Qwen-Image: recenzja modeli obrazowych Alibaby po teście lokalnym i w API

Qwen-Image recenzja: jedna nazwa, trzy różne produkty

Qwen-Image to modele obrazowe zespołu Qwen z Alibaby. Pod tą nazwą kryją się dziś trzy rzeczy o różnych cenach i licencjach, a numeracja wprowadza w błąd, bo wersja 2.1 jest nowsza od 3.0:

• Qwen-Image i Qwen-Image 2512 - otwarte modele z 20 mld parametrów z sierpnia i grudnia 2025 roku, na licencji Apache 2.0, czyli także do użytku komercyjnego.
• Qwen-Image 3.0 i 3.0 Pro - zamknięte modele z lata 2026 roku, dostępne tylko przez API Alibaba Cloud, pośredników, takich jak OpenRouter, i w przeglądarkowym Qwen Chat. Wag nie da się pobrać.
• Qwen-Image 2.1 - otwarty model z 20 września 2026 roku. Część generująca obraz ma tylko 7 mld parametrów, więc mieści się na jednej karcie konsumenckiej. Licencja pozwala wyłącznie na badania i ocenę.

Testowałem dwa z nich: Qwen-Image 3 przez API i Qwen-Image 2.1 u siebie, na karcie RTX 4090. Starszego Qwen-Image z 2025 roku sprawdzałem w czerwcu przez fal.ai. W rankingu Artificial Analysis 30 września Qwen-Image 3.0 Pro ma 1089 punktów Elo (14. miejsce na 165), Qwen-Image 3.0 1075, a Qwen-Image 2.1 1034, czyli więcej niż FLUX.2 Pro (1004).

Mój test: Qwen-Image 3 w rankingu 8 generatorów obrazów

27 września 2026 roku dałem Qwen-Image 3 pięć poleceń z mojego rankingu generatorów obrazów AI przez API OpenRoutera: reportaż z targu, szyld „PIEKARNIA ŻÓŁĆ”, ilustrację bez napisów, portret z dłońmi i pierogi z góry. Jedna próba, stałe ziarno, bez poprawek. Średnia wyszła 7,6/10, ex aequo z FLUX.2 Pro, szóste-siódme miejsce na osiem modeli z API.

Ten wynik to dwa różne modele w jednym. Przy tekście Qwen-Image 3 był w czołówce: szyld napisał bez błędu (9/10), a do tego sam dorysował tablicę „CHLEB NA ZAKWASIE” i kartkę „ŚWIEŻE”, też poprawne. Na targu dopisał polskie kartki z cenami, a w sierpniowym teście na fal.ai sam dodał do sceny z barem mlecznym poprawne menu „zupy, pierogi, dania mięsne, napoje” z cenami w złotych.

Ta skłonność do dopisywania tekstu zepsuła mu dwa inne polecenia. Portret 40-latka z siwą brodą zamienił w 30-latka bez siwizny i dopisał na kubku „DAILY ROAST” (5,5). Na pierogach postawił metki „POLISH PIEROGI” i „Traditional Recipe” (6,5). To moja opinia: Qwen-Image 3 traktuje każdą scenę jak reklamę i jeśli nie chcesz napisów, napisz to w poleceniu wprost.

Minusem API jest czas: średnio 67 s na obraz, drugi najgorszy wynik po Groku. W trybie „1K” dostałem tylko 1024x576, a według cennika OpenRoutera wersja 2K kosztuje tyle samo, 0,03 USD, więc warto od razu prosić o 2K.

Mój test lokalny: Qwen-Image 2.1 na RTX 4090

Qwen-Image 2.1 postawiłem u siebie dwa dni po premierze i opisałem to w przewodniku po Qwen-Image 2.1, który ma 13 tekstów z testami. Najważniejsze liczby, wszystkie zmierzone na RTX 4090 z 24 GB, w ComfyUI, na wariancie int8 przy 25 krokach:

• obraz 1024x1024 przy 12 krokach: 8,4 s,
• obraz 2048x2048: 44 s, a 2752x1536 (16:9): 46 s,
• obraz 1344x768 w teście porównawczym: 6,5 s, wobec 4,2 s w Z-Image Turbo,
• pliki modelu: 16,6 GB (model obrazowy 7,26 GB i koder tekstu 9,35 GB), ComfyUI zgłosił 6920 MB na model i 644 MB na dekoder,
• pierwsze wczytanie po starcie: 391 s przy obciążonym dysku.

Instalacja zajęła mi godzinę razem z pobieraniem. Trzy pułapki opisałem w instrukcji instalacji: plik requirements.txt w ComfyUI nadpisuje PyTorcha z obsługą karty wersją procesorową, torchaudio przerywa instalację na najnowszym kanale, a Python 3.14 nie ma jeszcze bibliotek z obsługą karty. Na karcie z 16 GB zejdziesz do 13,6 GB z czterobitowym koderem tekstu, a na 12 GB koder trzeba przenieść na procesor.

W rankingu z 27 września Qwen-Image 2.1 dostał 6,9/10 i był najlepszym z dwóch modeli lokalnych. Zdjęcia bez tekstu dostały 8/10 (targ, portret, pierogi), czyli poziom GPT Image 2 na targu. Punkty stracił przez szyld „ŹÓLĆ” i ilustrację z dwiema lamami zamiast jednej.

Qwen-Image po polsku: od bełkotu do bezbłędnego „ŻÓŁĆ”

Na polskich literach widać, jak szybko ta rodzina się zmienia. W czerwcu 2026 roku pierwszy Qwen-Image był ostatni na 10 modeli w teście plakatów z ogonkami: zamiast „WIECZÓR POEZJI” napisał „WEⱭCHR1”, a z całego plakatu poprawne wyszło tylko słowo „Kraków”. W sierpniu Qwen-Image 3 zrobił w teście typografii 2 błędy na trzech grafikach, lepiej niż Seedream i FLUX.2 Pro. We wrześniu napisał „PIEKARNIA ŻÓŁĆ” bez błędu.

Qwen-Image 2.1 sprawdziłem w pięciu testach z ogonkami. Trzy wyszły bezbłędnie: „ŻÓŁĆ” z kompletem czterech znaków, „POZDROWIENIA Z ŁODZI” w ozdobnym kroju i 29-znakowe „ZAKAZ WJAZDU - TEREN PRYWATNY”. W „ŚWIEŻE PIECZYWO CODZIENNIE” model zmienił jedną literę („CODZIANNIE”), a „KSIĘGARNIA POD ŻÓŁWIEM” zamienił w „POD ŹÓLVIEM”. Ciekawe jest to, że model częściej podmienia całe litery (W na V, E na A) niż gubi same kreski.

Najlepiej wypadł rebranding marek: 10 z 10 znaków słownych bez literówki, w tym „ŻABKA” i „McDONALD'S” z apostrofem. Najgorzej plakaty: 7 z 8 miało poprawny nagłówek „JAZZ NAD WISŁĄ”, ale 0 z 8 miało czytelny drobny druk. W rankingu z 27 września ten sam model napisał na szyldzie piekarni „ŹÓLĆ” - to pokazuje, że wynik zależy od polecenia i ziarna. To moja opinia: krótkie napisy wielkimi literami są w Qwen-Image 2.1 użyteczne, drobny tekst dodawaj w edytorze.

Co jeszcze potrafi Qwen-Image 2.1: przezroczystość, edycja, fotografia

• Przezroczyste PNG. Model sam decyduje na podstawie polecenia, czy zwrócić obraz z kanałem alfa. W moim pomiarze naklejka miała 22,7% pikseli w pełni przezroczystych i alfę w pełnym zakresie 0-255. Sama grafika na przezroczystym tle wyszła jednak słabsza od zwykłych obrazów.
• Do 10 obrazów referencyjnych i edycja wskazywana kółkiem, zamalowaniem albo maską - według producenta. Sprawdziłem przebieranie jednej twarzy w dziesięć epok: podobieństwo utrzymało się także w konwencji malarskiej.
• Fotografia produktowa i architektura to jego najmocniejsza strona: matowa ceramika, beton z fakturą, światło zgodne z geometrią wnętrza. Ilustracja wektorowa i render 3D wychodzą poprawnie, ale generycznie.
• Moda. Dwanaście konwencji zdjęciowych, od polaroidu po low key, bez ani jednej odmowy i z poprawnymi dłońmi.
• Słabość: wiek postaci. Kobieta „po trzydziestce” wyszła wyraźnie starsza.

Qwen-Image cena: grosze za prąd lokalnie, 0,03 USD w API

Wagi Qwen-Image 2.1 są darmowe, więc przy pracy lokalnej płacisz za prąd. Z moich czasów generowania i założenia 550 W dla całego komputera przy 1 zł za kWh wychodzi około 0,7 grosza za obraz 2K, czyli 7 zł za tysiąc obrazów. Karta z 24 GB za 9000 zł zwraca się wobec API za około 25 groszy za obraz dopiero po około 37 tysiącach obrazów. Szczegóły są w tekście ile kosztuje Qwen-Image 2.1. To moja opinia: kupowanie karty tylko pod ten model ma sens od kilku tysięcy obrazów miesięcznie, a jeśli karta już stoi na biurku, rachunek zamyka się od pierwszego obrazu.

W API Qwen-Image 3.0 kosztował mnie przez OpenRouter 0,03 USD za obraz, czyli 3 USD za sto. Wersja Pro w Alibaba Cloud Model Studio kosztuje w regionie Singapur 0,04 USD za obraz 1K i 0,075 USD za 2K, a w regionie Frankfurt 0,03438 i 0,068761 USD. Każdy obraz wejściowy przy edycji to 0,003 USD, a limit Pro to 5 zapytań na minutę. Alibaba nie ma polskiego cennika, więc podaję tylko dolary.

Za darmo, bez karty, obrazy zrobisz w Qwen Chat w przeglądarce. Alibaba nie podaje liczbowego limitu, a tej drogi sam nie testowałem, więc nie wiem, który model obrazowy jest tam domyślny w dniu, w którym to czytasz.

Licencja i prywatność: co wolno z Qwen-Image w firmie

To najważniejsza pułapka całej rodziny. Qwen-Image 2.1 ma licencję Qwen Research z 20 września 2026 roku, która definiuje „niekomercyjne” jako wyłącznie badania lub ocenę. Grafiki na blog z reklamami, materiały dla klienta czy zdjęcia do sklepu wymagają osobnej licencji komercyjnej, o którą trzeba napisać do producenta. Przerobione wersje z Hugging Face (na karcie modelu 54 dostrojone i 91 skwantyzowanych) dziedziczą to ograniczenie. Rozpisałem to w tekście o licencji Qwen-Image 2.1. To moja lektura umowy, nie porada prawna.

Starsze otwarte modele, Qwen-Image i Qwen-Image 2512, są na licencji Apache 2.0, więc do pracy zarobkowej na własnym sprzęcie to one są bezpieczniejszym wyborem. Qwen-Image 3 działa tylko w chmurze Alibaby i u pośredników, więc obowiązują warunki tych usług - ich pod kątem praw do obrazów nie analizowałem.

Prywatność przy pracy lokalnej jest najlepsza z możliwych: polecenia, zdjęcia referencyjne i wyniki nie opuszczają komputera. Nie ma też filtra treści, który w chmurze działa jako osobna warstwa przed modelem i za nim. Dlatego daję 6,0: pełna prywatność lokalnie, ale najnowszy model z licencją, która wyklucza większość realnych zastosowań.

Jak wystawiłem ocenę Qwen-Image

Wszystkie generatory oceniam w tych samych pięciu kategoriach. Jakość obrazu 7,6: Qwen-Image 3 dostał 7,6/10 w rankingu, a Qwen-Image 2.1 6,9, choć zdjęcia bez tekstu miały 8/10. Tekst na obrazie 7,0: bezbłędne „ŻÓŁĆ” w obu modelach i 10/10 przy markach, ale „ŹÓLĆ”, „POD ŹÓLVIEM” i nieczytelny drobny druk. Cena 9,0: darmowe wagi, około 0,7 grosza prądu za obraz i API za 0,03 USD. Wygoda 7,0: Qwen Chat w przeglądarce, ale lokalnie potrzebna mocna karta i godzina instalacji, a w API ponad minuta na obraz. Prawa i prywatność 6,0. Średnia daje 7,3.

Czy warto i jakie są alternatywy dla Qwen-Image

To moja opinia: jeśli masz kartę z 16-24 GB, Qwen-Image 2.1 warto postawić choćby po to, żeby wiedzieć, co dziś potrafi model lokalny. W benchmarku producenta ma 60,28 punktu wobec 50,81 dla jedenaście razy większego HunyuanImage 3.0, a w moim teście lepiej niż Z-Image Turbo trzymał się szczegółów polecenia. Traktuj ten benchmark ostrożnie, bo opublikował go producent jednego z ocenianych modeli.

Do obrazów, które mają trafić do sklepu albo reklamy, a mają powstać lokalnie, wybierz Z-Image Turbo na licencji Apache 2.0: obraz w 4,2 s, choć w moim teście tylko 5,7/10. Alternatywą jest FLUX.2 klein 4B, opisany w recenzji FLUX. Do zdjęć z ludźmi przez API lepiej wypadł Seedream 5.0 Pro (8,5/10 za 0,045 USD), a do grafik z polskim tekstem Nano Banana. Najmocniejszy chiński model otwarty poza Qwenem, HunyuanImage 3.0, wymaga co najmniej trzech kart po 80 GB. Całą ścieżkę lokalnego AI opisałem w przewodniku Lokalne AI.

Qwen-Image: ceny i plany

Alibaba nie ma polskiego cennika. Ceny API w dolarach z dokumentacji Alibaba Cloud Model Studio (stan na 30.09.2026, strona zaktualizowana 28.09.2026) i z rozliczenia OpenRoutera w moim teście, bez podatku. Koszt prądu przy pracy lokalnej to moje wyliczenie z czasów zmierzonych na RTX 4090 (550 W dla całego zestawu, 1 zł za kWh). źródło

Qwen-Image a konkurencja