El modelo de generación de imágenes Qwen-Image-2.1, lanzado por el equipo de IA de Alibaba, opera con solo 7.000 millones de parámetros en su componente visual y, según la propia compañía, supera a los principales modelos cerrados del mercado en su benchmark interno.
7.000 millones de parámetros frente a modelos propietarios de mayor escala
La cifra es el argumento central del lanzamiento. Siete mil millones de parámetros es un tamaño relativamente compacto para un modelo de generación de imágenes, lo que permite ejecutarlo en GPUs de consumo como la NVIDIA GeForce RTX 3090, una tarjeta gráfica accesible para desarrolladores individuales y estudios pequeños.
El equipo Qwen afirma que Qwen-Image-2.1 supera a la mayoría de modelos cerrados en su propio benchmark. La validación independiente aún no está disponible: los resultados de terceros están pendientes. Esa distinción importa, porque los benchmarks propios de una empresa miden lo que la empresa decide medir.
Antes de seguir: llévate las herramientas y prompts listos para usar, GRATIS. Probados uno a uno y ordenadas por la tarea que quieres resolver: vídeo, imagen, voz, escribir, automatizar tu negocio, clientes, web. Es gratis y la lista crece cada semana.
Entras también en el boletín semanal de La Prensa IA. Te das de baja cuando quieras, con una palabra.
La arquitectura incorpora cambios de ingeniería orientados al rendimiento: reutilización de caché KV para acelerar la inferencia, especialmente cuando el modelo procesa múltiples imágenes de referencia a la vez. El equipo Qwen señala que esta optimización reduce los tiempos de cómputo en los casos de uso más exigentes.
Edición de capas RGBA y hasta diez imágenes de referencia simultáneas
Una de las capacidades más concretas del modelo es la generación y edición nativa de imágenes con transparencia, es decir, en formato RGBA. Esto permite aislar objetos del fondo o modificar texto sobre capas transparentes sin necesidad de herramientas externas de composición.
El modelo admite hasta diez imágenes de referencia en una sola llamada. El equipo Qwen ilustra este caso con retratos de grupo: el sistema ensambla una imagen conjunta a partir de fotografías individuales de cada persona. El mismo mecanismo se aplica a pruebas virtuales de ropa o al diseño de interiores con muebles de referencia.
Las ediciones locales se guían mediante círculos, máscaras o marcas pintadas directamente sobre la imagen. El usuario señala la zona que quiere modificar y el modelo actúa solo sobre esa región, sin alterar el resto de la composición.
Licencia de investigación: el límite que separa al desarrollador individual de la empresa
Qwen-Image-2.1 está disponible en Hugging Face, GitHub y ModelScope, con una demo pública en Hugging Face. El acceso al modelo es abierto en pesos, lo que significa que cualquiera puede descargarlo, inspeccionarlo y ejecutarlo localmente.
Sin embargo, la licencia de investigación prohíbe el uso comercial. Las empresas que quieran integrarlo en productos o servicios deben solicitar a Alibaba una licencia separada. Este esquema, habitual en modelos de código abierto con restricciones comerciales, sitúa a Qwen-Image-2.1 en una posición diferente a la de modelos verdaderamente libres como los publicados bajo licencia Apache 2.0.
Para un desarrollador independiente o un equipo de investigación, el modelo es de acceso inmediato. Para una empresa que quiera usarlo en producción, el paso adicional es una negociación con Alibaba.
Qué puede hacer con Qwen-Image-2.1 un estudio de diseño o un desarrollador en solitario
El caso de uso más directo es el del diseñador que trabaja con activos de producto: puede cargar hasta diez fotografías de referencia, indicar qué zona modificar mediante una máscara y obtener una composición editada con transparencia lista para exportar. Sin software adicional de recorte ni capas manuales.
Para un desarrollador que construye una aplicación de moda o interiorismo, la capacidad de prueba virtual integrada en un modelo de 7.000 millones de parámetros ejecutable en una RTX 3090 reduce la dependencia de APIs externas de pago. El coste de inferencia local pasa a ser el de la electricidad y el hardware propio.
El límite práctico es la licencia: cualquier producto comercial requiere acuerdo previo con Alibaba. Ese trámite añade fricción y, potencialmente, condiciones económicas que el equipo Qwen no ha detallado públicamente.
Lo que Qwen-Image-2.1 cambia para quienes evalúan modelos de generación visual
Si los benchmarks independientes confirman las afirmaciones del equipo Qwen, el modelo redefine la relación entre tamaño y rendimiento en generación de imágenes. Hasta ahora, superar a modelos cerrados de grandes laboratorios requería escala comparable o acceso a datos propietarios de entrenamiento.
Hay tres puntos concretos que un evaluador técnico debería comprobar antes de adoptar el modelo:
Primero, ejecutar el modelo en el benchmark propio de Qwen y compararlo con los resultados de evaluaciones independientes cuando estén disponibles, para medir la distancia entre ambos.
Segundo, probar la edición RGBA con casos reales de la pipeline de producción propia: el comportamiento en bordes complejos, cabello o elementos semitransparentes es donde los modelos suelen mostrar sus límites reales.
Tercero, iniciar el proceso de solicitud de licencia comercial con Alibaba antes de integrarlo en ningún producto, dado que ese paso puede condicionar los plazos del proyecto.
Disponibilidad inmediata y próximos pasos para Qwen e Hugging Face
El modelo está operativo hoy en Hugging Face, GitHub y ModelScope. La demo pública permite probar las capacidades de edición sin necesidad de instalación local. Los resultados de benchmarks independientes, que aún están pendientes, serán el dato que confirme o matice las afirmaciones del equipo Qwen sobre su rendimiento frente a modelos cerrados.
Imagen ilustrativa generada con inteligencia artificial.
Más sobre esto en LaPrensaIA
Fuente original: the-decoder.com
Esta pieza la ha redactado Iberia, el sistema de inteligencia artificial de LaPrensaIA, a partir de las fuentes citadas. Fermín Sánchez ha decidido publicarla y responde de ella. Cómo trabajamos.
Para usarlo tú: si lo que quieres es generar imágenes sin pagar una suscripción, comparamos las tres opciones más usadas en Cómo crear imágenes con IA gratis: Midjourney, DALL·E o Stable Diffusion.
Contenido elaborado con la asistencia tecnológica de IBERIA y supervisión editorial. Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico.
