9月21日，通义千问团队开源了新一代图像模型Qwen-Image-2.1。视觉生成模块只有70亿参数，文生图、透明图像生成、多种图像编辑，都塞进了同一个模型。官方说在自家评测里超过了多数闭源模型，第三方评测还没出，先打个折扣听。硬件要求不高，RTX 3090这类主流显卡就能跑。
技术上，它的视觉生成用的是32层Single-Stream DiT结构。混合粒度注意力配合KV Cache复用机制，重点优化多图输入时的效率和表现。7B的体量，想在生成效果、推理速度、使用成本之间找个平衡。轻量、开源、能本地部署，这三点凑一起，对中小团队和独立开发者很友好。
开源这件事，放权重只是第一步。arXiv上有个叫Gricea的开放科学平台，专做对话AI研究，它盯的是另一个问题：系统和实验配置的报告太碎，复现和扩展都难。模型开源了，研究方法和评测口径不透明，社区照样接不住。开源要真变成科学，配套的东西跟权重文件一样重要。
Qwen-Image-2.1能不能真叫板闭源巨头，还得等第三方评测。趋势倒是清楚：70亿参数级别的开源模型，在一点点磨掉闭源模型的技术优势。对用户来说，选择更多，成本更低。接下来拼的是谁更开放、更好用。