Qwen Image 2.1 ist Alibabas neuestes Bildmodell mit offenen Gewichten, und das Interessante ist, was kleiner geworden ist. Der visuelle Generator ist von etwa 20B Parametern auf nur 7B geschrumpft, läuft also auf einer Consumer-GPU, und beherrscht trotzdem Text-zu-Bild, Bearbeitung mit bis zu 10 Referenzbildern und native 2K-Ausgabe in einem Modell. Sein Markenzeichen ist die native Transparenz: Es erzeugt und bearbeitet RGBA-Bilder mit echtem Alphakanal, wofür früher ein separates Qwen-Modell nötig war.
Hier der Haken, den keiner in die Schlagzeile schreibt: 2.1 hat offene Gewichte, ist aber nicht Open Source. Frühere Qwen-Image-Versionen standen unter Apache 2.0. Diese hier erscheint unter einer Nur-Forschung-Lizenz, Sie können sie also herunterladen und damit experimentieren, aber nicht legal in einem Produkt ausliefern, ohne eine separate Genehmigung von Alibaba. Für Hobbyisten oder Forschungsteams ist das eine Fußnote. Wer darauf ein kostenpflichtiges Produkt baut, für den ist es die ganze Geschichte.
Wenn Sie Bilder erzeugen, um Inhalte zu speisen, und nicht als Endprodukt, ist das Modell ohnehin nur die halbe Arbeit. Ich baue bei eesel KI-Teammitglieder, und unser KI-Blog-Autor ist das Teammitglied, das einen Haufen Assets und Recherche in einen fertigen, veröffentlichten Artikel verwandelt, also genau den Teil, den ein Bildmodell nicht abdeckt.
Was Qwen Image 2.1 eigentlich ist
Qwen Image 2.1 ist die neueste Version in der Bildmodell-Reihe von Qwen aus Alibabas Qwen-Team und erschien am 20. September 2026. Es ist ein Open-Weight-Modell, das zwei Aufgaben vereint, die die meisten Tools trennen: ein Bild aus einem Text-Prompt erzeugen und ein bestehendes Bild bearbeiten. Beides steckt in einem einzigen Modell mit 7B Parametern, das Sie herunterladen und selbst betreiben können (Qwen-Blog).
Der Blog stellt die Veröffentlichung um vier Dinge: Es ist kompakt und effizient, bietet native Transparenz in einem einheitlichen Modell, ermöglicht vielseitigere Bearbeitung und rendert realistischere Texturen. Davon verändern zwei wirklich, was möglich ist: die geringere Größe und die Transparenz. Dort verbringe ich die meiste Zeit.
Ein kurzer Hinweis zum Namen, den die Community binnen eines Tages durcheinandergebracht hat: Die offiziellen Repos, die Modellkarte und der Blog nennen es alle Qwen-Image-2.1, nicht „Qwen-Image-2509“ oder „2512“. Wenn Sie die Gewichte ziehen, lautet die Hugging-Face-ID Qwen/Qwen-Image-2.1 (HF-Modellkarte).
Die eigentliche Geschichte: dreimal kleiner
Das bisherige Qwen-Image war ein Modell mit etwa 20B Parametern und einem BF16-Bildtransformer von 40,9 GB. Der visuelle Generator von Qwen Image 2.1 hat 7B, das sind 14,2 GB in BF16 und 7,26 GB als INT8-Version. Das ist die Zusammenfassung, die ein Entwickler am Veröffentlichungstag postete, und es ist die nützlichste Zahl des ganzen Launches:
"Qwen's Image 2.1 released but it come with lots of improvements but just as many caveats. The old Qwen-Image-2512 was a 20B model with a massive 40.9GB BF16 image transformer. But the new Qwen-Image-2.1 comes with … 7B visual generator, 14.2GB BF16, 7.26GB INT8"
Warum ist die Größe so wichtig? Weil sie das Modell von „Cloud-GPU mieten“ zu „läuft auf der Karte, die schon im Desktop steckt“ verschiebt. Ein Tester hat ein komplettes Setup veröffentlicht, das mit etwa 3,05 GiB VRAM läuft:
"I just published my full Qwen Image 2.1 guide, including a setup that generated images using just 3.05 GiB of VRAM. CPU offload makes a big difference: 512×512 at 3.05 GiB VRAM, using about 15.2 GiB of system RAM. 1024×1024 at 6.14 GiB VRAM with the text encoder on CPU."
Zum Vergleich: Viele Bildmodelle dieser Qualitätsklasse wollen für komfortables Arbeiten 24 GB oder mehr. Brauchbare Ergebnisse auf einer Karte mit 4 bis 6 GB freiem Speicher sind der Unterschied zwischen „ich kann das heute Abend ausprobieren“ und „ich muss eine gemietete A100 hochfahren“.
Native Transparenz ist das Feature, das wirklich genutzt wird
Das ist die Hauptfähigkeit, und sie ist wirklich nützlich und kein Demo-Trick. Qwen Image 2.1 erzeugt und bearbeitet transparente (RGBA) Bilder nativ und entscheidet anhand Ihres Prompts, ob es ein normales Bild oder eines mit echtem Alphakanal ausgibt (Qwen-Blog).
Im Dezember 2025 hatte Qwen das noch als separates Modell namens Qwen-Image-Layered veröffentlicht. In 2.1 steckt es im Hauptmodell, Sie müssen also nicht zwei Checkpoints jonglieren. Konkret kann es:
- Ein transparentes Bild direkt aus Text erzeugen, auch Kompositionen aus mehreren transparenten Elementen.
- Ein transparentes Bild bearbeiten und dabei den Hintergrund transparent halten (den Gesichtsausdruck einer Person ändern, den Freisteller behalten).
- Text innerhalb einer transparenten Ebene bearbeiten.
- Ein Motiv aus einem gewöhnlichen RGB-Foto als RGBA-Freisteller herauslösen.
Wer schon einmal ein „Logo auf transparentem Hintergrund“ erzeugt und statt eines echten Alphakanals ein in die Pixel eingebackenes Schachbrett bekommen hat, weiß, warum das wichtig ist. Die Modellkarte empfiehlt dafür sogar eine bestimmte Prompt-Form, etwa in der Art von "This is an RGBA image with transparency … the background is transparent" (HF-Modellkarte). So etwas streicht im Arbeitstag von Designern still einen Photoshop-Schritt.
Wie es günstig bleibt: die Architektur
Hier der Teil, der die geringere Größe erklärt. Der visuelle Generator von Qwen Image 2.1 ist ein Single-Stream-Diffusion-Transformer (DiT) mit 32 Schichten, nicht das schwerere Dual-Stream-MMDiT-Design des ursprünglichen Qwen-Image (Deep Dive zu den Fähigkeiten). Zwei Kniffe halten ihn effizient, und sie zahlen sich vor allem beim Bearbeiten aus.
Der erste ist Mixed-Granularity-Attention. Text-Tokens (Ihr System-Präfix plus Bearbeitungsanweisungen) nutzen eine kausale Maske auf Token-Ebene, während die Bilderzeugung eine gröbere Maske auf Chunk-Ebene verwendet. Der zweite ist die Wiederverwendung des Prefix-KV-Cache: Ihre Eingabebilder und Bearbeitungsanweisungen sind statischer Kontext, also berechnet das Modell sie im ersten Schritt einmal und nutzt den Cache weiter, statt in jedem Schritt neu zu rechnen (Qwen-Blog). Das ist der Mechanismus, der Bearbeitung mit bis zu 10 Referenzbildern auf einem kleinen Modell machbar macht, statt Ihre GPU stillschweigend zu schmelzen.
Sie müssen sich darum für die Nutzung nicht kümmern. Aber es erklärt, warum „7B“ und „bearbeitet mit 10 Referenzen“ gleichzeitig stimmen können, was auf dem Papier nicht so aussieht.
Bearbeitung: bis zu 10 Referenzen und flexible Bereichsauswahl
Bei der Bearbeitung reckt sich 2.1 am weitesten. Es nimmt bis zu 10 Referenzbilder in einer einzigen Komposition (Qwen-Blog). Qwens eigene Beispiele umfassen ein Gruppenfoto aus sechs einzelnen Porträts, eine virtuelle Anprobe aus fünf Eingaben (Model, Kleidung, Schuhe, Tasche, Hut) und einen ganzen Raum aus zehn Einrichtungsbildern.
Um festzulegen, wo eine Bearbeitung ansetzt, gibt es drei Wege: farbige Kreise zeichnen, um mehrere Bereiche gleichzeitig zu markieren, direkt Anmerkungen malen oder das Originalbild plus eine separate Maske als zwei Eingaben übergeben. Der Masken-Weg bewahrt den gesamten Originalinhalt, und den wollen Sie bei chirurgischen Bearbeitungen, wenn sich im Rest des Bildes nichts verschieben darf (Qwen-Blog). Qwen verspricht außerdem bessere Treue beim Erhalt der Identität einer Person über Bearbeitungen hinweg und beim Bewahren von Text, Textur und Form eines Produkts, der unspektakuläre, aber entscheidende Punkt für alle, die E-Commerce-Bilder machen. Wenn Sie gezielt Bearbeitungs-Workflows vergleichen, geht unser Beitrag zu Qwen Image Edit dazu tiefer.
Textdarstellung, weiterhin eine Qwen-Stärke
Die Qwen-Image-Familie war immer ungewöhnlich gut darin, lesbaren Text in Bildern darzustellen, und 2.1 hält das Niveau. Laut Blog berücksichtigt das Modell nicht nur den Textinhalt, sondern auch Schriftstil, Layout und die Einbettung in die Gesamtkomposition (Qwen-Blog).
Ein ehrlicher Vorbehalt: Die Ankündigung zu 2.1 macht keine ausdrückliche Aussage zu mehrsprachigem oder chinesischem Text, obwohl starkes Chinesisch-Rendering ein bekanntes Merkmal der Familie ist. Die Beispiel-Prompts sind auf Englisch. Mehrsprachigen Text würde ich deshalb als „wahrscheinlich geerbt“ behandeln statt als „für diese Version offiziell zugesagt“, bis jemand ihn sauber benchmarkt. Solche Lücken benenne ich lieber, als so zu tun, als hätte die Marketingseite etwas gesagt, was sie nicht gesagt hat.
Die Lizenz: offene Gewichte, nicht Open Source
Das sollten Sie lesen, bevor Sie etwas Ernsthaftes darauf bauen. Qwen Image 2.1 erscheint unter der Qwen Research License Agreement, und die Gewährung gilt wörtlich „for non-commercial purposes only“. Kommerzielle Nutzung erfordert eine separate Lizenz, die über model-business@notice.qwencloud.com angefragt wird.
Das ist eine echte Änderung, keine Haarspalterei. Frühere Qwen-Image-Versionen erschienen unter Apache 2.0, womit man im Grunde alles tun durfte, auch ein Geschäft darauf aufbauen. 2.1 nimmt das zurück auf Forschung und Evaluierung. Sie können es selbst hosten, verändern und weiterverteilen (mit Namensnennung und beigelegter Lizenz), aber sobald an der Ausgabe Geld hängt, sind Sie außerhalb der freien Gewährung.
Es erklärt auch ein stilles Detail im Preisbild: Drittanbieter wie fal.ai und Replicate führen zum Zeitpunkt dieses Textes Qwen Image 2.0, nicht 2.1. Der wahrscheinlichste Grund ist genau diese Lizenz, denn ein kommerzieller Host, der 2.1 anbietet, bräuchte diese separate Genehmigung. Wer auf einen günstigen 2.1-API-Endpunkt bei einem Drittanbieter gehofft hat, hat diese Option größtenteils noch nicht.
Was die tatsächliche Nutzung kostet
Beim Preis gibt es eine Besonderheit, die man ausformulieren muss, denn „Was kostet Qwen Image 2.1?“ hat keine saubere Antwort. Das Modell selbst ist kostenlos herunterzuladen und zu betreiben. Es gibt keine kostenpflichtige qwen-image-2.1-API-SKU. Alibaba Clouds Model Studio bietet seine kommerzielle Bild-API stattdessen unter qwen-image-3.0-Modell-IDs an, der nächstliegende „offizielle Preis“ gehört also zu einer anderen Version.
| Weg | Kosten | Hinweise |
|---|---|---|
| Hugging-Face-Space-Demo | Kostenlos | Offizielle gehostete Demo des genauen 2.1-Modells, Warteschlange begrenzt |
| Qwen Chat | Kostenlos | Bildgenerierung/-bearbeitung integriert, ausgelieferte Version nicht veröffentlicht |
| HF / ModelScope Gewichte | Kostenlos herunterladbar | Qwen Research License (nicht kommerziell); eigene GPU nötig |
Offizielle qwen-image-2.1-API | Nicht angeboten | Model Studio liefert Bildgenerierung unter 3.0-IDs |
qwen-image-3.0-API (am nächsten) | $0.003 Eingabe / $0.03 Ausgabe pro Bild | Nur als Referenz; nicht 2.1. Gratis-Kontingent 10 Bilder, 90 Tage |
qwen-image-3.0-pro-API | $0.003 Eingabe / $0.04-$0.075 Ausgabe pro Bild | 2k-Ausgabe kostet mehr; Gratis-Kontingent 10 Bilder |
| fal.ai / Replicate | Kein 2.1-Eintrag (nur 2.0) | Vermutlich durch die Nicht-kommerziell-Lizenz blockiert |
Die realen Kosten von Qwen Image 2.1 sind also entweder „kostenlos plus Ihre eigene GPU-Zeit“ oder „was Ihre Verhandlung über eine kommerzielle Lizenz mit Alibaba ergibt“. Für einen direkten Preisvergleich mit der kostenpflichtigen API-Reihe enthält unser Beitrag zu den Qwen-Preisen die vollständige Tabelle.
Was die Leute sagen
Die frühe Stimmung ist überwiegend positiv, mit den üblichen Vorbehalten bei offenen Modellen. Eine viel geteilte Reaktion wies darauf hin, dass das Modell mit lockerer Inhaltsfilterung ausgeliefert wird, was je nach Einsatzzweck ein Feature oder eine Belastung ist:
"In case you're wondering, Qwen Image 2.1 is quite uncensored. It has decent anatomy understanding and can do various positions."
Dieser Beitrag bekam die meiste Resonanz im ganzen Set (3.604 Likes), was einiges darüber sagt, was die Open-Model-Szene interessiert. Ansonsten scheint die Bearbeitung mit Referenzbildern das Feature zu sein, auf das Kreative am meisten gespannt sind, und die Zusammenfassungen aus der Community laufen auf vorsichtigen Optimismus hinaus: starke Nachfrage nach den Bearbeitungswerkzeugen, willkommen als Druck auf die Konkurrenz, mit einigen Stimmen, die ihr Urteil über die Qualität zurückhalten, bis die Benchmarks vorliegen.
Zu diesem letzten Punkt sollten Sie den Benchmark-Angaben vorerst etwas skeptisch begegnen. Qwen sagt, das 7B-Modell halte mit größeren Open- und Closed-Source-Modellen mit, aber der Vergleich läuft auf Qwens eigenem Qwen-Image-Bench, und der Blog veröffentlicht ihn als Diagramm ohne nachprüfbare Zahlenwerte (Qwen-Blog). Vom Hersteller betriebene Zahlen auf dem eigenen Benchmark sind nicht falsch, aber auch nicht unabhängig. Warten Sie auf Evaluierungen Dritter, bevor Sie „hält mit den Großen mit“ als erledigt betrachten.
Für wen es sich lohnt
Wenn Sie Forscher, Hobbyist oder ein Team im Prototyping sind, ist Qwen Image 2.1 ein klares Ja zum Ausprobieren: Es ist kostenlos, klein genug für lokalen Betrieb, die Transparenz ist wirklich nützlich, und die Bearbeitung mit mehreren Referenzen kann mehr als die meisten offenen Modelle. Wenn Sie E-Commerce- oder Designbilder machen und bisher für Hintergrundentfernung oder die Erzeugung transparenter Assets bezahlt haben, ist allein die native RGBA-Unterstützung einen Abend Testen wert.
Wenn Sie ein kommerzielles Produkt bauen, bremsen Sie und lesen Sie zuerst die Lizenz. Das Modell ist großartig, die Bedingungen sind die Einschränkung. Planen Sie entweder die kommerzielle Genehmigung ein, oder schauen Sie auf ein Modell, dessen Lizenz die Auslieferung tatsächlich erlaubt, etwa die voll kommerziellen gehosteten Optionen in unserer Übersicht der besten KI-Content-Generatoren und im Test von Nano Banana Pro.
Und behalten Sie das Modell im Verhältnis zur Aufgabe. Ein Bildmodell erzeugt Assets. Wenn diese Assets in Blogbeiträge, Produktseiten oder eine Content-Pipeline fließen, ist die Generierung ein Schritt von vielen, und meist nicht der, der Ihre Woche auffrisst.
eesel für den Content rund um das Bild ausprobieren
Ein gutes Bild zu erzeugen sind die lustigen zehn Minuten. Aus Recherche, einem Keyword und einem Stapel Assets einen fertigen, markenkonformen, veröffentlichten Artikel zu machen, ist die Plackerei, und genau daran arbeite ich. eesel ist eine Plattform für KI-Teammitglieder, und eines der Teammitglieder, die Sie einstellen können, ist ein KI-Blog-Autor, der Langform-Beiträge aus Ihren eigenen Quellen entwirft, die Bilder einfügt und sie veröffentlicht, sodass ein Modell wie Qwen Image 2.1 zu einem Input für Ihre Inhalte wird statt zu einem weiteren Tool, das Sie beaufsichtigen müssen.
Der Einstieg ist kostenlos, mit ein paar enthaltenen Blog-Generierungen, ohne Kreditkarte. Wenn Bildmodelle schon Teil Ihres Content-Stacks sind, ist der Blog-Autor das Teammitglied, das sie arbeiten lässt.