Qwen Image 2.1 es el modelo de imagen de pesos abiertos más reciente de Alibaba, y lo interesante es lo que se hizo más pequeño. El generador visual pasó de unos 20B de parámetros a solo 7B, lo que significa que funciona en una GPU de consumo, y aun así hace texto a imagen, edición con hasta 10 imágenes de referencia y salida nativa en 2K en un solo modelo. Su rasgo distintivo es la transparencia nativa: genera y edita imágenes RGBA con un canal alfa real, algo que antes requería un modelo Qwen aparte.
Aquí está el problema que nadie pone en el titular: 2.1 tiene pesos abiertos, no es código abierto. Las versiones anteriores de Qwen-Image eran Apache 2.0. Esta se distribuye bajo una licencia solo para investigación, así que puedes descargarla y experimentar, pero no puedes incluirla legalmente en un producto sin una concesión aparte de Alibaba. Para un aficionado o un equipo de investigación, es una nota al pie. Para quien construye un producto de pago encima, es toda la historia.
Si generas imágenes para alimentar contenido y no como producto final, el modelo es solo la mitad del trabajo de todos modos. Yo construyo compañeros de equipo de IA en eesel, y nuestro redactor de blog con IA es el compañero que convierte un montón de recursos e investigación en un artículo terminado y publicado, la parte que un modelo de imagen no toca.
Qué es realmente Qwen Image 2.1
Qwen Image 2.1 es la última versión de la línea de modelos de imagen de Qwen, del equipo Qwen de Alibaba, y salió el 20 de septiembre de 2026. Es un modelo de pesos abiertos que unifica dos tareas que la mayoría de las herramientas separan: generar una imagen a partir de un prompt de texto y editar una imagen existente. Ambas viven en un único modelo de 7B parámetros que puedes descargar y ejecutar tú mismo (blog de Qwen).
El blog presenta el lanzamiento en torno a cuatro cosas: es compacto y eficiente, ofrece transparencia nativa en un modelo unificado, tiene una edición más versátil y renderiza texturas más realistas. De ellas, las dos que realmente cambian lo que puedes hacer son la reducción de tamaño y la transparencia, así que ahí dedicaré más tiempo.
Una nota rápida sobre el nombre, porque la comunidad logró confundirlo en un día: los repositorios oficiales, la ficha del modelo y el blog lo llaman Qwen-Image-2.1, no "Qwen-Image-2509" ni "2512". Si vas a descargar los pesos, el ID de Hugging Face es Qwen/Qwen-Image-2.1 (ficha del modelo en HF).
La verdadera historia: se hizo tres veces más pequeño
El Qwen-Image anterior era un modelo de unos 20B de parámetros con un transformador de imagen BF16 de 40,9 GB. El generador visual de Qwen Image 2.1 es de 7B, lo que son 14,2 GB en BF16 y 7,26 GB en una versión INT8. Ese es el resumen que publicó un desarrollador el día del lanzamiento, y es la cifra más útil de todo el anuncio:
"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"
¿Por qué importa tanto el tamaño? Porque lleva el modelo del territorio de "alquila una GPU en la nube" al de "funciona en la tarjeta que ya tienes en tu equipo". Un probador publicó una configuración completa que lo ejecuta con unos 3,05 GiB de VRAM:
"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."
Como referencia, muchos modelos de imagen de esta categoría de calidad piden 24 GB o más para funcionar con comodidad. Obtener resultados utilizables en una tarjeta con 4-6 GB libres es la diferencia entre "puedo probarlo esta noche" y "tengo que levantar una A100 alquilada".
La transparencia nativa es la función que la gente usará de verdad
Esta es la capacidad principal, y es realmente útil, no un truco de demostración. Qwen Image 2.1 genera y edita imágenes transparentes (RGBA) de forma nativa, y decide a partir de tu prompt si entrega una imagen normal o una con un canal alfa real (blog de Qwen).
En diciembre de 2025, Qwen lanzó esto como un modelo separado llamado Qwen-Image-Layered. En 2.1 está integrado en el modelo principal, así que no tienes que manejar dos checkpoints. En concreto, puede:
- Generar una imagen transparente directamente desde texto, incluidas composiciones de varios elementos transparentes.
- Editar una imagen transparente manteniendo el fondo transparente (cambiar la expresión de un sujeto, conservar el recorte).
- Editar texto dentro de una capa transparente.
- Extraer un sujeto de una foto RGB normal como recorte RGBA.
Si alguna vez generaste un "logotipo sobre fondo transparente" y obtuviste un tablero de ajedrez incrustado en los píxeles en lugar de un canal alfa real, sabes por qué esto es importante. La ficha del modelo incluso recomienda una forma concreta de prompt para ello, algo como "This is an RGBA image with transparency … the background is transparent" (ficha del modelo en HF). Es el tipo de cosa que elimina en silencio un paso de Photoshop de la jornada de un diseñador.
Cómo se mantiene barato de ejecutar: la arquitectura
Aquí está la parte que explica la reducción de tamaño. El generador visual de Qwen Image 2.1 es un transformador de difusión (DiT) de flujo único con 32 capas, no el diseño MMDiT de doble flujo, más pesado, del Qwen-Image original (análisis a fondo de capacidades). Dos trucos lo mantienen eficiente, y rinden sobre todo al editar.
El primero es la atención de granularidad mixta. Los tokens de texto (tu prefijo de sistema más las instrucciones de edición) usan una máscara causal a nivel de token, mientras que la generación de imagen usa una máscara más gruesa a nivel de bloque. El segundo es la reutilización de la caché KV de prefijo: tus imágenes de entrada y las instrucciones de edición son contexto estático, así que el modelo las calcula una vez en el primer paso y reutiliza la caché en lugar de recalcularlas en cada paso (blog de Qwen). Ese es el mecanismo que hace viable la edición con hasta 10 imágenes de referencia en un modelo pequeño, en lugar de algo que derrite en silencio tu GPU.
No necesitas que te importe nada de esto para usar el modelo. Pero explica por qué "7B" y "edita con 10 referencias" pueden ser ciertos a la vez, algo que sobre el papel parece imposible.
Edición: hasta 10 referencias y selección flexible de región
La parte de edición es donde 2.1 llega más lejos. Acepta hasta 10 imágenes de referencia en una sola composición (blog de Qwen). Los ejemplos de Qwen incluyen una foto de grupo armada con seis retratos individuales, una prueba virtual de ropa construida con cinco entradas (modelo, prenda, zapatos, bolso, sombrero) y una habitación completa a partir de diez imágenes de mobiliario.
Para elegir dónde cae una edición, tienes tres opciones: dibujar círculos de colores para marcar varias regiones a la vez, pintar anotaciones directamente o dar la imagen original más una máscara aparte como dos entradas. La vía de la máscara conserva todo el contenido original, que es la que quieres para ediciones quirúrgicas cuando no puedes permitirte deriva en el resto del encuadre (blog de Qwen). Qwen también afirma mejor fidelidad para mantener la identidad de una persona entre ediciones y para conservar el texto, la textura y la forma de un producto, que es lo aburrido pero crítico para quien hace imágenes de ecommerce. Si estás comparando específicamente flujos de edición, nuestro artículo sobre Qwen image edit profundiza en ese lado.
Renderizado de texto, todavía un punto fuerte de Qwen
La familia Qwen-Image siempre ha sido inusualmente buena renderizando texto legible dentro de una imagen, y 2.1 lo mantiene. El blog dice que el modelo pondera no solo el contenido del texto, sino el estilo tipográfico, la maquetación y cómo encaja en la composición general (blog de Qwen).
Una salvedad honesta: el anuncio de 2.1 no hace una afirmación explícita sobre texto multilingüe o en chino, aunque el buen renderizado de chino es un rasgo conocido de la familia. Los prompts de ejemplo están en inglés. Así que trataría el texto multilingüe como "probablemente heredado" y no como "prometido oficialmente para esta versión" hasta que alguien lo evalúe bien. Es el tipo de vacío que prefiero señalar a fingir que la página de marketing dijo algo que no dijo.
La licencia: pesos abiertos, no código abierto
Esto es lo que hay que leer antes de construir algo serio encima. Qwen Image 2.1 se publica bajo la Qwen Research License Agreement, y la concesión es, textualmente, "for non-commercial purposes only". El uso comercial requiere una licencia aparte, que se solicita en model-business@notice.qwencloud.com.
Es un cambio real, no un detalle menor. Las versiones anteriores de Qwen-Image se publicaron bajo Apache 2.0, que permitía básicamente cualquier cosa, incluso montar un negocio encima. 2.1 lo reduce a investigación y evaluación. Puedes alojarlo tú mismo, modificarlo y redistribuirlo (con atribución y la licencia incluida), pero en el momento en que hay dinero asociado a la salida, estás fuera de la concesión gratuita.
También explica un detalle discreto del panorama de precios: los hosts de terceros como fal.ai y Replicate listan Qwen Image 2.0, no 2.1, al momento de escribir esto. La razón más probable es precisamente esta licencia, ya que un host comercial que ofrezca 2.1 necesitaría esa concesión aparte. Así que si esperabas un endpoint de API barato de 2.1 en una plataforma de terceros, esa opción en su mayoría todavía no existe.
Cuánto cuesta usarlo realmente
Hay una arruga en los precios que conviene explicar, porque "cuánto cuesta Qwen Image 2.1" no tiene una respuesta limpia. El modelo en sí es gratis para descargar y ejecutar. No existe un SKU de API de pago qwen-image-2.1. Model Studio de Alibaba Cloud sirve su API comercial de imágenes bajo IDs de modelo qwen-image-3.0, así que el "precio oficial" más cercano corresponde a otra versión.
| Vía | Costo | Notas |
|---|---|---|
| Demo en Hugging Face Space | Gratis | Demo oficial alojada del modelo 2.1 exacto, con cola limitada |
| Qwen Chat | Gratis | Generación/edición de imágenes integrada, versión servida no publicada |
| Pesos en HF / ModelScope | Descarga gratuita | Qwen Research License (no comercial); trae tu propia GPU |
API oficial qwen-image-2.1 | No se ofrece | Model Studio sirve generación de imágenes bajo IDs 3.0 |
API qwen-image-3.0 (la más cercana) | $0.003 de entrada / $0.03 de salida por imagen | Solo referencia; no es 2.1. Cuota gratuita de 10 imágenes, 90 días |
API qwen-image-3.0-pro | $0.003 de entrada / $0.04-$0.075 de salida por imagen | La salida en 2k cuesta más; cuota gratuita de 10 imágenes |
| fal.ai / Replicate | Sin listado de 2.1 (solo 2.0) | Probablemente bloqueado por la licencia no comercial |
Así que el costo real de Qwen Image 2.1 es "gratis más tu propio tiempo de GPU" o "lo que salga de tu negociación de licencia comercial con Alibaba". Para una comparación de precios directa con la línea de API de pago, nuestro artículo sobre los precios de Qwen tiene la tabla completa.
Qué dice la gente
La opinión inicial tiende a ser positiva, con las salvedades habituales de los modelos abiertos. Una reacción muy compartida señaló que el modelo se entrega con poco filtrado de contenido, lo que es una ventaja o un riesgo según tu caso de uso:
"In case you're wondering, Qwen Image 2.1 is quite uncensored. It has decent anatomy understanding and can do various positions."
Esa publicación fue la que más interacción logró del conjunto (3.604 me gusta), lo que dice algo sobre lo que le importa al público de modelos abiertos. Por lo demás, la edición con imágenes de referencia parece lo que más ganas tienen de probar los creadores, y los resúmenes de la comunidad aterrizan en un optimismo cauteloso: gran demanda de las herramientas de edición, bienvenido como presión sobre los rivales, con algunas voces que reservan su juicio sobre la calidad hasta que lleguen los benchmarks.
Sobre ese último punto, sé un poco escéptico con las afirmaciones de benchmark por ahora. Qwen dice que el modelo de 7B rinde a la par de modelos abiertos y cerrados más grandes, pero la comparación se hace en el propio Qwen-Image-Bench de Qwen, y el blog la publica como un gráfico sin puntuaciones numéricas que puedas verificar (blog de Qwen). Las cifras del proveedor sobre su propio benchmark no son erróneas, pero tampoco independientes. Espera evaluaciones de terceros antes de dar por zanjado que "iguala a los grandes".
Quién debería probarlo
Si eres investigador, aficionado o un equipo haciendo prototipos, Qwen Image 2.1 es un sí fácil para probar: es gratis, es lo bastante pequeño para correr en local, la transparencia es realmente útil y la edición con varias referencias es más capaz que la de la mayoría de los modelos abiertos. Si haces imágenes de ecommerce o de diseño y has estado pagando por eliminación de fondo o generación de recursos transparentes, solo el soporte RGBA nativo ya vale una tarde de pruebas.
Si estás construyendo un producto comercial, frena y lee primero la licencia. El modelo es excelente; las condiciones son la restricción. O presupuestas la concesión comercial, o miras un modelo cuya licencia sí te deje publicar, como las opciones alojadas totalmente comerciales que cubrimos en nuestro resumen de los mejores generadores de contenido con IA y la reseña de Nano Banana Pro.
Y mantén el modelo en proporción al trabajo. Un modelo de imagen produce recursos. Si esos recursos van a entradas de blog, páginas de producto o un flujo de contenido, la generación es un paso de muchos, y normalmente no es el que se come tu semana.
Prueba eesel para el contenido que rodea a la imagen
Generar una buena imagen son los diez minutos divertidos. Convertir investigación, una palabra clave y un montón de recursos en un artículo terminado, fiel a la marca y publicado es el trabajo pesado, y esa es la parte en la que trabajo yo. eesel es una plataforma de compañeros de equipo de IA, y uno de los compañeros que puedes contratar es un redactor de blog con IA que redacta artículos largos a partir de tus propias fuentes, coloca las imágenes y los publica, de modo que un modelo como Qwen Image 2.1 se convierte en un insumo de tu contenido y no en otra herramienta que tengas que vigilar.
Es gratis para empezar, con un par de generaciones de blog incluidas, sin tarjeta de crédito. Si los modelos de imagen ya forman parte de tu stack de contenido, el redactor de blog es el compañero que los pone a trabajar.