百炼假期上新实测:qwen-image-2.1-pro 的透明能力,我们跑了 35 次

简介: 国庆期间,百炼上线Qwen-Image-2.1-pro API模型(0.25元/张),免27GB显存门槛。实测确认:透明通道仅可“继承”不可稳定“生成”,编辑透明图可稳定保持,白底图无法抠透明;支持10图合成与精准圈选编辑。推荐用于透明素材加工与批量拼图。(239字)

国庆假期第三天(10 月 2 日),百炼悄悄上架了一个新模型:qwen-image-2.1-pro,0.25 元/张。它是 9 月 20 日开源刷屏的 Qwen-Image-2.1 的 API 版本。开源版需要 27 GB 以上显存,API 版不挑显卡,一行命令就能调。

作为平台生态里最受关注的差异化能力,它的"原生 RGBA 透明"值得认真实测一遍。我们跑了 35 次调用,把结论和边界整理如下。

背景补充:该模型开源版发布当天在海外技术社区拿到 740 分、199 条讨论(该系列图像模型历史最高);但所有本地评测都有一个前置条件:得有一块 27 GB 以上显存的显卡。API 版把这一门槛去掉了,这也是本次实测的起点。

实测结论速览

能力 实测结果
透明直出(从零生成) 21 次尝试触发 1 次(约 4.8%),不可复现
透明加工(编辑已透明的图) 稳定保持,多次验证均通过
透明继承边界 局部编辑保持;大改构图(缩放+位移)会丢失
10 张参考图 上限可用,10 张全收录、特征保持
画圈局部编辑 可用(细线标注效果优于色块涂鸦)
从白底照片抠透明 未通过(含官方模板原句测试)
计费 0.25 元/张,按输出张数,无免费额度

关键发现一:透明是"继承"的,不是"生成"的

这是本次实测最有价值的结论。

给模型一张带透明通道的图,让它做编辑(指令完全不提"透明"),输出的透明背景原样保持;换成白底图做同样编辑,输出就是白底。透明通道跟随输入图的 alpha 结构,与提示词无关。

判定口径说明:全部结论来自脚本逐像素检查 alpha 通道,全透明像素占比超过 1% 才计为透明(排除边缘抗锯齿噪声);直出实验不传 size 参数,画布尺寸由模型自选(均为 2048×2048)。

还有一个更直接的验证:10 张透明素材合成时,指令明确要求"白色背景",输出仍然是 81.5% 透明的图,透明继承的优先级高于文本指令。

透明继承三泳道对照:小改动保持、大动作丢失、白底进白底出

关键发现二:能力有明确边界,工程上要收敛预期

  • 透明直出(从零生成)不可靠:换 5 种措辞、两种改写模式、双域名、CLI/HTTP 双路径,21 次只成功 1 次且不可复现。生产环境不建议依赖
  • 大动作编辑丢透明:透明素材"放大+平移"后,alpha 结构丢失,输出变白底。透明素材的编辑应保持构图稳定
  • "从照片提取主体"暂未通过:官方描述的这项能力,实测 2 次(含官方模板原句)均输出白底
  • 改写模式耗时差明显:direct 单次 36-39 秒,agent(多一轮提示词重写)59-70 秒、慢约 60%,且对透明触发没有帮助,批处理建议用 direct

21 次透明直出实测矩阵:仅 1 次透明,且不可复现

落地建议:三条可用动线

  1. 透明素材加工:已有透明素材的加元素、换色、局部修改,稳定可用,是当前最顺的路径(本次 6 组编辑类实验透明全部保持)
  2. 素材批量拼图:最多 10 张参考图合成,适合产品图组合、素材集锦。实测 10 图横排画布自动选 4096×1024,输出的透明无需后处理修补
  3. 第一张透明图的外部补齐:本地开源版、素材库或任何带透明通道的图作为起点,拿到后回到 API 走加工链

红圈指哪改哪:围巾变黄、圈消失、透明保持

标注编辑两种形态的差异值得记进规范:细线画圈能被模型完全清除、指代精准;大色块涂鸦指代同样生效但会留残影。另外模型严格按标注位置执行、不做意图修正(实测把涂鸦画偏到额头,额头发色被如实修改)。

计费与选型

qwen-image-2.1-pro 定价 0.25 元/张(上代 2.0-pro 为 0.5 元)。与同期模型分工:要文字排版能力选 qwen-image-3.0(0.18 元);要透明与多图参考选 2.1-pro。本次 35 次实测总成本 8.75 元,无免费额度,成本可完全预估。

费用核对:bl usage stats --model qwen-image-2.1-pro 看汇总;逐单对账先 bl auth login --console 再 bl log audit list --model qwen-image-2.1-pro --hours 24。对账延迟实测提醒:调用当日 bl usage stats 只显示了部分调用数,当日逐单记录返回 0 条(SLS 投递延迟),次日才逐步对齐;对账建议以控制台账单为准,CLI 统计留 24-48 小时缓冲。

上手

bl image generate --model qwen-image-2.1-pro --prompt "..." --out-dir ./out
bl image edit --model qwen-image-2.1-pro --image a.png --image b.png --prompt "..."

多图透传实测正常:两张素材一次的合成调用,特征保持、透明也保持。

装 CLI 走官方 skill 包或 npm install -g bailian-cli;API Key 在这里签发。

透明素材加工类需求可以现在就上;透明生成类需求建议收敛预期,等生成侧能力补齐。

相关文章
|
3月前
|
存储 人工智能 JSON
保姆级实操|Qwen 本地部署搭配 ComfyUI 制作 AI 漫剧,零基础就能落地,零成本无限生成,角色不崩脸
这是一套2026年全网领先的本地化AI漫剧工业化流水线:离线免费、零成本、8G显存即可运行;采用Qwen+ComfyUI双引擎,实现剧本生成→分镜→绘图→动态成片全自动闭环,彻底解决角色崩坏、隐私泄露、算力付费等痛点,适配小说推文、短剧量产与AI副业。(239字)
|
21天前
|
人工智能 编解码 API
阿里云百炼AI文生图模型盘点:通义万相、Qwen‑Image、FLUX,计费及免费试用介绍
阿里云百炼提供通义万相、Qwen-Image及Stable Diffusion、FLUX等主流图片生成模型,支持文生图、图生图、局部重绘等功能。开通即享90天新人免费额度,按量计费,灵活高效。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
311 0
|
25天前
|
编解码 自然语言处理 数据可视化
2026 年通义千问 Qwen-image-3.0 全解析:模型底层架构、核心能力与落地实战教程
在AI图像生成赛道持续迭代的阶段,图像模型早已不再只追求画面的美学效果,能否稳定生成包含可读文字、复杂版面布局、符合现实物理细节的图片,成为判断模型生产价值的关键指标。早期文生图模型普遍存在文字错乱、小字模糊、长提示词理解断裂、多元素版面逻辑混乱等痛点,在试卷排版、报刊版面、产品说明书、网页界面设计这类强文字依赖场景中很难落地。Qwen-image-3.0作为第三代图像生成基础模型,围绕“内容丰实、细节真实、知识厚实”三大方向完成全面升级,将图像生成从创意绘图工具升级为能够承接企业内容生产需求的多模态生产力底座,本文将从模型定位、技术架构、六大核心功能、提示词设计方法、多语言API调用以及高频
648 0
|
19天前
|
自然语言处理 数据可视化 API
阿里云 2026 Qwen-image-3.0 能力全解:通义千问新版图像生成模型,核心特性、底层架构与实操教程
综合来看,Qwen-image-3.0代表图像生成模型向实用生产力方向演进的重要一步,超长指令理解、高精度文本渲染、多图编辑能力,补齐了文生图在结构化图文场景的短板。无论是个人创作者做海报、漫画,还是企业搭建自动化素材生产API服务,这套模型都提供了稳定可落地的方案。开发者可以基于上面提供的curl、Python同步、图生图编辑、异步任务代码快速搭建测试环境,通过大量提示词测试积累经验,把图像生成能力集成到各类多模态应用当中,挖掘图文自动化生产的效率提升空间。
667 0
|
30天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
29天前
|
缓存 JSON 安全
2026 年通义千问 Qwen3.8-Max 完整教程:多模态解析、长周期智能体任务与代码调用实操指南
在复杂专业任务、长周期智能体、百万字文档精读、多模态深度推理等场景,普通大模型常常出现逻辑断层、长距离信息遗忘、复杂推理精度不足的问题。通义千问Qwen3.8-Max作为Qwen系列旗舰基座大模型,专为高复杂度专业任务打造,总参数量达到2.4万亿,推理时动态激活仅950亿参数,兼顾顶尖推理能力与可控的推理开销。
512 0
|
2月前
|
人工智能 自然语言处理 语音技术
阿里云千问大模型选择指南,覆盖六大核心模型方向,从文本到音视频全能力解析
本文为大家梳理了阿里云通义千问全系列大模型,覆盖通用文本、视觉语言、图片生成、视频生成、全模态、语音识别六大核心产品线,逐一拆解各主力版本的核心能力、技术优势与适用场景,同时汇总了按量折扣、夜间错峰、新人免费额度等最新优惠活动,帮助开发者快速完成模型选型,兼顾业务效果与调用成本。
|
2月前
|
缓存 JSON API
阿里云千问Qwen3.8‑Max深度解析:核心能力、订阅计费规则、API接入配置与生产落地完整教程
Qwen3.8‑Max作为千问系列新一代MoE架构旗舰基座,总参数量达到2.4万亿,激活参数950亿,是面向复杂专业任务、长周期智能体、工程级代码开发、多模态深度解析的高阶大模型,原生支持文本、图像、视频多模态输入,最大上下文窗口达到百万Token,最大输出Token支持131072,内置深度思考推理链路,在编程、科研、法律金融专业分析、长视频文档解析、自主Agent任务等场景能力表现突出。很多开发者在项目前期直接接入该旗舰模型,却对模型能力边界、多种计费模式、订阅套餐权益、API参数配置、上下文缓存优化缺乏完整认知,出现成本失控、接口报错、长文本信息丢失、深度思考模式额外消耗大量Token等
2211 5

热门文章

最新文章