Qwen-Image-2.1

阿里云通义千问团队于 2026 年 9 月开源的统一多模态图像生成与编辑模型。模型采用 7B 参数的 32 层单流 Diffusion Transformer（DiT）底座与 Qwen3-VL 8B 编码器，原生支持 2K 分辨率、RGBA 透明通道输出以及最多 10 张参考图联合条件引导，并引入前缀 KV Cache 复用降低迭代去噪开销。