Qwen-Image-2.1: 7B, natives 2048 – und eine Lizenz, die den Verkauf blockiert

Am Tag, an dem Alibaba die Gewichte von Qwen-Image-2.1 veröffentlichte, stand das Modell oben auf Hacker News. 7B Parameter, läuft auf einer Consumer-Karte, liefert native 2048×2048 und beherrscht Transparenz. Noch am selben Tag zog jemand auf einer RTX 3060 das erste PNG mit Alphakanal, per Doppelklick zu öffnen und direkt in Figma zu ziehen.
Dann scrollte man nach unten, zur Zeile mit der Lizenz.
Nicht Apache 2.0. Sondern Qwen Research License: herunterladen, selbst betreiben, Bilder als Artikelillustration verwenden – alles erlaubt. Das Modell in ein Produkt einbauen, daraus ein kostenpflichtiges Feature machen, es in Firmenprozesse hängen: dafür braucht es eine kommerzielle Vereinbarung mit Alibaba.
Die Reaktion in der chinesischen wie der englischen Community folgte demselben Muster: erst die Fähigkeiten loben, dann fragen, ob kommerzielle Nutzung noch geht.
Was es wirklich kann
7B ist in dieser Kategorie klein. Vergleichbare Modelle liegen bei mehreren Dutzend Milliarden Parametern und brauchen zum Start eine A100. Qwen-Image-2.1 will die ganze Kette auf eine Maschine zurückholen: Die offizielle quantisierte Version belegt rund 5,2 GB auf einer 3060 mit 12 GB VRAM, und ComfyUI-Nodes, Inferenzskripte und die diffusers-Adaption lagen am Releasetag bereit.
Wirklich zählen drei konkrete Fähigkeiten, nicht die Scores.
Natives 2048. Frühere Modelle lieferten eher kleine Bilder; für hohe Auflösung kam ein Upscaler dazu, dessen Details geraten sind und dessen Fingerzahl oft nicht stimmt. Große Bilder direkt zu erzeugen streicht diese Zwischenstufe. Für Produktseiten oder Druckvorlagen ist das ein handfester Unterschied.
Natives Alpha. Das Modell freistellen lässt nicht nach der Diffusion: Es sagt RGB und Alpha gleichzeitig voraus. Bei Glas, Rauch oder Haaren kommt die halbtransparente Kante also vom Modell selbst und nicht aus einer nachträglichen Maske. Wer UI-Assets oder E-Commerce-Grafiken baut, versteht sofort, wie viel Arbeit das spart.
Bis zu 10 Referenzbilder. Dasselbe Produkt, dieselbe Person, konsistent über mehrere Bilder hinweg. Das ist der Punkt, der der Produktion am nächsten liegt: Eine Produktseite will „dieselbe Tasche in sechs Szenen“, nicht „sechs schöne Taschen“.

Warum die Lizenz diesmal auffällt
Nicht wegen der Verschärfung an sich. Geschlossene Modelle geben nicht einmal die Gewichte heraus, und die Open-Source-Szene kennt restriktive Klauseln seit Jahren.
Wegen des Vergleichs. Der Ruf von Qwen in der Szene wurde Release für Release mit Apache 2.0 aufgebaut. Die vorige Qwen-Image-Generation war kommerziell frei, und viele haben ihre Workflows, LoRAs und ComfyUI-Templates auf dieser Annahme gebaut. Der Wechsel zu einer Research-Lizenz hebt ein gewachsenes Ökosystem eine Stufe höher.
Heikler ist das andere Produkt aus demselben Haus. Qwen-Image-3.0-Pro gibt keine Gewichte heraus, nur eine gehostete API: Prompts bis 4,5k Token, Text im Bild in 12 Sprachen, 0,04 bis 0,075 Dollar pro Bild. Kommerziell ja, aber pro Stück bezahlt und mit den eigenen Bildern auf einem fremden Server.
Daraus entsteht eine schiefe Abwägung: Das herunterladbare Modell ist etwas besser, das kommerziell nutzbare etwas schwächer – und nur zu mieten. Open Source ist hier kein kostenloser Ersatz mehr, sondern eine Testversion.
Die Rechnung mit echten Zahlen
Nehmen wir ein Dreierteam, das E-Commerce-Bilder in Serie erzeugt. Bei 7B, 2048 und Alphakanal lautet der erste Reflex: selbst hosten, API-Kosten sparen.
Zuerst die Hardware. Für flüssiges Arbeiten braucht es eine Karte mit mindestens 12 GB; die komplette Maschine liegt bei gut 10 000 Yuan. Für Stückzahlen braucht es zwei. Strom und Arbeitsplatz kommen obendrauf.
Dann die Zeit. Jemand hat dasselbe Modell mit colibri, einer reinen C-Inferenz-Engine, auf einer Zen-4-CPU mit acht Kernen laufen lassen: 2 Minuten 40 für ein Bild in 768×512. Das ist weder 2048 noch eine Umgebung mit GPU. Mit Karte geht vieles schneller, aber „lokal praktisch“ und „lokal schnell“ sind zwei verschiedene Dinge, und vielen wird das erst nach dem Kartenkauf klar.
Und dann die Lizenz. Wer Geld verlangt, muss eine kommerzielle Freigabe verhandeln. Preis, Dauer, Abdeckung des eigenen Marktes: alles unbekannt. Dann stellt man fest, dass die API mit 0,05 Dollar pro Bild bei fünftausend Bildern im Monat 250 Dollar kostet – weniger als der Aufwand für das Gespräch über die „kostenlose“ Lizenz.
„Kostenloser Download“ heißt also: Die Testkosten fallen auf null, die Produktionskosten bleiben, wo sie waren.
Für wen es taugt
Drei Gruppen können sofort herunterladen.
Forschung, ohne Debatte. 7B, eine Karte, natives Alpha: eine gute Experimentierbasis für Papers, Vergleiche und LoRA-Training.
Prototyping ebenfalls. Solange das Produkt nicht steht, lassen sich Interaktion und Abläufe mit einem lokalen Modell durchspielen; ob danach eine Lizenz gekauft oder das Basismodell gewechselt wird, entscheidet man später. In dieser Phase ist eine API-Rechnung, die einen festnagelt, das Schlimmste.
Interne Tools brauchen Grenzen. Ein nicht abgerechneter Helfer im Unternehmen fällt meist in den Interpretationsspielraum „Forschung/Evaluierung“, aber das hängt davon ab, wie man die Klauseln liest – und wie die Rechtsabteilung sie liest. So etwas entscheidet man nicht allein.
Umgekehrt: Wer ein öffentliches SaaS betreibt, an Kunden ausliefert oder die Bilder direkt auf Produkte druckt, für den ist diese Version keine Option – es sei denn, er verhandelt eine Lizenz oder wechselt auf die alte Apache-2.0-Version. Die läuft noch, kostet aber einen Listenplatz jenseits der vierzig.
Das eigentliche Signal
In den Reaktionen fragte kaum jemand, ob 7B reicht. Alle redeten über die Lizenz.
Das zeigt: Die Bildgenerierung ist über die Phase „wer zeichnet schöner“ hinaus. Wenn die Abstände auf wenige Punkte schrumpfen, entscheiden Lizenz, Preis, Latenz und die Frage, wer bei einem Problem haftet. Die Technikwahl wird zur Beschaffungsentscheidung.
Für die Open-Source-Szene ist das ein unangenehmes, aber ehrliches Signal: Gewichte zu veröffentlichen ist eine Geste, keine Erlaubnis. Wer künftig „Open Source“ liest, sollte zuerst ans Seitenende scrollen und die Lizenz prüfen, nicht sofort git clone tippen.
Qwen-Image-2.1 selbst bleibt einen Download wert. Man sollte nur vorher wissen, wofür: lernen oder verkaufen. Das sind zwei verschiedene Wege.
Verwandte Artikel
Google hat Coding-Agenten vom Laptop geholt, und der Berechtigungsdialog bleibt der Engpass
Die Leitungen sind fast gelöst. Der Berechtigungsdialog bleibt der menschliche Engpass.
NVIDIA gibt vier 16B-Weltmodelle frei, und der Teil ohne Benchmark ist Policy-Learning
NVIDIA sagt, es sei ungemessen, ob diese Modelle Policy-Learning tragen. Der Satz gehört in jede Geschichte über offene Weltmodelle.
Vier der Top-Repos auf GitHub sind heute Skill-Bibliotheken, und jetzt haben wir ein Packaging-Problem
Die Verbreitung läuft. Das interessante Scheitern sind vier nicht kompatible Wege, dasselbe Objekt zu installieren.
Thinking Machines liefert ein 594B-Modell und schiebt die Gewichte auf nächste Woche
Ein starkes Modell, ein dokumentiertes Rezept, eine unterschätzte Fähigkeit und ein Termin, den das Labor nicht zugesagt hat.