千问开源图像生成与编辑模型 Qwen-Image-2.1
千问(Qwen)开源统一文生图与图像编辑模型 Qwen-Image-2.1,视觉生成部分采用 7B 参数与 32 层 Single-Stream DiT 结构。
推荐理由:原文给出了 7B 参数 DiT 架构与原生 RGBA、参考图编辑等能力细节,可作为对比同类图像生成模型的参考。
公司与模型
阿里千问 Qwen 系列的模型发布与开源更新,从旗舰大模型到能装进手机的小模型。
82 条精选近 30 天 78 条共收录 94 条
千问(Qwen)开源统一文生图与图像编辑模型 Qwen-Image-2.1,视觉生成部分采用 7B 参数与 32 层 Single-Stream DiT 结构。
推荐理由:原文给出了 7B 参数 DiT 架构与原生 RGBA、参考图编辑等能力细节,可作为对比同类图像生成模型的参考。
千问(Qwen)在 Hugging Face 开源 Qwen3.8-Flash-Next 的 FP8 量化权重,称其为 Qwen4 架构的实验性预览版本。该模型总参数 125B、激活 6B,并附带 51B n-gram embedding 与 4B MTP,原生 262,144 tokens 上下文可通过 YaRN 扩展至 1,000,000 tokens。
推荐理由:作为 Qwen4 架构的实验预览,文中给出的稀疏注意力与 N-gram 嵌入设计可与既有 MoE 路线横向对照。