El equipo Qwen de Alibaba ha lanzado Qwen-Image-2.1, un nuevo modelo de generación y edición de imágenes que se puede descargar y ejecutar fuera de una interfaz de consumo cerrada.
Uno de los aspectos interesantes del lanzamiento es que el modelo utiliza el mismo sistema tanto para crear una imagen nueva como para editar una existente.
También añade funciones útiles para el trabajo gráfico, como imágenes con fondo transparente y la combinación de hasta diez imágenes de referencia.
Qué puede hacer el modelo
Qwen-Image-2.1 incluye un componente visual de 7 mil millones de parámetros.
El modelo permite:
- Generar imágenes a partir de texto
- Editar imágenes existentes
- Realizar ediciones locales
- Combinar varias imágenes de referencia
- Generar imágenes transparentes en formato RGBA
- Trabajar con hasta diez imágenes de referencia
Los pesos están disponibles en Hugging Face y ModelScope.
El código está disponible en GitHub.
Varias herramientas de inferencia anunciaron compatibilidad el mismo día del lanzamiento, entre ellas Diffusers, ComfyUI, vLLM-Omni, SGLang y LightX2V.
Por qué importa la transparencia
Crear una imagen con fondo transparente puede parecer una función menor.
En la práctica, puede ser muy útil para diseñadores, tiendas en línea y profesionales de la publicidad.
Por ejemplo:
Crear una imagen de producto que pueda colocarse inmediatamente sobre otro fondo.
Crear elementos gráficos para una presentación.
Crear un personaje o un objeto para una campaña.
Crear recursos que se puedan integrar en un diseño existente.
En muchas herramientas, el proceso exige generar la imagen y después eliminar el fondo en un paso separado.
Aquí Qwen presenta la transparencia como parte del propio modelo.
Por qué interesan las diez imágenes de referencia
Las nuevas herramientas de imagen intentan pasar de «escribe lo que quieres» a un trabajo en el que el usuario proporciona material visual real al sistema.
Por ejemplo, se puede aportar:
Una imagen de producto
Un logotipo
Un personaje
Un fondo
Una imagen que defina el estilo
Y después pedir al sistema que cree una composición nueva combinando esos materiales.
La capacidad de aceptar hasta diez imágenes de referencia hace que Qwen-Image-2.1 resulte más relevante para flujos de trabajo reales.
¿Es un modelo abierto?
Los pesos y el código se pueden descargar, por lo que el modelo es mucho más accesible que los generadores de imágenes cerrados.
Pero aquí hay que tener cuidado con la palabra «abierto».
Las condiciones de licencia publicadas indican que no necesariamente conceden un uso comercial ilimitado.
Quien quiera utilizar el modelo dentro de un producto comercial, un sitio web, un servicio para clientes o un proceso empresarial debería leer la licencia correspondiente antes de usarlo.
Sin condiciones de licencia claras, no debe considerarse un modelo «gratuito para uso comercial».
Qué ocurre con el hebreo
Qwen no ha publicado en su documentación un compromiso explícito sobre la calidad del texto hebreo dentro de las imágenes ni de las instrucciones en hebreo.
Aunque un modelo acepte instrucciones multilingües, eso no significa que pueda producir buena tipografía hebrea.
Es uno de los aspectos que conviene probar por separado.
Qué afirma la empresa
Qwen publica resultados de pruebas comparativas y comparaciones con otros modelos.
Son pruebas realizadas por la propia Qwen.
Hasta que haya suficientes evaluaciones independientes, no hay base para presentar Qwen-Image-2.1 como un modelo «mejor» que los productos de Google, OpenAI u otras empresas.
A quién puede interesar
El modelo puede resultar especialmente interesante para:
- Desarrolladores de herramientas de IA
- Usuarios de ComfyUI
- Diseñadores
- Tiendas en línea
- Agencias de publicidad
- Investigadores
- Empresas que quieran ejecutar un modelo de imagen en su propio entorno
La gran ventaja no está necesariamente en los resultados de las pruebas comparativas.
Está en que es un modelo descargable que reúne varias capacidades prácticas en un solo sistema.
Qué queda por comprobar
Todavía hacen falta pruebas independientes de la calidad de las imágenes.
No está claro qué tal funciona el modelo en hebreo.
Los requisitos reales de hardware variarán según la versión y la forma de ejecutarlo.
Y la pregunta importante para las empresas, qué usos comerciales están permitidos, depende de la licencia, no solo de que los pesos se puedan descargar.