نتائج اختبار Qwen-Image-2.1 في تجربة الملابس الافتراضية

في 20 سبتمبر 2026، أطلق فريق Qwen في شركة علي بابا نموذج Qwen-Image-2.1 مفتوح المصدر. إنه نموذج صور بـ 7 مليارات معلمة يُولّد ويُعدّل في مسار واحد، ويستوعب حتى 10 صور مرجعية، ويحدد التجربة الافتراضية للملابس كأحد استخداماته الأساسية.

لقد اختبرناه على نفس الأزواج الثمانية (شخص وقطعة ملابس) التي نستخدمها لتقييم أي محرك، ووضعناه وجهًا لوجه أمام نموذج التجربة الافتراضية Vertex AI من جوجل، والذي يُعد من أشهر الخيارات التجارية. نفس الصور، نفس مسار الأوامر، وبدون أي تدريب دقيق (fine-tuning).

ما هو Qwen-Image-2.1؟

يحل Qwen-Image-2.1 محل ثلاثة نماذج سابقة (Qwen-Image للتوليد، Qwen-Image-Edit للتعديل، وQwen-Image-Layered للشفافية) بنموذج واحد متكامل.

• 7 مليارات معلمة في مكوّن التوليد (32 طبقة DiT أحادية المسار). يتولى Qwen3-VL 8B قراءة الأوامر النصية والصور المدخلة.
• حتى 10 صور مرجعية في التعديل الواحد. كما جاء في صفحة الإصدار: "بالنسبة للتجربة الافتراضية للملابس، يمكن دمج خمس مدخلات (عارض، ملابس، حذاء، حقيبة، وقبعة) للحصول على إطلالة كاملة."
• التعديل الموضعي (Region editing). ارسم دائرة حول منطقة، أو لوّنها، أو مرر قناعًا منفصلًا، وسيتم تغيير تلك المنطقة فقط.
• الدقة العالية للأشخاص والمنتجات هي هدف معلن للتدريب: تظل الوجوه كما هي عبر التعديلات، ويتم الحفاظ على "نصوص، وملمس، وشكل" المنتجات.
• شفافية أصلية. مخرجات RGBA من أمر نصي، وعزل العنصر الأساسي من صورة كطبقة شفافة.
• استدلال فعّال. يتم ترميز الصور المدخلة والتعليمات مرة واحدة وتُخزن مؤقتًا لكل خطوة إزالة تشويش، لذا فإن التعديل بـ 10 صور مرجعية يكلف تقريبًا نفس تكلفة التعديل بصورة واحدة لكل خطوة.

في اختبار Qwen-Image-Bench الخاص بالفريق، سجل النموذج 60.28، ليحتل المركز السابع من بين 29 نموذجًا. النماذج الستة التي تسبقه مغلقة المصدر (يتصدرها GPT Image 2.5 بنتيجة 67.01). أما بين النماذج مفتوحة الأوزان، فهو يحتل المركز الأول بفارق كبير.

هذا تقييم ذاتي ويقيس التوليد وليس التعديل. الأوزان متاحة على Hugging Face وModelScope، مع دعم فوري من اليوم الأول في Diffusers، وComfyUI، وvLLM-Omni، وSGLang.

الترخيص هو ترخيص Qwen للأبحاث، "للأغراض غير التجارية فقط". الاستخدام التجاري يتطلب اتفاقية منفصلة مع علي بابا. المزيد من التفاصيل أدناه.

هل يصلح لتجربة الملابس الافتراضية؟

نعم، مباشرة بدون تدريب مسبق (zero-shot).

الإعداد: ثمانية أزواج من أمثلة التجربة الافتراضية العامة لدينا، كل منها يتكون من صورة سيلفي في المرآة بالإضافة إلى صورة المنتج كما يرفعها التاجر (صورة مسطحة أو صورة على عارض). تم تشغيل Qwen-Image-2.1 على Comfy Cloud بـ 16 خطوة. بينما تم تشغيل Vertex AI عبر واجهة برمجة التطبيقات الخاصة به. كلاهما مر بنفس مسار الأوامر، بدون LoRA وبدون معالجة لاحقة. تُقرأ كل لوحة من اليمين لليسار: صورة المتسوق، صورة المنتج، Qwen-Image-2.1، وGoogle Vertex AI.

قميص كرة القدم في أعلى المقال هو اختبار للنصوص. نجح كلا النموذجين في الحفاظ على وضوح شعار الراعي وشعار النادي في مكانهما، ولم يُغيّر أي منهما يدي المتسوق أو هاتفه أو الخلفية.

أين يتفوق Qwen. تم تصوير العباءة على عارضة ترتدي وشاحًا كريميًا. قام Vertex بنقل الوشاح مع الملابس. بينما قام Qwen بتغيير العباءة فقط ولم يضف أي شيء آخر.

أين يتأخر Qwen. طول المنتج في الصورة المسطحة يصل لمنتصف الساق. حافظ Vertex على هذا الطول، بينما توقف Qwen عند الركبة. الحزام، والإغلاق، وطيات الصدر صحيحة في كليهما. طول الحافة السفلية في الملابس الطويلة كان الخطأ المتكرر الوحيد، وظهر مرة أخرى في فستان طويل بطبقات.

الأزواج الخمسة الأخرى (فستان ميدي مورد، هودي نيون، ساري من قطعتين، فستان ماكسي بمقاس كبير، وفستان زفاف من الدانتيل) لم نتمكن من التفرقة بينها. كلاهما نقل بلوزة الساري وحوافه، وكلاهما أتقن مقاس النقشة على الفستان الميدي، ولم يغير أي منهما الوجه.

Qwen-Image-2.1 مقابل Google Vertex AI في التجربة الافتراضية

يشمل وقت Qwen حوالي ثلاث ثوانٍ من الانتظار في طابور Comfy Cloud. تكلفة Qwen هي لوقت GPU للنموذج فقط؛ طلب التجربة الكامل يتضمن أيضًا تصنيف الملابس، وبناء الأوامر، وفحوصات الجودة.

التفاصيل المخفية

الترخيص. يأتي Qwen-Image-2.1 بموجب اتفاقية ترخيص Qwen للأبحاث، وليس Apache 2.0 مثل Qwen-Image-Edit-2511. ملف الترخيص يمنح الاستخدام "للأغراض غير التجارية فقط"، والمحددة كأبحاث أو تقييم، ويُوجّه المستخدمين التجاريين لطلب ترخيص من علي بابا. وجود زر تجربة الملابس في متجر يُعد استخدامًا تجاريًا. والاستضافة الذاتية تتطلب هذا الاتفاق.

الخطآن. طول الحافة السفلية في الملابس الطويلة، وتجاهل القطع الثانوية في بعض المنتجات متعددة الأجزاء. كلاهما أخطاء منتظمة، وهذا بالضبط ما صُمم LoRA لحله. مع 7 مليارات معلمة، يمكن تدريب محول (adapter) على وحدة GPU واحدة في غضون ساعات. يدعم DiffSynth-Studio من ModelScope تدريب LoRA على إصدار 2.1 منذ اليوم الأول، وتقوم ComfyUI بتحميل المحولات عبر عُقدها القياسية. بيانات التدريب عبارة عن صورة للمنتج على عارض مقترنة بصورة مسطحة مطابقة، وهو ما تمتلكه كتالوجات الأزياء بالفعل. استخدام أمر نصي يحدد فئة الملابس، ونوع الإغلاق، والطول يحل معظم مشاكل طول الحافة السفلية بمفرده؛ ويتكفل LoRA بالباقي.

ما يعنيه هذا لـ Genlook

يُعد Qwen-Image-2.1 أول نموذج مفتوح المصدر يصل إلى التكافؤ مع واجهة برمجة تجارية لتجربة الملابس على أزواجنا الاختبارية، وبجزء بسيط من تكلفة الصورة الواحدة. نحن نعمل على ترقية مسار تجربة الملابس في Genlook لاستخدامه في الحالات التي يتفوق فيها، إلى جانب تصنيف الملابس، وبناء الأوامر، وفحوصات الجودة التي تحيط بأي نموذج، بحيث يحصل كل نوع من المنتجات على أفضل جودة ممكنة لتجربة الملابس. الخطآن المذكوران أعلاه هما أول ما تستهدفه ترقيات مسار العمل لدينا.

بالنسبة للمطورين، توفر واجهة برمجة تطبيقات التجربة الافتراضية من Genlook نقطة اتصال واحدة (endpoint) لجميع أنواع المنتجات. الرصيد الواحد يعادل تجربة واحدة، وتكلفة الرصيد 0.01 دولار. لا توجد رسوم منصة، ولا رسوم مستخدمين، ولا حد أدنى شهري، والأرصدة لا تنتهي صلاحيتها، والحسابات الجديدة تبدأ بأرصدة مجانية. دليل البدء السريع يتكون من أربع مكالمات فقط: إنشاء منتج، رفع صورة، التوليد، وجلب النتيجة.

الخلاصة

• الإصدار: نموذج بـ 7 مليارات معلمة مفتوح الأوزان يُولّد، ويُعدّل باستخدام ما يصل إلى 10 صور مرجعية، ويتعامل مع الشفافية في نموذج واحد متكامل. وهو أفضل نموذج مفتوح المصدر في تقييم الفريق.
• في تجربة الملابس: يُعادل نموذج Vertex AI من جوجل في 6 من أصل 8 أزواج اختبارية بدون تدريب مسبق. يتفوق في عدم العبث بالعناصر غير المتعلقة بالملابس، ويتأخر في ضبط طول الحافة السفلية للملابس الطويلة.
• التكلفة: حوالي 0.005$ من وقت GPU لكل صورة مقابل 0.06$.
• التفاصيل المخفية: ترخيص للأبحاث فقط للمستضيفين الذاتيين، وخطآن يمكن إصلاحهما باستخدام LoRA.

احصل على مفتاح API من platform.genlook.app لاستخدام واجهة برمجة تطبيقات التجربة الافتراضية من Genlook، أو أضف التجربة الافتراضية لمتجرك.