Qwen-Image-2.1 generiert Sprites mit echtem Alphakanal – unter einer Lizenz, die nur nichtkommerzielle Nutzung erlaubt

Alibabas Qwen-Team stellte Qwen-Image-2.1 am 20. September ohne Keynote und praktisch ohne Blogbeitrag auf Hugging Face und ModelScope bereit. Es ist ein einzelnes Modell für Text-zu-Bild-Generierung und Bildbearbeitung mit 7 Milliarden Parametern in seiner visuellen Generierungskomponente. Für Spiele besonders interessant ist, dass es Bilder mit einem echten Alphakanal generiert. Fordert man einen Sticker, ein Requisit oder eine freigestellte Figur an, erhält man RGBA statt eines Motivs auf weißem Hintergrund, das anschließend noch freigestellt werden muss. Modellkarte, GitHub.

Zwei RGBA-Ausgaben aus den Veröffentlichungsbeispielen auf einem Schachbrettmuster. Bilder: Qwen-Team, Alibaba.

Was das Modell kann

Das Modell übernimmt drei Aufgaben, für die bisher drei Werkzeuge nötig waren. Es generiert anhand von Text normale oder transparente Bilder. Es bearbeitet Bilder mit bis zu zehn Referenzbildern, sodass eine Figur oder ein Produkt über mehrere Szenen hinweg konsistent bleiben kann, und ermöglicht lokale Änderungen, die man durch Einkreisen eines Bereichs, Übermalen oder Bereitstellen einer Maske vorgibt. Außerdem kann es Motive extrahieren: Gibt man ihm ein Foto und fordert das Motiv als transparente Ebene an, liefert es die Freistellung direkt mit Alphakanal zurück.

Die Ausgabe erfolgt nativ in 2K. Das quadratische Standardformat misst 2048 × 2048 Pixel, die 16:9-Voreinstellung 2752 × 1536 Pixel – direkt in dieser Größe generiert und nicht hochskaliert. Das Qwen-Team führt die bei dieser Auflösung niedrigen Inferenzkosten auf ein Attention-Schema mit gemischter Granularität und die Wiederverwendung des Präfix-KV-Caches zurück. ComfyUI unterstützte das Modell bereits am ersten Tag und gibt an, dass es problemlos auf Consumer-Grafikkarten läuft; The Decoder berichtet vom Betrieb auf einer RTX 3090. Für eine transparente Ausgabe ist die empfohlene Prompt-Formulierung unmissverständlich: Man teilt dem Modell in Klartext mit, dass es sich um ein RGBA-Bild mit Alphakanal und transparentem Hintergrund handeln soll, und es folgt dieser Anweisung. ComfyUI-Blog, The Decoder.

Der Benchmark und der übliche Vorbehalt

Das einzige Diagramm in der README ordnet 30 Bildmodelle nach dem Gesamtscore des Qwen-Teams. Qwen-Image-2.1 liegt mit 60,28 Punkten auf Platz sieben – hinter GPT Image 2.5, GPT Image 2, Grok Imagine 2.0, Qwens geschlossenem Image 3 Pro, Metas Muse Image und Microsofts MAI Image 2.5 Pro sowie vor Nano Banana 2.0 und sämtlichen Seedream-Modellen. Die eigentliche Aussage des Diagramms steckt in der zweiten Zeile: Die darüber platzierten geschlossenen Modelle veröffentlichen ihre Parameterzahlen nicht, während die darunter liegenden offenen Modelle deutlich größer sind. FLUX 2 Max und Pro haben 32 Milliarden Parameter, Qwen-Image-2512 hat 20 Milliarden und Hunyuan Image 3.0 hat 80 Milliarden. Die Behauptung lautet, dass ein Modell mit 7 Milliarden Parametern sie alle übertrifft.

Es handelt sich um einen Anbieter-Benchmark, der vom Anbieter anhand einer von ihm entwickelten Skala bewertet wurde – entsprechend ist die übliche Skepsis angebracht. Den Beispielen lässt sich entnehmen, dass die Textdarstellung und die Komposition aus mehreren Referenzen so gut aussehen, wie es das Diagramm nahelegt, und dass die Transparenz echt ist: Die Alphakanten der veröffentlichten Beispiele sind sauber und zeigen keinen Saum aus nahezu weißen Pixeln.

Das README-Diagramm: oben der Score, darunter die Parameterzahl, Schlösser bei Modellen, die diese nicht offenlegen. Bild: Qwen-Team, Alibaba.

Vor dem Einsatz unbedingt die Lizenz lesen

Das erste Qwen-Image erschien im August 2025 unter Apache 2.0. Dieses Modell wird unter dem Qwen Research License Agreement veröffentlicht, das auf denselben Tag wie die Veröffentlichung datiert ist. Es gestattet ausschließlich die nichtkommerzielle Nutzung und verweist kommerzielle Nutzer auf eine separat auszuhandelnde Lizenz. Offene Gewichte: ja. Frei für die Asset-Pipeline eines Spiels: nein – es sei denn, das Spiel ist ein Hobbyprojekt oder man erwirbt die andere Lizenz.

Bei diesem Modell ist das besonders wichtig, denn seine beste Funktion ist eine Produktionsfunktion. Transparente Sprites, Icons und Freistellungen sind Dinge, die veröffentlicht werden, nicht bloß Experimente. Ein Studio, das das Modell aufgrund des Hugging-Face-Downloads in seine Pipeline integriert und erst beim Release von der Lizenz erfährt, hat ein Problem.

Warum uns das betrifft

Sprites und UI-Grafiken gehören zu den Bildern, die unsere Spieleentwickler am häufigsten anfordern, und beim Alphakanal haben sie bislang alle universellen Bildmodelle enttäuscht. Unser Bildwerkzeug basiert auf Flux, das ein Motiv auf einem Hintergrund generiert. Die anschließende Hintergrundentfernung ist genau der Schritt, der ausgefranste Kanten und Detailverluste bei Haaren, Feuer und Glas verursacht. Ein Modell, das den Alphakanal von Anfang an generiert, macht diesen Schritt überflüssig – und die veröffentlichten Beispiele deuten darauf hin, dass es das gut kann.

Wir können dieses Modell nicht für euch hosten. Die Lizenz schließt den Betrieb als kostenpflichtigen Dienst aus, und eine Forschungslizenz, die kommerzielle Nutzung untersagt, verbietet auch, die Ausgaben in einem verkauften Spiel zu verwenden. Daher gilt derselbe ehrliche Rat wie bei jeder Modellveröffentlichung, über die wir berichten: Die Technik wird sich verbreiten, und das nächste offene Bildmodell mit einer freizügigen Lizenz wird sehr wahrscheinlich ebenfalls natives RGBA unterstützen, denn Qwen hat gerade gezeigt, dass es bereits mit 7 Milliarden Parametern funktioniert. Bis dahin stellt unser Leitfaden zu Sprites und Tilesets Quellen vor, deren Inhalte ihr schon heute veröffentlichen dürft, und der Leitfaden zu Lizenzen für Spiel-Assets erklärt, warum „offene Gewichte“ und „frei verwendbar“ nicht dasselbe bedeuten.

Quellen

• Hugging Face: Modellkarte für Qwen/Qwen-Image-2.1
• GitHub: QwenLM/Qwen-Image-2.1
• Qwen-Blog: Qwen-Image-2.1
• ComfyUI: Qwen-Image-2.1 in ComfyUI – Open-Weight-Generierung und -Bearbeitung mit Transparenz
• The Decoder: Alibabas Open-Weight-Modell Qwen-Image-2.1 soll geschlossene Modelle mit 7 Milliarden Parametern übertreffen