Alibaba'daki Qwen ekibi, 20 Eylül 2026'da [Qwen-Image-2.1](https://qwen.ai/blog?id=qwen-image-2.1) modelini açık kaynak olarak yayınladı. Tek bir işlem hattında hem görsel üreten hem de düzenleyen bu 7 milyar parametreli görüntü modeli, 10'a kadar referans görseli işleyebiliyor ve hedef kullanım alanı olarak [sanal kabini](/glossary/virtual-try-on) (virtual try-on) öne çıkarıyor.
Her yapay zeka motoru için standart olarak kullandığımız sekiz kişi ve kıyafet çifti üzerinde bu modeli, ticari alanda en yaygın seçeneklerden biri olan Google'ın Vertex AI sanal kabin modeliyle yan yana test ettik. İki model de aynı fotoğraflarla, aynı komut zinciriyle ve herhangi bir ince ayar yapılmadan çalıştırıldı.
## Qwen-Image-2.1 nedir?
Qwen-Image-2.1; üretim için Qwen-Image, düzenleme için Qwen-Image-Edit ve şeffaflık için Qwen-Image-Layered olmak üzere üç eski modelin yerini alarak hepsini tek bir ağırlık dosyasında (checkpoint) birleştiriyor.
- **Üretim bileşeninde 7 milyar parametre** (32 tek akışlı DiT katmanı). Komutu ve girdi görsellerini okuma işini ise Qwen3-VL 8B üstleniyor.
- **Tek düzenlemede 10'a kadar referans görsel.** Sürüm notlarına göre: "sanal kabin uygulamasında; model, kıyafet, ayakkabı, çanta ve şapka gibi beş farklı girdi bir araya getirilerek eksiksiz bir kombin oluşturulabiliyor."
- **Bölgesel düzenleme.** Bir alanı daire içine alın, üzerini boyayın veya ayrı bir maske tanımlayın; model yalnızca o bölgeyi değiştiriyor.
- **İnsanlar ve ürünler için aslına sadakat** temel bir eğitim hedefi olarak belirtilmiş: düzenlemeler sırasında yüzler değişmiyor, ürünün "metin, doku ve şekli" aynen korunuyor.
- **Doğal şeffaflık desteği.** Metin komutuyla RGBA formatında çıktı verebiliyor ve bir fotoğraftaki özneyi arka planından ayırarak şeffaf bir katman olarak çıkarabiliyor.
- **Verimli çıkarım (inference).** Girdi görselleri ve talimatlar sadece bir kez kodlanıp (encode) her gürültü giderme (denoising) adımı için önbelleğe alınıyor. Böylece on referanslı bir düzenlemenin adım başı maliyeti, tek referanslı bir işlemle neredeyse aynı oluyor.
Ekibin kendi hazırladığı Qwen-Image-Bench testinde 60,28 puan alarak 29 model arasında yedinci sıraya yerleşiyor. Önündeki altı model ise kapalı kaynak (GPT Image 2.5, 67,01 ile lider). Ancak açık ağırlıklı modeller arasında açık ara birinci konumda.
Elbette bunun modelin kendi geliştiricileri tarafından raporlanan bir test olduğunu ve düzenlemeyi değil, sıfırdan üretimi ölçtüğünü belirtmekte fayda var. Ağırlıklar Hugging Face ve ModelScope'ta mevcut; Diffusers, ComfyUI, vLLM-Omni ve SGLang'de de ilk günden itibaren destekleniyor.
Ancak bir detay var: Lisans. Model **Qwen Research License** ile "yalnızca ticari olmayan amaçlar için" kullanıma sunuluyor. Ticari kullanım için Alibaba ile ayrı bir anlaşma yapılması gerekiyor. Detayları aşağıda ele alacağız.
## Sanal kabin için gerçekten işe yarıyor mu?
Evet, hem de "zero-shot" (hiçbir ön eğitim olmadan) olarak.
Kurulum: Herkese açık sanal kabin örneklerimizden sekiz çift seçtik. Her bir çift; bir aynalı selfie ve bir satıcının yükleyeceği türden (düz bir çekim veya manken üzerinde) ürün fotoğrafından oluşuyordu. Qwen-Image-2.1, Comfy Cloud üzerinde 16 adımda çalıştırıldı. Vertex AI ise kendi API'si üzerinden kullanıldı. Her iki model de aynı komut işlem hattından geçti; hiçbir LoRA eklentisi veya post-prodüksiyon (işlem sonrası) hilesi uygulanmadı. Aşağıdaki görsellerde sırasıyla müşteri fotoğrafı, ürün görseli, Qwen-Image-2.1 sonucu ve Google Vertex AI sonucunu görebilirsiniz.
Yazının başındaki futbol forması, modellerin metin işleme becerisini sınıyor. Her iki model de sponsor logosunu ve armayı okunabilir bir şekilde doğru yerde tutmayı başardı. Müşterinin ellerinde, telefonunda veya arka planda hiçbir bozulma yaşanmadı.
**Qwen'in daha iyi olduğu nokta.** Abaya, krem rengi bir eşarp takan bir manken üzerinde fotoğraflanmış. Vertex, kıyafetle birlikte eşarbı da müşteriye giydirdi. Qwen ise sadece abayayı değiştirip geri kalan hiçbir şeye dokunmadı.
**Qwen'in geride kaldığı nokta.** Ürün çekimindeki trençkot baldır ortası hizasında. Vertex bu boyu korurken, Qwen diz hizasında bitirmiş. Kemer, düğme yapısı ve yakalar her ikisinde de doğru. Uzun kıyafetlerdeki etek ucu uzunluğu, Qwen'in tutarlı bir şekilde ıskaladığı tek noktaydı ve aynı durum katlı bir maksi elbisede de karşımıza çıktı.
**Geri kalan beş çiftte** (çiçekli bir midi elbise, neon bir kapüşonlu, iki parçalı bir sari, büyük beden bir maksi elbise ve dantelli bir gelinlik) iki modeli birbirinden ayırmak imkansızdı. Her iki model de sarinin bluzunu ve kenar işlemelerini başarıyla aktardı, midi elbisenin desen ölçeğini doğru tutturdu ve yüzlerde hiçbir bozulmaya yol açmadı.
## Karşılaştırma: Qwen-Image-2.1 ve Google Vertex AI
| | Qwen-Image-2.1 (Comfy Cloud üzerinde) | Google Vertex AI sanal kabin |
|---|---|---|
| Tamamlanan çift | 8 / 8 | 8 / 8 |
| Deneme başına medyan süre | 9,9 sn | 9,3 sn |
| Deneme başına maliyet | yaklaşık 0,005 $ (GPU süresi) | 0,06 $ (liste fiyatı) |
| Kalite (yan yana) | 6 beraberlik, 1 daha iyi, 1 daha kötü | 6 beraberlik, 1 daha iyi, 1 daha kötü |
| Ağırlıklar | açık, ince ayar (fine-tune) yapılabilir | kapalı API |
| Lisans | sadece araştırma, anlaşma ile ticari | ticari |
Qwen'in süresine Comfy Cloud'daki yaklaşık üç saniyelik kuyruk bekleme süresi de dahildir. Qwen'in maliyeti yalnızca modelin kullandığı GPU süresini yansıtıyor; tam bir sanal kabin isteği aynı zamanda kıyafet sınıflandırması, komut oluşturma ve kalite kontrollerini de içeriyor.
## İşin aslı: Nelere dikkat etmeli?
**Lisans.** Qwen-Image-2.1, Qwen-Image-Edit-2511'in aksine Apache 2.0 ile değil, Qwen Research License Agreement altında sunuluyor. Lisans dosyası, kullanımı "yalnızca ticari olmayan amaçlar" (araştırma veya değerlendirme olarak tanımlanmış) ile sınırlandırıyor ve ticari kullanıcıları lisans almak için Alibaba'ya yönlendiriyor. E-ticaret sitenize bir "üzerimde gör" butonu eklemek ticari kullanıma giriyor. Kendi sunucunuzda (self-host) barındırsanız bile bu anlaşmayı yapmanız şart.
**İki eksik nokta.** Uzun giysilerde etek ucu uzunluğunun tutturulamaması ve çok parçalı ürünlerde bazı ikincil parçaların yok sayılması. İkisi de sistemsel sorunlar ve tam da bu yüzden LoRA'lar var. 7 milyar parametrede bir adaptör, tek bir GPU'da saatler içinde eğitilebilir. ModelScope'un DiffSynth-Studio'su, ilk günden itibaren 2.1 sürümü için LoRA eğitimini destekliyor; ComfyUI da adaptörleri standart düğümleri üzerinden kolayca yüklüyor. Eğitim verisi, bir manken fotoğrafı ile onunla eşleşen ürün çekiminden oluşuyor ki moda katalogları zaten bu görsellere sahip. Kıyafetin kategorisini, kapanış şeklini ve uzunluğunu belirten iyi bir metin komutu, etek ucu sorunlarının çoğunu tek başına çözerken; geri kalanı için de bir LoRA devreye girerek işi toparlayacaktır.
## Bu durum Genlook için ne anlama geliyor?
Qwen-Image-2.1, görsel başına çok daha düşük bir maliyetle, test ettiğimiz çiftlerde ticari bir sanal kabin API'si ile aynı seviyeye ulaşabilen ilk açık kaynak model. Genlook sanal kabin işlem hattımızı, her modelin etrafında çalışan kıyafet sınıflandırması, komut oluşturma ve kalite kontrolleri altyapımızın üzerinde, daha güçlü olduğu noktalarda Qwen'i kullanacak şekilde güncelliyoruz. Böylece her ürün tipi için her zaman en iyi sanal kabin kalitesi sunulacak. Yukarıda bahsettiğimiz iki eksik nokta, geliştirme sürecimizin ilk hedefleri arasında yer alıyor.
Geliştiriciler için [Genlook Try-On API](https://platform.genlook.app), her ürün tipi için tek bir uç nokta (endpoint) sunuyor. Bir kredi bir sanal denemeye eşittir ve bir kredinin maliyeti 0,01 dolardır. Platform ücreti, kullanıcı lisans bedeli veya aylık minimum kullanım zorunluluğu yok. Kredilerin süresi dolmuyor ve yeni hesaplara ücretsiz başlangıç kredisi tanımlanıyor. [Hızlı başlangıç rehberi (quickstart)](/docs/tryon-api/quickstart) sadece dört adımdan oluşuyor: ürün oluştur, fotoğraf yükle, sonuç üret ve sonucu al.
## Özet
- **Yeni sürüm:** Tek bir ağırlık dosyasında görsel üreten, 10'a kadar referansla düzenleme yapan ve şeffaflığı yöneten 7 milyar parametreli açık ağırlıklı bir model. Ekibin kendi testlerinde en iyi açık kaynak model olarak öne çıkıyor.
- **Sanal kabin performansı:** Herhangi bir özel eğitim olmadan (zero-shot), 8 örneğin 6'sında Google'ın Vertex AI modeliyle başa baş. Kıyafet dışındaki nesnelere dokunmama konusunda daha başarılı; ancak uzun kıyafetlerin etek boyu konusunda geride kalıyor.
- **Maliyet:** Görsel başına yaklaşık 0,005 dolar GPU maliyeti (Vertex AI'daki 0,06 dolara kıyasla).
- **Dikkat edilmesi gerekenler:** Kendi sunucusunda barındıracaklar için sadece araştırma amaçlı lisans kısıtlaması ve bir LoRA ile kolayca çözülebilecek iki tutarlılık sorunu.
---
_Genlook Try-On API'yi kullanmak için [platform.genlook.app adresinden bir API anahtarı alın](https://platform.genlook.app) veya [sanal kabini hemen mağazanıza ekleyin](/get-started)._
<Faq>
<FaqItem
question="Qwen-Image-2.1 sanal kabin için kullanılabilir mi?"
answer="Evet. Sürüm notlarında, beş referans görselinden (model, kıyafet, ayakkabı, çanta ve şapka) oluşturulan bir kombin örneği yer alıyor. Yaptığımız sekiz örneklik benchmark testimizde, Google'ın Vertex AI sanal kabin modeliyle yarıştı; altısında aynı performansı gösterirken, birinde daha iyi, diğerinde ise daha kötü sonuç verdi."
/>
<FaqItem
question="Qwen-Image-2.1 ticari kullanıma ücretsiz olarak açık mı?"
answer="Hayır. Model, Qwen Research License Agreement altında yayınlandı. Bu lisans, kullanımı yalnızca ticari olmayan araştırma veya değerlendirme ile sınırlandırıyor. Ticari kullanım için Alibaba'dan ayrı bir lisans alınması zorunlu. Ancak önceki sürüm olan Qwen-Image-Edit-2511, Apache 2.0 lisansına sahip."
/>
<FaqItem
question="Qwen-Image-2.1, Google Vertex AI sanal kabin modeli ile karşılaştırıldığında nasıl bir performans sergiliyor?"
answer="Testlerimizde; işlem süresi medyan 9,3 saniyeye karşı 9,9 saniye sürdü. Her iki model de 8 isteğin 8'ini başarıyla tamamladı ve kalite açısından 8 denemenin 6'sında berabere kaldılar. Maliyet açısından ise Vertex'in 0,06 dolarlık liste fiyatına karşılık, Qwen görsel başına yaklaşık 0,005 dolar GPU süresi harcadı. Unutmamak gerekir ki Vertex ticari bir API iken, Qwen araştırma lisanslı açık ağırlıklı bir modeldir."
/>
<FaqItem
question="Qwen-Image-2.1'e LoRA ile ince ayar (fine-tune) yapılabilir mi?"
answer="Evet. ModelScope üzerindeki DiffSynth-Studio, Qwen-Image-2.1 için LoRA eğitimini destekliyor ve ComfyUI, adaptörleri standart LoRA düğümleri aracılığıyla sorunsuz yüklüyor. 7 milyar parametre sayesinde, bir adaptör tek bir GPU üzerinde eğitilebiliyor."
/>
<FaqItem
question="Genlook Try-On API'nin fiyatlandırması nasıl?"
answer="Bir kredi, bir sanal deneme (try-on) anlamına gelir ve her bir kredi 0,01 dolardır. Platform ücreti, kullanıcı bazlı lisans (seat) ücreti veya aylık minimum kullanım zorunluluğu yoktur. Satın alınan kredilerin süresi asla dolmaz ve yeni açılan her hesaba ücretsiz başlangıç kredisi tanımlanır."
/>
</Faq>
Shopify
WooCommerce