Qwen-Image-2.1公開、透過画像に対応も商用利用は別契約

透過PNGを1回の生成で作れるモデルの重みが、無償で公開されました。ところがライセンスファイルを開くと、無償で認められているのは研究と評価だけです。Qwen-Image-2.1が示しているのは、オープンウェイトという言葉の中身が、モデルごとに違うものになったという事実です。

AlibabaのQwenチームは2026年9月20日、画像生成と画像編集を1つのモデルで扱う「Qwen-Image-2.1」の重みを公開した。画像を描く部分は32層のDiTで7Bパラメータ、テキストエンコーダにはQwen3-VL 8Bを用いる。VAEは64チャンネルの潜在表現を扱うRGBAオートエンコーダで、透過画像の生成と編集に対応する。参照画像は最大10枚。

ネイティブ2K解像度を採用し、1:1では2048×2048、16:9では2752×1536など7種類の推奨サイズを示す。ライセンスはQwen Research License Agreementで、無償の利用は研究または評価目的に限られ、商用利用には別途ライセンスの取得を求める。配布はHugging FaceとModelScope。

From: Qwen-Image-2.1

【編集部解説】

切り抜きの工程が、モデルの内側へ入る

画像生成AIで作った素材を実際の制作に載せるとき、多くの現場が同じ手順を踏んできました。生成された画像から被写体を切り抜き、背景を透明にして、ようやくレイアウトに置く。Qwen-Image-2.1は、この切り抜きの工程をモデルの内側へ引き取ります。

鍵になっているのはVAEです。画像を圧縮表現へ変換し復元する部分が、64チャンネルの潜在表現を扱うRGBAオートエンコーダになっており、アルファチャンネルは後処理で付け足すものではなく、モデルが最初から出力するものになりました。ステッカー、ロゴ、アイコン、商品の切り抜き。こうした素材を1回の生成で得られるようになると、制作の段取りそのものが変わります。

透過は生成だけの話ではありません。背景を透明に保ったまま人物の表情を変える、透過レイヤーの中の文字を書き換える、写真から被写体だけを取り出す。これらを同じモデルで扱えます。Qwenは2025年12月、画像を複数のRGBAレイヤーへ分解するQwen-Image-Layeredを公開しました。今回はRGBAという表現形式を、生成と編集を兼ねる1つのモデルの内側へ組み込んだ形です。

「7B」は、動かすモデル一式の大きさではない

発表で目を引くのは7Bという数字です。ただしこれは、画像そのものを描くDiT（拡散トランスフォーマー）部分のパラメータ数を指しています。公式実装を見ると、その外側に、指示文と参照画像を読み解くQwen3-VL 8Bが置かれ、さらに先ほどのVAEが続きます。ModelScopeでの総パラメータ表記は16.22B、配布ファイルは合計で約33GBです。

7Bは描く部分の軽さを示す数字であり、手元のGPUに載るかどうかを判断する数字とは別のものです。といって、約33GBという合計サイズがそのまま必要VRAMを示すわけでもありません。実行時に要するメモリは、精度、量子化、CPUオフロードを含む構成ごとに変わります。公式もCPUオフロードによる節約を案内しており、どう載せるかは利用者の設計に委ねられています。

60.28という点数が測っているもの

Qwenは発表にあたり、自社で構築したQwen-Image-Benchの比較図を示しました。Qwen-Image-2.1の総合点は60.28で、GoogleのNano Banana 2.0（59.82）をわずかに上回る一方、首位のGPT Image 2.5 Sunburst（67.01）とは6.73点の開きがあります。同じ図で32Bと表記されたFLUX.2 Max（55.33）を上回った点は、7Bという規模を考えると目を引きます。

この点数の性格は押さえておく価値があります。Qwen-Image-Benchは1000問のプロンプトに対し、品質、美しさ、指示との一致、現実世界の再現性、創作表現という観点で採点する仕組みで、採点役もQwen側が用意した評価モデルが担います。自社の物差しで測った自社の成績である以上、順位そのものより、どの集団に入ったかを読むほうが実用的です。GoogleやOpenAIの一部モデルと点数が近い層に、ダウンロードして動かせる選択肢が現れた。そう捉えるのが、この数字の適切な重さでしょう。

加えて、この比較は文章から画像を生成する評価です。2.1が新たに掲げる透過画像や10枚参照の編集がどこまで実用に耐えるかは、別の物差しで確かめることになります。日本語の文字描画についても、Qwen-Image-Benchのプロンプトは中国語と英語で構成されており、日本語での成績はこれから利用者が測っていく領域です。

重みが公開されたことと、使ってよい範囲は別の話

ここが今回、日本の制作現場にとって最も重要な点です。Qwen-Image-2.1のライセンスはApache 2.0ではありません。適用されるのはQwen Research License Agreementで、無償で与えられる権利の範囲は研究または評価目的に限られます。商用利用を望む場合は、Hangzhou Tongyi Laboratory Technology Co., Ltd.から別途ライセンスを取得する窓口が用意されています。

このモデルの本体・関連文書またはその出力・結果を使って別のAIモデルを作成・学習・微調整・改善し、それを配布または利用可能にする場合には、製品ドキュメントに「Built with Qwen」または「Improved using Qwen」と目立つ形で表示することが求められます。派生物や製品の主たる名称・識別子に「Qwen」を用いることはできませんが、「fine-tuned from Qwen Image」のような説明目的の使用は認められています。準拠法は中国法、専属管轄は杭州市の人民法院です。

Qwen-Imageシリーズを並べると、この判断が一直線ではないことがわかります。初代Qwen-ImageはApache 2.0で重みが公開されました。その後、2.0と3.0はクラウド経由で提供され、今回の2.1は重みつきの研究ライセンスで登場しました。その間もQwen-Image-2512のような日付つきの重み公開は続いており、約14か月で3つの立ち位置が並んだことになります。オープンウェイトという言葉が、そのまま自由に使えることを意味しない時代に入っています。モデルを選ぶ最初の作業が、ベンチマーク表ではなくライセンスファイルを開くことになる。導入判断の入口が、静かに移動しつつあります。

手元で確かめられることが開くもの

それでも、重みが手に入る意味は小さくありません。クラウド越しのAPIでは、どのプロンプト書き換えが効いたのか、どの工程で品質が変わったのかを切り分けにくいものです。手元で動かせるモデルなら、自分の素材と自分の基準で、工程ごとに確かめられます。

Qwenは短い指示を詳しい記述へ展開する補助モデルも、生成用と編集用に分けて公開しました。基盤はQwen3.5-VL 9Bで、どちらも任意の前処理です。指示文をどう書き換えるか、どの解像度で回すか、どこを量子化するか。そこまで利用者が選べます。

日本語の文字が意図どおりに出るか、商品の細部が編集を重ねても保たれるか。評価のための利用であれば、今日から試せます。そこで手応えをつかんだうえで商用の条件を相談する、という道筋は、クラウド専用のモデルにはなかったものです。制作工程の一部を手元へ戻す検討が、現実的な選択肢として机に乗りました。