Qwen-Image-2.1

Qwen-Image-2.1 は Qwen チームが2026年9月20日に公開したオープンウェイトの画像モデルです。生成と編集を1つのモデルで行い、透過（RGBA）画像をネイティブに出力し、参照画像を最大10枚まで受け取り、7Bの生成トランスフォーマーで2K解像度に対応します。GoEnhance ではまだ 2.1 を提供していないため、下のコンソールは当サイトで利用できる最新の Qwen モデル「Qwen Image 3」を開きます。

二言語ポスターのタイポグラフィ

ラベルが読める商品写真

6コマのストーリーボード

エディトリアルポートレート

Qwen Image 3

プロンプト

プロンプト例

このモデルとプロンプトを設定した状態で GoEnhance の作成画面を開きます。

GoEnhance の Qwen Image でつくれるもの

文字が崩れないポスター

見出し・日付・小さな注記を英語や中国語で配置しても、文字が形を保ったまま返ってきます。実際に文字を載せるイベントポスターやキービジュアル、SNSカバーに向いています。

ラベルが読める商品写真

すっきりした背景に商品を置き、光を柔らかく保ったままラベルを読める状態で仕上げます。カタログ画像や出品写真、パッケージ案に使えます。

複数コマのボードとグリッド

6コマのボード、9分割の解説図、デザインシートを指定すれば、どのコマも同じ画風で、キャプション付きで出力されます。

肌と光が自然なポートレート

自然な肌の質感、瞳のキャッチライト、柔らかい窓明かりのエディトリアルポートレートを生成し、顔を保ったまま衣装や構図だけを調整できます。

Qwen-Image-2.1 の新しい点

切り抜きではない、ネイティブ透過

64チャンネルのRGBAオートエンコーダ（空間圧縮16倍）を備え、透過は後処理ではなくモデル自体の機能です。プロンプトから透過画像を生成し、透過レイヤーを編集し、通常の写真から被写体を抜き出せます。

生成と編集が1つのモデル

テキストからの生成と画像編集が同じパイプラインを通ります。プロンプトから始めても、変更したい画像を渡しても、1回のリクエストで両方を行っても、チェックポイントの切り替えは不要です。

参照画像は最大10枚

1回の編集で最大10枚の参照を渡せます。個別のポートレートから集合写真を作る、モデル・服・靴・バッグ・帽子の別々の写真から一式のコーディネートを組み上げる、といった使い方ができます。

変える場所を指し示す

部分的な編集は、丸で囲む・手描きの注記・別マスクのいずれかで指定します。人物や商品の同一性は保ったまま、指定した範囲だけが変わります。

7B のコンパクトな構成

生成トランスフォーマーは32層のシングルストリームDiTで7Bパラメータ、テキストエンコーダは Qwen3-VL 8B。混合粒度アテンションとプレフィックスKVキャッシュの再利用により、プロンプトと参照画像は一度だけエンコードされ、以降のステップで再利用されます。

ネイティブ2Kと、より鮮明な文字

推奨サイズは正方形の2048×2048から16:9の2752×1536まで、デフォルトは40ステップです。文字組み、ポートレートの光、細部の質感が従来の Qwen-Image より向上しています。

Qwen-Image-2.1 を自分で動かす手順

重みを入手する

Qwen-Image-2.1 はオープンウェイトです。Hugging Face（Qwen/Qwen-Image-2.1）か ModelScope から取得するか、ComfyUI 向けに整えられた Comfy-Org/Qwen-Image-2.1 を使います。

実行環境を選ぶ

Diffusers は QwenImage21Pipeline で初日から対応し、ComfyUI にも生成・編集のネイティブワークフローがあります。負荷の高い用途には vLLM-Omni、SGLang、LightX2V がプレフィックスキャッシュ・量子化・マルチGPU推論を提供し、AMD ROCm や FlagOS 対応チップでも動きます。

プロンプト・サイズ・透過

公式のプロンプト書き換えモデル（生成は PE-T2I、編集は PE-I2I）から始め、推奨の2Kサイズと40ステップを守ります。透過が必要な場合は、モデルが想定するRGBAの書き出しでプロンプトを始めてください。

GoEnhance で Qwen Image を試す

Qwen-Image-2.1 と GoEnhance の Qwen Image の比較

項目	Qwen-Image-2.1（オープンウェイト）	Qwen Image 3（GoEnhance で利用可）
動かす場所	自前のGPU、または自分で構築したクラウド環境	ブラウザ上、インストール不要
透過RGBA出力	ネイティブ対応、透過レイヤーの編集も可能	非対応
参照画像	1回の編集で最大10枚	エディタで参照画像に対応
解像度	ネイティブ2K、最大2752×1536	1Kと2Kの出力
文字の描画	英語・中国語のタイポグラフィが向上	二言語テキストと情報量の多いレイアウトに強い
始め方	重みを落として実行環境を入れ、GPUを自分で管理	プロンプトを書いて生成するだけ

他のQwen Imageモデルを探す

Qwen-Image-3.0

Qwen-Image-2.0

Qwen画像最大化

Qwen Image 2512

Qwen画像編集 - プロフェッショナルAI画像編集

Qwen-Image-2.1 のよくある質問

Qwen-Image-2.1 とは？

Qwen チームが公開したオープンウェイトの画像モデルで、テキストからの生成と画像編集を1つのモデルで扱います。生成トランスフォーマーは32層のシングルストリームDiTで7Bパラメータ、透過RGBA画像をネイティブに出力します。重みは2026年9月20日に公開されました。

GoEnhance で Qwen-Image-2.1 を使えますか？

まだ使えません。GoEnhance で提供しているのは Qwen Image 2、Qwen Image 2 Pro、Qwen Image 3、Qwen Image 3 Pro です。このページのコンソールは当サイトで最新の Qwen Image 3 を開くので、GPUを用意しなくても同系統のモデルを試せます。

商用利用は無料ですか？

リポジトリは Qwen Research License Agreement の下で公開されており、一般的な商用ライセンスとは異なります。重みや生成物を商用プロジェクトで使う前に、GitHub のライセンス本文を確認してください。

透過画像はどう生成されますか？

透過はオートエンコーダに組み込まれています。64チャンネルのRGBA VAEで空間圧縮は16倍です。プロンプトで「背景が透明なRGBA画像」であることを明示すると、切り抜きマスクではなく本物のアルファチャンネルを持つ画像が返ります。

どんなハードウェアが必要ですか？

生成モデルが7B、テキストエンコーダが8Bなので、実用上は十分なVRAMを備えた最近のGPUが出発点になります。コミュニティの実行環境も役立ちます。vLLM-Omni と SGLang は FP8 重み・CPUオフロード・マルチGPU並列に対応し、LightX2V はコンシューマ向けGPUを想定しています。

参照画像は何枚まで使えますか？

1回の編集で最大10枚です。これにより複数被写体の合成が現実的になります。1枚の画面に複数の人物を収める、別々の商品写真から一式のコーディネートを組む、といった場合でも、それぞれの特徴が保たれます。

GoEnhance で Qwen Image シリーズを試す

Qwen-Image-2.1 はオープンウェイトで、自前の環境で動かすモデルです。プロンプトを書いて画像を受け取りたい場合は、GoEnhance で Qwen Image 3 を開き、上の例のどれかから始めてください。

Qwen Image 3 で始める