Qwen-Image-2.1: najlepszy otwarty model do obrazów - ranking, testy na RTX 4090, licencja

👁 282 przeczytań

Qwen-Image-2.1 to otwarty model Alibaby do generowania i edycji obrazów, wydany 20 września 2026. Od 2 października jest pierwszy wśród modeli z otwartymi wagami na obu tablicach Artificial Analysis: w tekście na obraz ma 1034 punkty Elo (18. miejsce ogółem), w edycji 1074 (też 18. ogółem). Część generująca ma 7 miliardów parametrów, więc całość chodzi na jednej karcie z 24 GB pamięci - sprawdziłem na RTX 4090. Haczyk jest w licencji: Qwen Research pozwala na badania i testy, a do użycia zarobkowego potrzebujesz osobnej umowy z producentem.

Ten przewodnik zbiera wszystko, co o modelu wiem: miejsce w niezależnym rankingu, moje pomiary na domowej karcie, wyniki testów, w których wypadł słabo, i warunki licencji. Szczegóły są w osobnych tekstach, linkuję do nich w każdej sekcji.

Miejsce w rankingu Artificial Analysis

Artificial Analysis (AA) prowadzi dwie tablice obrazowe: tekst na obraz (AA-Image-T2I v2.0) i edycję obrazów (AA-Image-Editing v2.0). Mechanizm jest prosty: człowiek dostaje dwa obrazy wygenerowane z tego samego polecenia przez dwa różne modele i wybiera lepszy. Nie wie, który model jest który. Z tysięcy takich pojedynków liczony jest wynik Elo, ten sam typ punktacji co w szachach.

Jak czytać te liczby:

• Punktem odniesienia jest FLUX.2 [dev] z wynikiem 1000. Wszystko powyżej wygrywa z nim częściej, niż przegrywa.
• Różnica punktów przekłada się na szansę wygranej. W klasycznej skali Elo 34 punkty przewagi Qwena nad FLUX.2 [dev] to około 55 procent wygranych pojedynków. 163 punkty straty do lidera, GPT Image 2.5 Sunburst, to w przybliżeniu 28 procent wygranych.
• Wynik ma margines błędu. Dla Qwen-Image-2.1 w tekście na obraz to ±10 punktów przy 5286 głosach, w edycji przedział 95-procentowy wynosi 1065-1083.

Długość paska liczona jest od 900 punktów, żeby było widać różnice. Przewaga Qwena nad drugim Ideogramem 4.0 (Quality) wynosi 23 punkty, czyli więcej niż cały margines błędu.

W edycji Qwen-Image-2.1 jest pierwszy wśród otwartych modeli, przed HunyuanImage 3.0 Instruct (1066) i własnym poprzednikiem Qwen Image Edit Plus 2511 (1021). Ciekawostka: wyprzedza też zamknięty Ideogram 4.5 (High) i płatny Qwen-Image-3.0 z tej samej firmy.

Skok względem poprzedniej wersji jest duży:

• Tekst na obraz: Qwen Image 2.0 z marca 2026 był 72. z wynikiem 961, Qwen-Image-2.1 jest 18. z wynikiem 1034.
• Edycja: Qwen Image 2.0 był 58., Qwen-Image-2.1 jest 18.

Jedna uwaga o wcześniejszych zapowiedziach. Przy premierze Tom’s Hardware relacjonował deklarację Alibaby, że model bije Nano Banana 2. W głosowaniu AA tak nie jest: Nano Banana 2 ma 1125 punktów w tekście na obraz i 1108 w edycji, Qwen-Image-2.1 odpowiednio 1034 i 1074. Ranking producenta (60,28 punktu, 7. miejsce na 29 w Qwen-Image-Bench) opisałem przy premierze - niezależny pomiar ustawia model niżej, ale wciąż na czele otwartych.

Qwen-Image-2.1 czy Qwen-Image-3.0

Alibaba ma też nowszą rodzinę Qwen-Image-3.0, tyle że dostępną wyłącznie przez API. Wag nie ma, więc lokalnie jej nie uruchomisz.

Dlaczego otwarty model wygrywa w edycji z płatnym następcą? Nie wiem tego na pewno, bo AA nie publikuje pojedynczych porównań. Najprostsze wyjaśnienie: 2.1 to jeden model trenowany jednocześnie do generowania i edycji, a w edycji liczy się wierność oryginałowi, nie tylko uroda obrazu. Tak czy inaczej, jeśli głównie poprawiasz istniejące zdjęcia, płacenie za API Qwen-Image-3.0 nie daje przewagi.

W edycji otwarty 2.1 jest praktycznie na równi z 3.0-Pro (różnica 2 punktów mieści się w marginesie błędu) i wyraźnie przed zwykłym 3.0. W tekście na obraz płatne wersje są wyżej o 41 i 55 punktów.

Wszystko o Qwen-Image-2.1

01Qwen-Image-2.1 najlepszym otwartym modelem obrazowym w rankingu Artificial Analysis1034 Elo w tekście na obraz, 1074 w edycji, 18. miejsce ogółem na obu tablicach. AA musiało postawić model u siebie, bo nikt nie oferował go przez API.Czytaj →02Qwen-Image-2.1 kontra zamknięte modele: 4 testy na RTX 4090Ładne obrazy w 6 sekund za grosze prądu, ale w polskich napisach, układzie i edycjach pod rząd zamknięte modele są wyraźnie lepsze.Czytaj →03Najlepsze otwarte modele do generowania obrazów 2026: rankingDarmowy generator obrazów lokalnie: 19 otwartych modeli z rankingu Artificial Analysis, licencja każdego z nich i to, co zmieści się na domowej karcie.Czytaj →04Jak zainstalować Qwen-Image-2.1 lokalnie na Windowsie - krok po krokuPo instalacji obraz 1024×1024 powstaje w 8 sekund. Najgorsza pułapka: requirements.txt nadpisuje sterowaną kartę wersją procesorową.Czytaj →05Ile pamięci karty potrzebuje Qwen-Image-2.1? Tabela wszystkich wariantówKoder tekstu jest większy od samego modelu obrazowego. To na nim się oszczędza, nie na generatorze.Czytaj →06Licencja Qwen-Image-2.1: dlaczego nie użyjesz jej zarobkowo bez zgodyModel jest darmowy i otwarty, a mimo to nie użyjesz go do zarabiania. Jedno zdanie umowy, którego nie ma w żadnym polskim omówieniu.Czytaj →07Przezroczyste PNG prosto z modelu: sprawdziłem kanał alfa w Qwen-Image-2.1Model sam decyduje na podstawie polecenia, czy dodać kanał alfa. Zmierzyłem to histogramem, nie oceniałem na oko.Czytaj →08Polskie napisy w Qwen-Image-2.1: pięć testów z ogonkami, znak po znakuOgonki nie są problemem - problemem są długie wyrazy. Model nie gubi kreski nad literą, tylko podmienia całe litery.Czytaj →09Ile kosztuje Qwen-Image-2.1? Pół grosza za obraz lokalnie wobec 25 groszy po APITysiąc obrazów w 2K to siedem złotych w prądzie. Ale karta za dziewięć tysięcy zwraca się dopiero po 37 tysiącach obrazów.Czytaj →10Qwen-Image-2.1 w rankingu: pełna tabela 29 modeli obrazowych z liczbamiSiódme miejsce na 29 modeli, a przed nim wyłącznie modele zamknięte. Ciekawsze jest to, kogo zostawił za sobą.Czytaj →11Rebranding znanych marek: co Qwen-Image-2.1 zrobił z Coca-Colą, IKEA i ŻabkąDziesięć na dziesięć nazw bezbłędnie. To najlepszy przypadek dla typografii tego modelu i dokładna odwrotność drobnego druku na plakacie.Czytaj →12Fotografia mody w Qwen-Image-2.1: dwanaście konwencji zdjęciowychModel rozróżnia konwencje zdjęciowe, a nie tylko filtry kolorystyczne. Dwanaście kadrów, żadnej odmowy, anatomia bez błędów.Czytaj →

Co ten model wnosi

• Mały rozmiar. Część generująca ma 7 miliardów parametrów i 32 warstwy DiT w układzie jednostrumieniowym. HunyuanImage 3.0 Instruct, który jest tuż za nim w obu tablicach AA, ma 80 miliardów parametrów i według Tencentu potrzebuje co najmniej ośmiu kart po 80 GB.
• Jeden model do generowania i edycji. Nie trzeba osobnej wersji „Edit”, jak było w poprzednich generacjach Qwena.
• Natywne 2K. Kwadrat 2048×2048, a w panoramie 16:9 do 2752×1536.
• Przezroczystość w modelu. Kanał alfa powstaje od razu, bez osobnego wycinania tła. Zmierzyłem: przy poleceniu o przezroczystości 22,7 procent pikseli wyszło w pełni przezroczystych - szczegóły tutaj.
• Do dziesięciu obrazów odniesienia. Producent pokazuje zdjęcie grupowe złożone z sześciu osobnych portretów, stylizację z pięciu wejść (modelka, ubranie, buty, torba, kapelusz) i wnętrze zbudowane z dziesięciu zdjęć mebli. Do tego edycja miejscowa wskazywana kółkiem, zamalowaniem albo osobną maską.
• Wsparcie od pierwszego dnia w Diffusers, ComfyUI, vLLM-Omni, SGLang i LightX2V.

Moje testy na RTX 4090

Pomiary czasu zrobiłem na wariancie int8 przez ComfyUI, przy 25 krokach (pierwszy wiersz przy 12), próbniku euler i rozkładzie simple:

Komplet plików w wariancie int8 waży 16,6 GB i mieści się w 24 GB karty bez przerzucania czegokolwiek na procesor. Prąd na jeden obraz 2K kosztuje mnie około 0,7 grosza. Rozpiskę pamięci dla słabszych kart i pełny rachunek kosztów zrobiłem osobno, a instalację w ComfyUI na Windowsie opisałem krok po kroku.

Potem przepuściłem Qwena przez te same testy, którymi sprawdzałem Ideogram 4.5 i FLUX 3 po API. Tu wyniki są słabsze niż w rankingu AA:

• Polskie napisy: 6 z 13 ciągów poprawnie. Najlepsze modele zamknięte (GPT Image 2.5, Nano Banana Pro i Nano Banana 2, Grok) mają 13 na 13, Ideogram 4.5 - 11 na 13. Krótkie znaki słowne wychodzą dobrze (w teście rebrandingu dziesięć na dziesięć bez literówki), ale dłuższy polski tekst się sypie.
• Układ opisany słowami: 2 z 16 obiektów na miejscu, średnie IoU 0,17. FLUX 3 z ramkami podanymi w JSON trafił 16 na 16, Seedream 15 na 16. Jeśli potrzebujesz konkretnej kompozycji, Qwen jej nie dotrzyma.
• Ulica w 4K: maksimum 2752×1536 (4,2 Mpx), efektywnie około 3,1 Mpx szczegółu, czytelne 2 z 8 małych szyldów. Natywne 2K to nie to samo co ostrość drobnego tekstu w tle.

Pełne wyniki, obrazy i metodę opisuję w tekście Qwen-Image-2.1 kontra zamknięte modele. W skrócie: głosujący w AA lubią jego obrazki, bo są ładne i spójne, ale ranking nie mierzy polskich napisów ani precyzji układu. To dwie rzeczy, w których ten model odstaje.

Obsługiwane proporcje

Czego ten model nie załatwi

• Nie użyjesz go zarobkowo bez umowy. O licencji niżej i w osobnym tekście.
• Nie zastąpi modeli zamkniętych przy polskim tekście. 6 z 13 poprawnych napisów to za mało na plakat czy etykietę.
• Nie dotrzyma dokładnego układu. Jeśli kompozycja musi się zgadzać co do miejsca, szukaj modelu, który przyjmuje ramki.
• Nie ma go u dużych dostawców API. Nawet Artificial Analysis musiało postawić go u siebie, bo w dniu testu nikt go nie oferował. 22 września sprawdziłem też wszystkie 444 modele na OpenRouterze - Qwena wśród nich nie było.
• Wiek postaci potrafi odpłynąć. Poprosiłem o portret kobiety po trzydziestce i dostałem osobę wyraźnie starszą. Technicznie świetne zdjęcie, ale polecenie niedotrzymane.
• Potrzebuje miejsca na dysku. Same pliki to 16,6 GB w wariancie int8, a razem z ComfyUI i bibliotekami rezerwuj około 30 GB.

Od czego zacząć

1. Sprawdź, czy Twoja karta udźwignie model - tabela pamięci odpowiada w minutę.
2. Przeczytaj warunki licencji, zanim zaplanujesz, do czego go użyjesz.
3. Postaw go według instrukcji dla ComfyUI na Windowsie - jest tam gotowy skrypt i trzy pułapki, na których sam się przejechałem.
4. Zacznij od przezroczystych grafik i edycji zdjęć, bo tam model jest najmocniejszy, a polskie napisy dodawaj potem w edytorze graficznym.

Licencja

Qwen-Image-2.1 jest wydany na licencji Qwen Research License Agreement. Pozwala ona używać, kopiować i modyfikować model wyłącznie w celach niekomercyjnych, do badań i oceny. Użycie zarobkowe wymaga osobnej licencji komercyjnej od Alibaby. Otwarte wagi nie znaczą tu „wolno wszystko” - rozbieram warunki osobno. Jeśli potrzebujesz otwartego modelu do pracy komercyjnej, zajrzyj do rankingu otwartych modeli z licencjami.

Kiedy Qwen-Image-2.1, a kiedy coś innego

Pełne zestawienie zamkniętych i otwartych generatorów jest w rankingu generatorów obrazów AI.

Najczęstsze pytania

Czy Qwen-Image-2.1 to najlepszy model do generowania obrazów?

Nie. Jest najlepszy wśród modeli z otwartymi wagami, ale w rankingu ogólnym Artificial Analysis zajmuje 18. miejsce w tekście na obraz i 18. w edycji. Przed nim są modele zamknięte, m.in. GPT Image 2.5, Nano Banana 2 i Grok Imagine Image 2.0.

Czy mogę używać Qwen-Image-2.1 komercyjnie?

Nie bez osobnej umowy. Licencja Qwen Research dopuszcza tylko cele niekomercyjne, badania i ocenę. Do pracy zarobkowej trzeba wystąpić do Alibaby o licencję komercyjną.

Jakiej karty graficznej potrzebuję?

Sprawdziłem na RTX 4090 z 24 GB: wariant int8 waży 16,6 GB i mieści się w pamięci w całości, obraz 2048×2048 powstaje w 44 sekundy. Warianty dla mniejszych kart opisałem w tekście o VRAM.

Czy Qwen-Image-2.1 dobrze pisze po polsku?

Słabo. W moim teście poprawnie wyszło 6 z 13 polskich napisów, podczas gdy najlepsze modele zamknięte miały 13 na 13. Krótkie znaki słowne wychodzą poprawnie, dłuższe polskie teksty już nie.

Czym różni się od Qwen-Image-3.0?

Qwen-Image-3.0 i 3.0-Pro są dostępne tylko przez API, bez otwartych wag. W tekście na obraz stoją wyżej (1075 i 1089 punktów wobec 1034), ale w edycji otwarty 2.1 (1074) wyprzedza zwykłe 3.0 (1055) i niemal dorównuje wersji Pro (1076).

Zobacz też: Lokalne AI: modele tekstowe, obrazy i wideo na własnym komputerze · ranking otwartych modeli do obrazów

// czytaj dalejFable 5 znów dostępny - najlepszy model AI wraca do gryNewsyQwen-Image-2.1 najlepszym otwartym modelem obrazowym w rankingu Artificial AnalysisNarzędziaKoreański model AI ocenia każdą trasę pod kątem bezpieczeństwa, zanim auto ruszyNewsy