20 вересня 2026 року команда Qwen з Alibaba випустила у відкритий доступ [Qwen-Image-2.1](https://qwen.ai/blog?id=qwen-image-2.1). Це модель для роботи із зображеннями на 7 млрд параметрів, яка генерує та редагує в межах одного конвеєра, підтримує до 10 референсних зображень і позиціонується зокрема для [віртуальної примірочної](/glossary/virtual-try-on).
Ми протестували її на восьми парах «модель-одяг», які використовуємо для перевірки всіх рушіїв. Для порівняння взяли модель віртуальної примірки Google Vertex AI — одне з найпопулярніших комерційних рішень. Ті ж фотографії, та ж послідовність промптів, жодного донавчання.
## Що таке Qwen-Image-2.1?
Qwen-Image-2.1 замінює три попередні моделі (Qwen-Image для генерації, Qwen-Image-Edit для редагування, Qwen-Image-Layered для прозорості) одним чекпоінтом.
- **7 млрд параметрів** у генеративному компоненті (32 однопотокові шари DiT). Qwen3-VL 8B зчитує промпт та вхідні зображення.
- **До 10 референсних зображень** за одне редагування. Цитата з релізу: «Для віртуальної примірочної можна поєднати п'ять елементів (модель, одяг, взуття, сумку та капелюх), щоб створити повноцінний образ».
- **Редагування окремих ділянок.** Виділіть ділянку, замалюйте її або додайте окрему маску, і зміниться лише ця область.
- **Точність відтворення людей і товарів** — це заявлена мета навчання: обличчя залишаються незмінними після редагування, а «текст, текстури та форма» товару зберігаються.
- **Вбудована підтримка прозорості.** Вивід RGBA за промптом і вирізання об'єкта з фото у вигляді прозорого шару.
- **Ефективний інференс.** Вхідні зображення та інструкції кодуються один раз і кешуються для кожного кроку денойзингу. Тому редагування з десятьма референсами коштує приблизно стільки ж за крок, скільки й з одним.
У власному бенчмарку команди Qwen-Image-Bench модель набирає 60.28 бала, посідаючи сьоме місце серед 29 моделей. Шість лідерів — закриті (GPT Image 2.5 на першому місці з 67.01). Серед моделей із відкритими вагами вона лідирує з великим відривом.
Варто зазначити, що це внутрішній бенчмарк розробників, і він вимірює генерацію, а не редагування. Ваги доступні на Hugging Face та ModelScope, з першого дня підтримуються Diffusers, ComfyUI, vLLM-Omni та SGLang.
Ліцензія — **Qwen Research License**, «лише для некомерційного використання». Для комерційного використання потрібна окрема угода з Alibaba. Детальніше про це нижче.
## Чи підходить це для віртуальної примірочної?
Так, працює «з коробки» (zero-shot).
Налаштування: вісім пар з наших публічних прикладів примірки. Кожна пара — це селфі в дзеркалі плюс зображення товару у такому вигляді, як його завантажує продавець (пакшот у розкладці або фото на моделі). Qwen-Image-2.1 працювала на Comfy Cloud у 16 кроків. Vertex AI працювала через API. Обидві пройшли через однаковий конвеєр промптів, без LoRA та постобробки. На кожному зображенні зліва направо: фото покупця, зображення товару, Qwen-Image-2.1, Google Vertex AI.
Футбольна форма на початку статті — це тест на текст. Обидві моделі зберегли логотип спонсора та емблему читабельними і на своїх місцях, і жодна не змінила руки, телефон чи фон покупця.
**Де Qwen впоралася краще.** Абайя сфотографована на моделі в кремовому шарфі. Vertex переніс шарф разом із одягом. Qwen змінила лише абайю.
**Де Qwen впоралася гірше.** На пакшоті тренч до середини ікри. Vertex зберігає цю довжину, Qwen вкорочує до коліна. Пояс, застібка та лацкани відтворені правильно в обох випадках. Довжина подолу на довгому одязі стала єдиним систематичним недоліком, який повторився і на багатоярусній сукні максі.
**Інші п'ять пар** (міді з квітковим принтом, неонове худі, сарі з двох частин, максі розміру плюс-сайз, мереживна весільна сукня) відрізнити було неможливо. Обидві моделі зберегли блузу та кайму сарі, обидві правильно масштабували принт на сукні міді, жодна не спотворила обличчя.
## Qwen-Image-2.1 проти Google Vertex AI
| | Qwen-Image-2.1 на Comfy Cloud | Google Vertex AI virtual try-on |
|---|---|---|
| Успішних пар | 8 з 8 | 8 з 8 |
| Медіанний час на примірку | 9.9 с | 9.3 с |
| Вартість примірки | приблизно $0.005 (час GPU) | $0.06 (прайсова ціна) |
| Якість (у порівнянні) | 6 нічиїх, 1 краще, 1 гірше | 6 нічиїх, 1 краще, 1 гірше |
| Ваги | відкриті, можна донавчати | закритий API |
| Ліцензія | лише для досліджень, комерція за згодою | комерційна |
Час Qwen включає приблизно три секунди в черзі на Comfy Cloud. Вартість Qwen — це лише час роботи GPU для моделі; повний запит на примірку також включає класифікацію одягу, створення промпту та перевірку якості.
## У чому підступ
**Ліцензія.** Qwen-Image-2.1 поширюється за ліцензією Qwen Research License Agreement, а не Apache 2.0, як Qwen-Image-Edit-2511. Файл ліцензії дозволяє використання «виключно в некомерційних цілях» (дослідження чи тестування). Для комерційного використання потрібно отримувати ліцензію від Alibaba. Кнопка «Приміряти» в магазині — це комерційне використання. Селфхостинг потребує такої угоди.
**Два недоліки.** Довжина подолу на довгому одязі та ігнорування другорядних елементів на деяких товарах, що складаються з кількох частин. Обидві проблеми систематичні — саме для цього потрібна LoRA. При 7 млрд параметрів адаптер тренується на одному GPU за лічені години. DiffSynth-Studio від ModelScope підтримує навчання LoRA для 2.1 з першого дня, а ComfyUI завантажує адаптери через стандартні ноди. Дані для навчання — це фото на моделі в парі з відповідним пакшотом, які вже є в каталогах модного одягу. Промпт із зазначенням категорії одягу, застібки та довжини сам по собі вирішує більшість проблем із подолом; решту закриває LoRA.
## Що це означає для Genlook
Qwen-Image-2.1 — це перша відкрита модель, яка досягла паритету з комерційним API для примірки на наших тестах, причому за частку вартості. Ми оновлюємо конвеєр Genlook, щоб використовувати її там, де вона сильніша, додатково до класифікації одягу, побудови промпту та перевірки якості, які ми застосовуємо до будь-якої моделі. Так ми забезпечуємо найкращу якість примірки для кожного типу товару. Два згадані недоліки — це перше, над чим ми працюватимемо в нашому конвеєрі.
Для розробників, [Genlook Try-On API](https://platform.genlook.app) — це єдиний ендпоінт для будь-якого типу товару. Один кредит = одна примірка. Кредит коштує $0.01. Немає плати за платформу, ліцензій за користувача чи мінімального щомісячного платежу. Кредити не згоряють, а нові акаунти отримують безкоштовні кредити на старті. Наш [швидкий старт](/docs/tryon-api/quickstart) складається з чотирьох запитів: створення товару, завантаження фото, генерація та отримання результату.
## Підсумки
- **Реліз:** відкрита модель на 7 млрд параметрів, яка генерує, редагує з використанням до 10 референсів і працює з прозорістю в межах одного чекпоінту. Найкраща відкрита модель за бенчмарком розробників.
- **Для віртуальної примірки:** не поступається моделі Google Vertex AI у 6 з 8 випадків без додаткового навчання. Краще зберігає речі, які не є одягом, але гірше справляється з довжиною подолу довгого одягу.
- **Вартість:** приблизно $0.005 за час GPU на зображення порівняно з $0.06.
- **Нюанси:** ліцензія лише для досліджень при селфхостингу та два недоліки, які має виправити LoRA.
---
_[Отримайте API-ключ на platform.genlook.app](https://platform.genlook.app) для використання Genlook Try-On API або [додайте віртуальну примірку до свого магазину](/get-started)._
<Faq>
<FaqItem
question="Чи підходить Qwen-Image-2.1 для віртуальної примірки?"
answer="Так. У релізі показано створення образу з п'яти референсних зображень (модель, одяг, взуття, сумка та капелюх). На наших восьми тестових парах модель не поступилася віртуальній примірочній Google Vertex AI у шести випадках без донавчання (один результат був кращим, один — гіршим)."
/>
<FaqItem
question="Чи можна безкоштовно використовувати Qwen-Image-2.1 з комерційною метою?"
answer="Ні. Модель випущена за ліцензією Qwen Research License Agreement, яка обмежує використання некомерційними дослідженнями та тестуванням, і вимагає окремої комерційної ліцензії від Alibaba. Модель Qwen-Image-Edit-2511 поширюється за ліцензією Apache 2.0."
/>
<FaqItem
question="Як Qwen-Image-2.1 порівняти з віртуальною примірочною Google Vertex AI?"
answer="У нашому тесті: медіанний час 9.9 с проти 9.3 с, 8 з 8 успішних генерацій у кожної моделі, шість нічиїх за якістю та приблизно $0.005 вартості GPU на зображення проти прайсової ціни Vertex у $0.06. Vertex — це комерційний API, тоді як Qwen — відкриті ваги за дослідницькою ліцензією."
/>
<FaqItem
question="Чи можна донавчати Qwen-Image-2.1 за допомогою LoRA?"
answer="Так. DiffSynth-Studio від ModelScope підтримує навчання LoRA для Qwen-Image-2.1, а ComfyUI завантажує адаптери через стандартні ноди LoRA. При 7 млрд параметрів адаптер тренується на одному GPU."
/>
<FaqItem
question="Скільки коштує Genlook Try-On API?"
answer="Один кредит — це одна примірка. Кредит коштує $0.01. Ніякої плати за платформу, ліцензій на користувача чи мінімальних щомісячних платежів. Кредити ніколи не згоряють, а нові акаунти отримують безкоштовні стартові кредити."
/>
</Faq>
Shopify
WooCommerce