アリババが70億パラメーター級オープンウェイトモデル「Qwen-Image-2.1」を公開

　Qwen-Image-2.1は視覚生成コンポーネントを70億パラメータに抑えた拡散トランスフォーマーを採用し、テキストエンコーダとしてQwen3-VL 8Bを組み合わせている。最大の特徴は64チャンネルのRGBAオートエンコーダを組み込んだ点で、これまで外部ツールに頼っていた背景の切り抜き作業を不要にし、モデル単体でアルファチャンネルを含む透明背景画像を直接生成および編集できる。

　透過レイヤー内の文字の書き換えや、写真から被写体のみを抽出して透過画像として保存する処理も1回の推論で完結する。 画像編集機能では、最大10枚の参照画像を同時に読み込んで合成することが可能になった。個別に撮影された人物写真を統合して1枚の集合写真を生成する処理や、モデルの画像に複数の衣服や小物を組み合わせる仮想試着などを、空間配置や照明を調整しながら実行できる。

　自社の評価指標であるQwen-Image-Benchでは60.28点を記録し、一部のクローズドモデルを上回る性能を示した。 本モデルの実利用において関心を集めているのが提供ライセンスの変更である。過去のQwen-Imageおよび2.0モデルは商用利用や改変を広く認めるApache 2.0ライセンスで提供されていたが、Qwen-Image-2.1には独自のQwen Research License Agreementが適用された。

　これにより全世界で無償での利用や改変が許可されるのは研究および技術評価の目的に限定される。生成物を商用プロダクトや有料サービスに組み込んで利益を得る場合は、アリババの担当窓口に個別に申請して有償の商業ライセンスを取得する必要がある。オープンウェイトモデルでありながら用途が制限されるライセンスへの移行は開発元の権利保護を優先した戦略とみられ、商用アプリケーションへの導入を検討する企業には新たな手続きが求められる。