No dia 20 de setembro de 2026, a equipa Qwen da Alibaba lançou o [Qwen-Image-2.1](https://qwen.ai/blog?id=qwen-image-2.1) em código aberto. Trata-se de um modelo de imagem de 7 mil milhões de parâmetros (7B) que gera e edita num único fluxo de trabalho, suporta até 10 imagens de referência e aponta o [provador virtual](/glossary/virtual-try-on) como um dos principais casos de uso.
Testamo-lo nos oito pares de pessoa e peça de roupa que utilizamos para todos os motores, lado a lado com o modelo de provador virtual da Google no Vertex AI, uma das opções comerciais mais comuns. As mesmas fotografias, o mesmo processo de comandos, sem qualquer ajuste fino (fine-tuning).
## O que é o Qwen-Image-2.1?
O Qwen-Image-2.1 substitui três modelos anteriores (Qwen-Image para geração, Qwen-Image-Edit para edição, Qwen-Image-Layered para transparência) num único checkpoint.
- **7B de parâmetros** na componente de geração (32 camadas DiT de fluxo único). O Qwen3-VL 8B lê as instruções e as imagens de entrada.
- **Até 10 imagens de referência** numa única edição. Segundo a página de lançamento: "para o provador virtual, é possível combinar cinco elementos (um modelo, roupa, sapatos, uma mala e um chapéu) num conjunto completo."
- **Edição de regiões.** Contorne uma área, pinte sobre ela ou utilize uma máscara separada, e apenas essa zona será alterada.
- **Fidelidade de pessoas e produtos** é um objetivo declarado no treino: os rostos mantêm-se iguais entre edições, e o "texto, texturas e forma" dos produtos são preservados.
- **Transparência nativa.** Saída RGBA a partir de um comando e extração do sujeito de uma foto como uma camada transparente.
- **Inferência eficiente.** As imagens de entrada e a instrução são codificadas apenas uma vez e guardadas em cache para cada etapa de eliminação de ruído, pelo que uma edição com dez referências tem um custo por etapa muito semelhante a uma edição com apenas uma.
No próprio Qwen-Image-Bench da equipa, obtém a pontuação de 60,28, ocupando o sétimo lugar entre 29 modelos. Os seis primeiros são de código fechado (o GPT Image 2.5 lidera com 67,01). Entre os modelos de pesos abertos, é de longe o primeiro.
Esta avaliação é reportada pela própria equipa e mede a geração, não a edição. Os pesos estão disponíveis no Hugging Face e no ModelScope, com suporte desde o primeiro dia no Diffusers, ComfyUI, vLLM-Omni e SGLang.
A licença é a **Qwen Research License**, "apenas para fins não comerciais". O uso comercial exige um acordo em separado com a Alibaba. Mais detalhes abaixo.
## Funciona para o provador virtual?
Sim, em modo zero-shot (sem treino específico prévio).
Configuração: oito pares dos nossos exemplos públicos de provador, cada um composto por uma selfie ao espelho e a imagem do produto tal como o lojista a carregaria (uma fotografia plana ou num modelo). O Qwen-Image-2.1 correu na Comfy Cloud com 16 passos. O Vertex AI funcionou através da sua API. Ambos passaram pelo mesmo processo de comandos, sem LoRA e sem pós-processamento. Cada painel lê-se da esquerda para a direita: foto do cliente, imagem do produto, Qwen-Image-2.1, Google Vertex AI.
A camisola de futebol no topo do artigo é o teste de texto. Ambos os modelos mantêm a marca do patrocinador e o emblema legíveis e no sítio certo, e nenhum deles altera as mãos, o telemóvel ou o fundo do cliente.
**Onde o Qwen se sai melhor.** A abaya foi fotografada numa modelo a usar um lenço creme. O Vertex transferiu o lenço juntamente com a peça de roupa. O Qwen alterou a abaya e mais nada.
**Onde o Qwen se sai pior.** A fotografia plana tem o comprimento a meio da barriga da perna. O Vertex mantém esse comprimento, o Qwen para pelo joelho. O cinto, o fecho e as lapelas estão corretos em ambos. O comprimento da bainha em peças compridas foi a única falha constante, e voltou a surgir num vestido comprido de folhos.
**Os outros cinco pares** (um vestido midi floral, um capuz néon, um sari de duas peças, um vestido comprido plus-size, um vestido de noiva em renda) não conseguimos desempatar. Ambos mantiveram a blusa e a margem do sari, ambos acertaram na escala do padrão do vestido midi, e nenhum alterou um rosto.
## Qwen-Image-2.1 vs Google Vertex AI provador virtual
| | Qwen-Image-2.1 na Comfy Cloud | Provador virtual do Google Vertex AI |
|---|---|---|
| Pares concluídos | 8 de 8 | 8 de 8 |
| Tempo mediano por teste | 9,9 s | 9,3 s |
| Custo por teste | cerca de $0,005 (tempo de GPU) | $0,06 (preço de tabela) |
| Qualidade, lado a lado | 6 empates, 1 melhor, 1 pior | 6 empates, 1 melhor, 1 pior |
| Pesos | abertos, pode ser ajustado | API fechada |
| Licença | apenas investigação, comercial mediante acordo | comercial |
O tempo do Qwen inclui cerca de três segundos de fila de espera na Comfy Cloud. O custo do Qwen refere-se apenas ao tempo de GPU para o modelo; um pedido completo de provador também executa classificação da peça, construção da instrução e verificações de qualidade.
## As condições
**Licença.** O Qwen-Image-2.1 é distribuído ao abrigo do Acordo de Licença de Investigação Qwen (Qwen Research License Agreement), e não da licença Apache 2.0 como o Qwen-Image-Edit-2511. O ficheiro de licença permite o uso "apenas para fins não comerciais", definido como investigação ou avaliação, e orienta os utilizadores comerciais a solicitar uma licença à Alibaba. Um botão de provador numa loja online é uso comercial. O alojamento próprio (self-hosting) exige esse acordo.
**As duas falhas.** O comprimento da bainha em peças compridas, e a perda de peças secundárias em alguns produtos de várias partes. Ambas são sistemáticas, e é para isso que serve um LoRA. Com 7B, um adaptador treina numa única GPU em poucas horas. O DiffSynth-Studio da ModelScope suporta o treino de LoRA no 2.1 desde o primeiro dia e o ComfyUI carrega os adaptadores através dos seus nós padrão. Os dados de treino consistem numa foto num modelo combinada com a fotografia plana correspondente, algo que os catálogos de moda já possuem. Um comando que indique a categoria da peça, o fecho e o comprimento resolve a maioria das falhas da bainha por si só; um LoRA trata do resto.
## O que isto significa para a Genlook
O Qwen-Image-2.1 é o primeiro modelo aberto a igualar uma API de provador comercial nos nossos pares, por uma fração do custo por imagem. Estamos a atualizar o processo de provador da Genlook para o usar onde é mais forte, em conjunto com a classificação da peça, construção de instruções e verificações de qualidade que envolvem qualquer modelo, para que cada tipo de produto obtenha a melhor qualidade de provador possível. As duas falhas mencionadas são os primeiros aspetos que o trabalho no fluxo pretende resolver.
Para os programadores, a [API de Provador Genlook](https://platform.genlook.app) é um único endpoint para todos os tipos de produto. Um crédito equivale a uma prova, e custa $0,01. Sem taxa de plataforma, sem licença por utilizador, sem mínimo mensal, os créditos não expiram, e as novas contas começam com créditos gratuitos. O [início rápido](/docs/tryon-api/quickstart) consiste em quatro chamadas: criar um produto, carregar uma foto, gerar, obter o resultado.
## Resumo
- **O lançamento:** um modelo de pesos abertos de 7B que gera, edita com até 10 referências e gere a transparência num único checkpoint. O melhor modelo aberto no benchmark da equipa.
- **No provador:** iguala o modelo Vertex AI da Google em 6 de 8 pares em modo zero-shot. Melhor a não alterar elementos que não são roupa, pior no comprimento da bainha em roupas compridas.
- **Custo:** cerca de $0,005 em tempo de GPU por imagem face aos $0,06.
- **A condição:** uma licença exclusiva para investigação em caso de alojamento próprio, e duas falhas que um LoRA deverá resolver.
---
_[Obtenha uma chave de API em platform.genlook.app](https://platform.genlook.app) para utilizar a API de Provador Genlook, ou [adicione o provador virtual à sua loja](/get-started)._
<Faq>
<FaqItem
question="O Qwen-Image-2.1 consegue fazer de provador virtual?"
answer="Sim. O lançamento demonstra um conjunto criado a partir de cinco imagens de referência (um modelo, roupa, sapatos, uma mala e um chapéu). Nos nossos oito pares de teste, igualou o modelo de provador Vertex AI da Google em seis no modo zero-shot, com um melhor e um pior."
/>
<FaqItem
question="A utilização comercial do Qwen-Image-2.1 é gratuita?"
answer="Não. É lançado ao abrigo da Qwen Research License Agreement, que limita a utilização a investigação não comercial ou avaliação e requer uma licença comercial separada da Alibaba. O Qwen-Image-Edit-2511 possui licença Apache 2.0."
/>
<FaqItem
question="Como se compara o Qwen-Image-2.1 com o provador virtual do Google Vertex AI?"
answer="No nosso teste: média de 9,9 s contra 9,3 s, 8 de 8 concluídos em ambos, seis empates em oito na qualidade, e cerca de $0,005 em tempo de GPU por imagem contra o preço de tabela de $0,06 da Vertex. O Vertex é uma API comercial; o Qwen tem pesos abertos sob uma licença de investigação."
/>
<FaqItem
question="É possível afinar o Qwen-Image-2.1 com um LoRA?"
answer="Sim. O DiffSynth-Studio no ModelScope suporta o treino de LoRA para o Qwen-Image-2.1 e o ComfyUI carrega adaptadores através dos seus nós LoRA normais. Com 7B de parâmetros, um adaptador treina numa única GPU."
/>
<FaqItem
question="Quanto custa a API de Provador Genlook?"
answer="Um crédito equivale a um teste de provador e um crédito custa $0,01. Sem taxa de plataforma, sem lugares de utilizador, sem mínimo mensal. Os créditos nunca expiram e as novas contas começam com créditos gratuitos."
/>
</Faq>
Shopify
WooCommerce