Qwen resmi meluncurkan Qwen-Image-2.1 sebagai model terbaru untuk pembuatan dan penyuntingan gambar.

Model ini menggabungkan kemampuan teks-ke-gambar dan penyuntingan dalam satu sistem terintegrasi.

Sistem tersebut dibekali komponen visual 7B serta dukungan bawaan untuk menghasilkan gambar transparan.

Arsitektur Efisien dan Dukungan Multi-Gambar

Qwen-Image-2.1 menggunakan arsitektur ringan dengan 32 lapisan Single-Stream DiT.

Model ini diklaim mampu menyeimbangkan kualitas gambar, efisiensi inferensi, dan biaya komputasi.

Untuk penyuntingan multi-gambar, sistem ini mengandalkan arsitektur perhatian bergranul campuran.

Pendekatan tersebut bertujuan untuk meningkatkan efisiensi inferensi sekaligus menghemat penggunaan memori.

Fitur tambahannya mencakup masking kausal tingkat token untuk teks serta penggunaan ulang cache KV.

Model ini juga mendukung penggunaan hingga 10 gambar referensi untuk digabungkan dalam satu komposisi.

Penyuntingan Lokal dan Transparansi Asli

Qwen-Image-2.1 mengintegrasikan kemampuan pembuatan gambar transparan langsung dari perintah teks.

Pengguna dapat menyunting gambar transparan tanpa merusak latar belakang transparan yang ada.

Untuk penyuntingan lokal, pengguna dapat menentukan area modifikasi menggunakan lingkaran berwarna.

Selain itu, terdapat anotasi lukisan serta penggunaan masker terpisah bersama gambar asli.

Model ini juga meningkatkan fidelitas penyuntingan pada bagian subjek potret dan produk.

Peningkatan ini berfokus pada pelestarian fitur wajah, teks, tekstur, serta bentuk produk.

Qwen-Image-2.1 kini sudah tersedia dengan bobot terbuka dan dapat diuji coba melalui Qwen Studio.