高併發交互。訓練數據清潔可追溯，不依賴第三方模型蒸餾，從設計之初即面向微軟產品用戶。Jul 24, 2026216.4k阿里發佈Qwen-Image-3.0，支持4.5K Token超長輸入與複雜圖文生成阿里發佈Qwen-Image-3.0圖像生成基礎模型，支持最長4.
5K Token文本輸入，可一次性生成公式、幾何圖形、邏輯推導及多層UI等複雜內容，原生兼容12種語言和20餘款字體渲染，文本長度較上代提升4.5倍，大幅強化影視分鏡、知識圖解等商業級圖文創作能力。Jul 21, 2026318.4k首包延遲300ms、支持20種方言:通義千問Qwen-Audio-3.0-TTS正式開放阿里通義千問發佈新一代實時語音合成模型Qwen-Audio-3.0-TTS，實現從“能說話”到“會表達”的跨越。Plus版本在Artificial Analysis Speech Arena排名全球第一，超越Gemini3.1TTS等主流模型。
雙版本中Flash版主打低延遲實時交互（首包約300ms），Plus版專攻高質量自然度與音色還原。Jul 20, 2026309.2k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
AI能救電視臺嗎？
AI能救電視臺嗎？虛眸2026.09.21 13:39 · 來自北京全文3888字00:00 / 11:54不是彎道超車，是救命稻草。文 | 虛眸在AI的潮流面前，電視臺也不想被落下。 9月17日，《後西遊記》原班人馬製作的AIGC紀錄片《臺灣島紀》在湖南衛視、芒果TV播出，加上即將在國慶期間上線的《後西遊記》“戰天宮篇”，不到一個月時間裡，湖南廣電緊鑼密鼓發佈了三部AI長篇敘事的作品。嚐鮮AI內容的不止湖南衛視，包括江蘇、浙江、安徽、廣東等還保持著一定號召力的地方衛視，都將AI內容納入了電視臺供給庫中。這選擇不難理解，畢竟多數電視臺都錯過了移動互聯網的風口，而AI對內容製作的顛覆性，似乎比當年的互聯網還要大。大多數電視臺如今資金緊縮、內容供給短缺，需要作品填充7x24小時不斷供的時長，而AI“把影視劇的價格打了下來”，當然是必須抓住的機會。湖南衛視的《後西遊記》反響已經足夠強烈，但對於多數電視臺而言，這種模式是否具備參考和借鑑意義？答案可能並不如想象的樂觀。內容製作的競爭裡，落下一程，便是群山萬重，沒有彎道超車。地方電視臺的“內容荒” AI內容進入地方衛視，是誰在需要誰？就AI影視劇的處境、地方衛視的國有屬性而言，直觀的答案是，前者需要後者。 儘管AI內容此前已經在網播平臺驗證了自己的號召力，不論是紅果、抖音上的AI短劇、短片，還是愛奇藝、騰訊視頻播出的AI長片、中劇，都在實質層面獲得了大量觀眾接納，但是這種價值驗證停留在民間的市場化行為層面，進入電視臺，才是行業合法性、合規性的蓋章認可。它向行業傳達的信息是，AI影視尚在藍海階段，將得到潛在的政策紅利的長線扶持，這正是《後西遊記》在股市激起如此大反響的最重要原因之一。 然而，脫離宏觀的產業前景來看，就眼前而言，電視臺對AI內容的需求恐怕更為強烈、更緊迫。因為AI內容的主要播出渠道不是電視臺，上星、上黃金時段的需求是階段性
阿里 70 億參數圖像模型Qwen-Image-2. 1 開源發佈，號稱以瘦身之軀叫板閉源巨頭
最讓人意外的是它的身板——視覺生成組件僅用70億參數，卻在自家的評測基準上壓過了市面上絕大多數閉源模型。團隊放話底氣十足，不過第三方獨立評測尚在趕來的路上，這份成績單還需時間檢驗。更接地氣的是，它不挑設備，一塊像RTX3090這樣的主流消費級顯卡就能托起它跑起來。
開源Top2！實測階躍Step 5 Preview，真有點猛啊…
。 昨天，階躍星辰毫無預兆地端出了最新一代旗艦基座模型——Step 5 Preview。 MoE架構，600B總參數、激活參數僅27B，1M上下文。 Agent能力大幅提升，在Artificial Analysis的最新評測中，Step 5 Preview取得44分，直接衝到全球開源Top 2。 要知道，其他拿到這一分數的大模型，大多都是萬億參數級別。
最火啞巴模型Jev加上微信，直接治好了我的低情商
字母AI2026.09.21 11:44 · 來自北京全文3770字00:00 / 10:28Jev微信插件爆火，根據對方消息直接揣測對方想法。文 | 字母AI谷歌的啞巴模型Jev突然爆火。它不聊天，不寫代碼，不寫文案，也不解釋，你問它什麼，它一個字都不生成。它只做一件事——判斷。發佈沒幾天，從Hacker News，再到中文技術社區，幾乎所有人都在討論它。但大家討論的不是它有多聰明，而是它有多反常。誠然，一個不會說話的模型能火，這事本身就已經夠反常的了。大家最先討論的，是它的落地場景。
快手把直播字幕延遲砍到 500 毫秒內：自研端到端工程範式，把電商直播的字幕打成"實時"
最直接的數字是:主播發聲到字幕具備展示條件的端到端延遲，從過去的1.5到2秒壓到了400到500毫秒，字符錯誤率（CER）從7.81% 降到3.51%，背後還要撐住千萬級的持續併發——這在以高併發、強實時著稱的電商直播場景裡，第一次有了一套成體系的工程打法。
特斯拉得州超級工廠鋼結構接近完工，Optimus產線建設加速
X平臺博主Joe Tegtmeyer近期通過無人機拍攝顯示，工廠主體鋼結構已接近建築北側邊緣，距離北側外圍梁約剩5個柱網;廠房上方三層結構正在進行混凝土澆築，其他區域也在持續進行澆築準備工作。Tegtmeyer認為，特斯拉得州Optimus工廠規劃年產能達1000萬臺，預計生產工作將在2027年晚些時候啟動。