Qwen-Image-2.1, ticari olmayan kullanımı şart koşan bir lisans altında gerçek alfa kanalına sahip sprite'lar üretiyor
Alibaba'nın Qwen ekibi, Qwen-Image-2.1'i 20 Eylül'de herhangi bir açılış sunumu yapmadan ve neredeyse hiç blog yazısı yayımlamadan Hugging Face ile ModelScope'a yükledi. Bu, görsel üretim bileşeninde 7 milyar parametre bulunan, metinden görsel üretimi ve görsel düzenleme için kullanılan tek bir model. Oyunlar açısından ilgi çekici özelliğiyse gerçek bir alfa kanalına sahip görseller üretmesi. Bir çıkartma, nesne veya karakter kesiti istediğinizde, daha sonra arka planını ayırmanız gereken beyaz zeminli bir konu yerine RGBA çıktısı alıyorsunuz. Model kartı, GitHub.
Yayım örneklerinden alınan ve dama desenli bir zemine yerleştirilen iki RGBA çıktısı. Görseller: Qwen ekibi, Alibaba.
Neler yapıyor?
Model, daha önce üç ayrı araç gerektiren üç işi yapıyor. Metinden normal veya şeffaf görseller üretiyor. Karakter ya da ürün tutarlılığını farklı sahnelerde koruyabilmeniz için en fazla on referans görselle düzenleme yapıyor; ayrıca bir bölgeyi daire içine alarak, üzerini boyayarak veya maske sağlayarak belirttiğiniz yerel düzenlemeleri gerçekleştiriyor. Bir de ayıklama yapıyor: modele bir fotoğraf verip konuyu şeffaf bir katman olarak istediğinizde, alfa kanalı hazır olan kesilmiş görseli döndürüyor.
Çıktı yerel olarak 2K çözünürlükte. Varsayılan kare boyutu 2048 × 2048, 16:9 ön ayarıysa 2752 × 1536; görseller sonradan büyütülmek yerine doğrudan bu boyutlarda üretiliyor. Qwen ekibine göre karma ayrıntı düzeyli dikkat şeması ve önek KV önbelleğinin yeniden kullanılması, bu çözünürlükte çıkarım maliyetini düşük tutuyor. ComfyUI ilk günden destek sundu ve modelin tüketici tipi ekran kartlarına rahatça sığdığını belirtti; The Decoder ise modelin bir RTX 3090 üzerinde çalıştığını bildiriyor. Şeffaf çıktı için önerilen istem son derece doğrudan: modele bunun alfa kanalı ve şeffaf arka planı olan bir RGBA görseli olduğunu düz metinle söylüyorsunuz, o da buna uyuyor. ComfyUI blogu, The Decoder.
Karşılaştırma testi ve güven payı
README'deki tek grafik, Qwen ekibinin kendi genel puanına göre 30 görsel modelini sıralıyor. Qwen-Image-2.1, 60,28 puanla yedinci sırada; GPT Image 2.5, GPT Image 2, Grok Imagine 2.0, Qwen'in kapalı Image 3 Pro modeli, Meta'nın Muse Image modeli ve Microsoft'un MAI Image 2.5 Pro modelinin gerisinde, Nano Banana 2.0 ile tüm Seedream modellerinin önünde yer alıyor. Grafiğin asıl vurgusu ikinci satırda: üst sıralardaki kapalı modeller parametre sayılarını açıklamıyor, altındaki açık modellerse çok daha büyük. FLUX 2 Max ve Pro 32 milyar, Qwen-Image-2512 20 milyar, Hunyuan Image 3.0 ise 80 milyar parametreye sahip. İddia, 7 milyar parametreli bir modelin hepsinden yüksek puan alması.
Bu, sağlayıcının tasarladığı bir ölçekte yine sağlayıcı tarafından puanlanan bir sağlayıcı karşılaştırma testi; dolayısıyla olağan ihtiyat payıyla değerlendirilmesi gerekiyor. Örneklerden söyleyebileceğimiz kadarıyla metin işleme ve çoklu referans kompozisyonu, grafiğin ima ettiği kadar iyi görünüyor ve şeffaflık gerçek: yayımlanan örneklerdeki alfa kenarları, beyaza yakın piksellerden oluşan bir hale yerine temiz hatlara sahip.
README grafiği: üstte puan, altta parametre sayısı; bunu açıklamayan modeller için kilit simgeleri. Görsel: Qwen ekibi, Alibaba.
Üzerine bir şey inşa etmeden önce lisansı okuyun
Ağustos 2025'te çıkan ilk Qwen-Image, Apache 2.0 kapsamında yayımlanmıştı. Bu modelse yayımla aynı tarihi taşıyan Qwen Araştırma Lisansı Sözleşmesi kapsamında sunuluyor; lisans yalnızca ticari olmayan amaçlarla kullanıma izin veriyor ve ticari kullanıcıları ayrıca müzakere edilecek bir lisansa yönlendiriyor. Ağırlıklar açık, evet. Ancak oyununuzun varlık üretim süreci için açık değil; tabii oyununuz bir hobi projesiyse veya gidip diğer lisansı alırsanız durum farklı.
Bu modelde bunun önemi çoğu modele göre daha büyük, çünkü en iyi özelliği üretime yönelik bir özellik. Şeffaf sprite'lar, simgeler ve kesilmiş görseller denemek için değil, yayımlamak için ürettiğiniz şeylerdir. Hugging Face indirmesine güvenerek bu modeli üretim sürecine bağlayan ve lisansı çıkış sırasında fark eden bir stüdyonun başı derde girer.
Bunun bizi ilgilendirme nedeni
Sprite'lar ve kullanıcı arayüzü görselleri, içerik üreticilerimizin en çok istediği görseller; alfa kanalıysa tüm genel amaçlı görsel modellerinin onları hayal kırıklığına uğrattığı nokta. Görsel aracımız, bir konuyu arka plan üzerinde üreten Flux ile çalışıyor. Ardından gelen arka plan kaldırma adımıysa saç, ateş ve cam gibi ayrıntılarda saçaklı kenarlara ve detay kaybına yol açıyor. Alfa kanalını en başta üreten bir model bu adımı ortadan kaldırıyor ve yayımlanan örnekler bunu başarıyla yaptığını gösteriyor.
Bu modeli sizin için barındıramayız. Lisans, ücretli bir hizmet olarak çalıştırılmasını engelliyor; ticari kullanımı yasaklayan bir araştırma lisansı, çıktıların sattığınız bir oyunda kullanılmasını da engelliyor. Dolayısıyla dürüst tavsiyemiz, ele aldığımız her model sürümünde olduğu gibi: teknik yaygınlaşacak ve izin verici bir lisansa sahip bir sonraki açık görsel modelinde büyük olasılıkla yerel RGBA desteği de bulunacak, çünkü Qwen bunun 7 milyar parametreyle çalıştığını gösterdi. O zamana kadar sprite ve tileset rehberimiz bugün yayımlayabileceğiniz kaynakları ele alıyor; oyun varlığı lisansları rehberimiz ise “açık ağırlıklar” ile “kullanımı ücretsiz” ifadelerinin neden aynı anlama gelmediğini açıklıyor.
Kaynaklar
- Hugging Face: Qwen/Qwen-Image-2.1 model kartı
- GitHub: QwenLM/Qwen-Image-2.1
- Qwen blogu: Qwen-Image-2.1
- ComfyUI: ComfyUI'da Qwen-Image-2.1, şeffaflık destekli açık ağırlıklı üretim ve düzenleme
- The Decoder: Alibaba'nın açık ağırlıklı Qwen-Image-2.1 modeli, 7 milyar parametreyle kapalı modelleri geçtiğini iddia ediyor