Den 20. september 2026 udgav Qwen-teamet hos Alibaba [Qwen-Image-2.1](https://qwen.ai/blog?id=qwen-image-2.1) som open source. Det er en billedmodel på 7B parametre, der både kan generere og redigere i én arbejdsgang. Den håndterer op til 10 referencebilleder og fremhæver [virtuel prøvning](/glossary/virtual-try-on) som et centralt anvendelsesområde.
Vi testede den på de otte par med person og tøj, vi bruger til alle motorer, og sammenlignede den med Googles model til virtuel prøvning på Vertex AI, som er et af de mest udbredte kommercielle valg. Samme billeder, samme prompt-opsætning, ingen finjustering.
## Hvad er Qwen-Image-2.1?
Qwen-Image-2.1 erstatter tre tidligere modeller (Qwen-Image til generering, Qwen-Image-Edit til redigering, Qwen-Image-Layered til gennemsigtighed) med én samlet model.
- **7B parametre** i genereringsdelen (32 enkeltstrengede DiT-lag). Qwen3-VL 8B aflæser prompten og input-billederne.
- **Op til 10 referencebilleder** i én redigering. Fra udgivelsessiden: "Til virtuel prøvning kan fem inputs (en model, tøj, sko, en taske og en hat) kombineres til et komplet outfit."
- **Lokal redigering.** Indkreds et område, mal over det, eller brug en separat maske, så er det kun dét område, der ændres.
- **Nøjagtighed for personer og produkter** er et udtalt mål for træningen: Ansigtstræk forbliver de samme, og produktets "tekst, tekstur og form" bevares.
- **Indbygget gennemsigtighed.** RGBA-output via en prompt, og isolering af motivet fra et foto som et gennemsigtigt lag.
- **Effektiv beregning.** Input-billeder og instruktionen kodes én gang og gemmes til hvert støjreduktionstrin, så en redigering med ti referencer koster stort set det samme pr. trin som med én reference.
På teamets egen Qwen-Image-Bench scorer den 60,28 og ligger på en syvendeplads ud af 29 modeller. De seks modeller foran er lukkede (GPT Image 2.5 fører med 67,01). Blandt åbne modeller indtager den en solid førsteplads.
Dette er en selvrapporteret benchmark-test, der måler på generering frem for redigering. Vægtene er tilgængelige på Hugging Face og ModelScope med understøttelse fra dag ét i Diffusers, ComfyUI, vLLM-Omni og SGLang.
Licensen er **Qwen Research License**, altså "kun til ikke-kommercielle formål". Kommerciel brug kræver en separat aftale med Alibaba. Mere om dette længere nede.
## Virker den til virtuel prøvning?
Ja, helt uden forudgående træning (zero-shot).
Opsætning: otte par fra vores offentlige eksempler, alle med en spejl-selfie plus produktbilledet præcis som en webshop-ejer ville uploade det (et fladt produktbillede eller et foto på en model). Qwen-Image-2.1 kørte på Comfy Cloud ved 16 trin. Vertex AI blev afviklet via deres API. Begge kørte gennem samme prompt-opsætning, uden brug af LoRA eller efterbehandling. Hvert panel læses fra venstre mod højre: kundens foto, produktbillede, Qwen-Image-2.1, Google Vertex AI.
Fodboldtrøjen øverst i indlægget fungerer som tekst-test. Begge modeller fastholder sponsorens logo og klubmærket korrekt og læseligt, og ingen af dem ændrer på kundens hænder, telefon eller baggrunden.
**Hvor Qwen klarer sig bedst.** Abayaen er fotograferet på en model med et cremefarvet tørklæde. Vertex tog tørklædet med sammen med tøjet. Qwen ændrede abayaen og absolut intet andet.
**Hvor Qwen klarer sig dårligst.** Produktbilledet går til midt på læggen. Vertex fastholder denne længde, mens Qwen stopper ved knæet. Bælte, lukning og revers er korrekte på begge. Kanten forneden på lange beklædningsgenstande var den eneste konsekvente udfordring, og problemet opstod igen med en lagdelt maxikjole.
**De øvrige fem par** (en blomstret midikjole, en neonfarvet hættetrøje, en todelt sari, en maxikjole i plus-size og en brudekjole i blonder) kunne vi ikke skelne mellem. Begge bevarede sariens bluse og mønsterkant, begge ramte de rette proportioner i printet på midikjolen, og ingen af dem ændrede på ansigterne.
## Sammenligning: Qwen-Image-2.1 og Google Vertex AI til prøvning
| | Qwen-Image-2.1 på Comfy Cloud | Google Vertex AI virtuel prøvning |
|---|---|---|
| Gennemførte par | 8 af 8 | 8 af 8 |
| Mediantid pr. prøvning | 9,9 s | 9,3 s |
| Pris pr. prøvning | ca. 0,005 $ (GPU-tid) | 0,06 $ (listepris) |
| Kvalitet, side om side | 6 uafgjorte, 1 bedre, 1 dårligere | 6 uafgjorte, 1 bedre, 1 dårligere |
| Vægte | åbne, kan finjusteres | lukket API |
| Licens | kun forskning, kommerciel efter aftale | kommerciel |
Qwens tidsforbrug inkluderer ca. tre sekunders køtid på Comfy Cloud. Qwens pris afspejler alene GPU-tid for selve modellen. En komplet anmodning om prøvning indebærer også klassificering af tøjet, opbygning af prompts og kvalitetstjek.
## Hvad er hagen?
**Licens.** Qwen-Image-2.1 udgives under en *Qwen Research License Agreement*, ikke Apache 2.0 som Qwen-Image-Edit-2511. Licensfilen tillader "udelukkende ikke-kommerciel brug", defineret som forskning eller evaluering, og henviser kommercielle brugere til at anmode om en licens hos Alibaba. En prøveknap på en webshop er kommerciel brug. Hvis man hoster selv, kræver det også en aftale.
**De to udfordringer.** Længden forneden på lange kjoler og manglende sekundære dele på visse sammensatte produkter. Begge dele er systematiske fejl, hvilket er netop det, en LoRA er beregnet til at løse. Med 7B kan en adapter trænes på en enkelt GPU i løbet af nogle timer. ModelScopes DiffSynth-Studio understøtter LoRA-træning på 2.1 fra første dag, og ComfyUI indlæser adaptere via standard-noder. Træningsdata er et foto på en model sat sammen med det tilsvarende flade produktbillede, hvilket modekataloger allerede har liggende. En prompt, der specificerer tøjtype, lukning og længde, fikser størstedelen af fejlene med kanten forneden alene; en LoRA tager sig af resten.
## Hvad betyder dette for Genlook?
Qwen-Image-2.1 er den første åbne model, der på vores testsæt når samme niveau som et kommercielt prøve-API – og til en brøkdel af prisen pr. billede. Vi opgraderer Genlooks pipeline til virtuel prøvning for at anvende modellen dér, hvor den er stærkest, oven i den klassificering af tøj, prompt-opbygning og kvalitetstjek, der omgiver enhver model. Således får alle produkttyper den bedste kvalitet inden for virtuel prøvning. De to førnævnte udfordringer er det første, vi tager fat på i vores pipeline-arbejde.
For udviklere er [Genlook Try-On API](https://platform.genlook.app) ét endpoint til alle produkttyper. Én credit er lig med én prøvning, og en credit koster 0,01 $. Ingen platformsafgift, ingen brugergebyrer, intet månedligt minimumskrav, credits udløber aldrig, og nye konti starter med gratis credits. Vores [quickstart](/docs/tryon-api/quickstart) består af fire kald: opret et produkt, upload et foto, generer, hent resultatet.
## Opsummering
- **Udgivelsen:** en åben model på 7B parametre, der genererer og redigerer med op til 10 referencer, og som håndterer gennemsigtighed i én model. Den bedste åbne model på teamets benchmark-test.
- **Virtuel prøvning:** matcher Googles Vertex AI-model på 6 ud af 8 par helt uden forudgående træning. Bedre til at lade alt andet end tøjet være, men udfordres af kanten forneden på langt tøj.
- **Pris:** ca. 0,005 $ for GPU-tid pr. billede sammenlignet med 0,06 $.
- **Hagen:** kræver licens til forskningsbrug for dem, der hoster selv, og har to fejltyper, der bør kunne klares med en LoRA.
---
_[Hent en API-nøgle på platform.genlook.app](https://platform.genlook.app) for at bruge Genlooks Try-On API, eller [tilføj virtuel prøvning til din webshop](/get-started)._
<Faq>
<FaqItem
question="Kan Qwen-Image-2.1 bruges til virtuel prøvning?"
answer="Ja. Udgivelsen demonstrerer et outfit, der er sammensat af fem referencebilleder (en model, tøj, sko, en taske og en hat). På vores otte benchmark-par matchede den Googles Vertex AI-prøvemodel på seks af dem helt uden forudgående træning, med én bedre og én dårligere."
/>
<FaqItem
question="Er Qwen-Image-2.1 gratis til kommerciel brug?"
answer="Nej. Den udgives under en Qwen Research License Agreement, som begrænser anvendelsen til ikke-kommerciel forskning eller evaluering og kræver en særskilt kommerciel licens fra Alibaba. Qwen-Image-Edit-2511 er udgivet under Apache 2.0."
/>
<FaqItem
question="Hvordan klarer Qwen-Image-2.1 sig sammenlignet med Google Vertex AI til virtuel prøvning?"
answer="I vores test: 9,9 s versus 9,3 s mediantid, 8 ud af 8 gennemført for begge, seks uafgjorte ud af otte på kvalitet, og ca. 0,005 $ i GPU-tid pr. billede i forhold til Vertex' listepris på 0,06 $. Vertex er et kommercielt API; Qwen har åbne vægte under en forskningslicens."
/>
<FaqItem
question="Kan man finjustere Qwen-Image-2.1 med en LoRA?"
answer="Ja. DiffSynth-Studio på ModelScope understøtter LoRA-træning til Qwen-Image-2.1, og ComfyUI indlæser adaptere via deres standard-noder til LoRA. Med 7B parametre kan en adapter trænes på en enkelt GPU."
/>
<FaqItem
question="Hvad koster Genlook Try-On API?"
answer="Én credit er lig med én prøvning, og en credit koster 0,01 $. Ingen platformsafgift, ingen brugergebyrer og intet månedligt minimumskrav. Credits udløber aldrig, og nye konti starter med gratis credits."
/>
</Faq>
Shopify
WooCommerce