编辑

因此，新模型使用混合粒度注意力结构，文本部分（系统前缀、编辑指令）遵循传统Token级因果掩码，逐词进行严格的序列计算以保证语义逻辑理解的连贯性，图像生成部分则采用Chunk级掩码，并通过KVCache的机制在首步计算后缓存这些静态上下文，供后续生成步骤复用。

在一次图像编辑中，输入的参考图和编辑指令不会随着每一步生成而改变。

我们可以大胆预测下，随着Qwen-Image-2.1这类图像模型的开源，社区还会进一步把生成与编辑能力融入更多内容制作场景，让更多人用上适合自己需求的创作工具。

视觉生成部分仅有7B参数，也让这样的能力水平更值得关注：其在较小的生成模块中同时容纳了生图、透明素材生成与多图编辑能力（生成和编辑统一管线），为开发者部署和定制图像工具提供了更轻量的起点。

因此，新模型使用混合粒度注意力结构，文本部分（系统前缀、编辑指令）遵循传统Token级因果掩码，逐词进行严格的序列计算以保证语义逻辑理解的连贯性，图像生成部分则采用Chunk级掩码，并通过KVCache的机制在首步计算后缓存这些静态上下文，供后续生成步骤复用。

在一次图像编辑中，输入的参考图和编辑指令不会随着每一步生成而改变。

Qwen-Image-2.1提供圈选、涂抹和独立掩码等方式，让用户更明确地表达编辑位置。

本周日，阿里千问 正式开源图片生成模型 Qwen-Image-2.1 ，以小模型的体量解决了大部分生产力难题：它实现了文生图与图像编辑一体化，原生支持透明图生成

不论是透明素材的输出，多图参考、局部编辑与保真度能力的提升，都增加了AI模型进入实际工作流程的可能性。