← Volver al blog
Aiaprox. 6 min de lectura

Qwen-Image-2.1: 7B, 2048 nativo y alfa real, pero la licencia frena lo comercial

Publicado 11 nov 2026
Qwen-Image-2.1: 7B, 2048 nativo y alfa real, pero la licencia frena lo comercial

El día que Alibaba publicó los pesos de Qwen-Image-2.1, el modelo apareció en la portada de Hacker News. 7B de parámetros, corre en una tarjeta doméstica, 2048×2048 nativo y canal alfa. Hubo quien sacó ese mismo día el primer PNG con transparencia en una RTX 3060: se abre con doble clic y se arrastra directo a Figma.

Luego todos bajaron la página y llegaron al apartado de la licencia.

No es Apache 2.0. Es la Qwen Research License: puedes descargarlo, ejecutarlo en tu máquina, escribir un artículo y usar las imágenes como ilustración. Pero meterlo en un producto, convertirlo en función de pago o integrarlo en el flujo de la empresa exige negociar una licencia comercial con Alibaba.

La reacción en las comunidades china y angloparlante fue casi la misma frase: primero el elogio a la capacidad, después la pregunta “¿y se puede usar comercialmente?”.

Dónde es fuerte, sin rodeos

7B es poco para la categoría. Los rivales del mismo nivel superan con holgura las decenas de B y piden una A100 solo para arrancar. La propuesta de Qwen-Image-2.1 es comprimir todo eso en una sola máquina: la versión cuantizada oficial ocupa unos 5,2 GB en una 3060 de 12 GB, y los nodos de ComfyUI, los scripts de inferencia y la adaptación a diffusers salieron el mismo día del lanzamiento.

Lo que de verdad vale son tres capacidades concretas, no la nota del benchmark.

2048 nativo. Los modelos de generación solían entregar imágenes pequeñas. Para llegar a alta resolución había que pasar por un upscaler, y el detalle se inventaba: el número de dedos salía mal con frecuencia. Generar grande desde el origen elimina ese paso de “borrar y reconstruir”. Para quien arma fichas de producto o archivos de imprenta, la diferencia es tangible.

Alfa nativo. No recorta después de la difusión: predice RGB y alfa a la vez, durante el proceso. En la práctica, bordes de vaso de vidrio, humo y pelo salen con una transición semitransparente dibujada por el propio modelo, no pegada con una máscara en posproducción. Quien hace recursos de interfaz o piezas de e-commerce entiende de inmediato cuánto trabajo ahorra.

Hasta 10 imágenes de referencia. El mismo producto, la misma persona, coherentes entre varias imágenes. Esta parte es la más cercana a la producción: la ficha de e-commerce quiere “el mismo bolso en seis escenarios”, no “seis bolsos bonitos”.

Una mesa de trabajo con recortes impresos de fondo transparente y varias láminas de vidrio semitransparente, junto a un monitor que muestra la imagen generada

Por qué la licencia molestó tanto esta vez

La molestia no viene del endurecimiento en sí. Un modelo cerrado ni siquiera entrega los pesos, y la comunidad open source convive desde hace años con todo tipo de cláusulas restrictivas.

La molestia viene de la comparación. La reputación de Qwen en el mundo abierto se construyó con Apache 2.0 tras Apache 2.0. La generación anterior, Qwen-Image, era libre para uso comercial, y mucha gente montó flujos, LoRA y plantillas de ComfyUI sobre esa premisa. Cambiar a licencia de investigación es subir un escalón entero en un ecosistema que ya estaba formado.

El detalle más sutil viene de otro producto de la misma casa. Qwen-Image-3.0-Pro no abre los pesos, solo ofrece API alojada: prompt de hasta 4,5k tokens, texto en la imagen en 12 idiomas, entre 0,04 y 0,075 dólares por imagen. Se puede usar comercialmente, pero pagas por imagen y subes el archivo al servidor de otro.

El resultado es un dilema incómodo: lo que se puede descargar es algo más potente, lo que se puede usar comercialmente es algo más débil, y solo en alquiler. Lo abierto deja de ser “la alternativa gratuita” y se parece más a una “versión de evaluación”.

Haciendo la cuenta de verdad

Piensa en un equipo de tres personas que genera imágenes de e-commerce por lotes. Al ver 7B, 2048 y alfa, la primera reacción siempre es “lo montamos en local y nos ahorramos la API”.

Empieza por el hardware. Para trabajar cómodo hace falta una tarjeta de 12 GB o más, y el equipo completo pasa de 10.000 yuanes. Para lotes, dos. La luz y el espacio en la mesa van aparte.

Ahora el tiempo. Hay quien corre el mismo modelo en colibri, un motor de inferencia en C puro, sobre una CPU Zen 4 de 8 núcleos: una imagen de 768×512 tarda 2 minutos y 40 segundos. Ojo, no es 2048 y no hay GPU en el camino. Con tarjeta va mucho más rápido, pero “local es cómodo” y “local es rápido” son cosas distintas, y mucha gente solo las separa después de pagar la tarjeta.

Después viene la licencia. Si el producto cobra, hay que negociar autorización comercial. Precio, plazo y si cubre tu mercado son incógnitas. En ese punto descubres que 0,05 dólares por imagen vía API, con cinco mil imágenes al mes, son 250 dólares: menos que el coste de conversación que pagaste por lo “gratis”.

Así que “descarga gratuita” significa otra cosa: deja en cero el coste de equivocarse y mantiene intacto el coste de salir a producción.

Para quién sirve

Tres perfiles deberían descargarlo ya.

Quien investiga, sin discusión. 7B, una tarjeta, alfa nativo: es una buena base de experimentación para papers, comparativas y entrenamiento de LoRA.

Quien hace prototipos, también. El producto aún no está definido: prueba la interacción y el flujo con el modelo local y decide entre licencia y cambio de base cuando toque lanzar. En esa fase, lo peor es quedar atado a una factura de API.

Quien hace herramientas internas tiene que mirar el límite. Una herramienta auxiliar sin cobro externo suele caber en la lectura de “investigación/evaluación”, pero eso depende de cómo leas los términos y de cómo los lea legal. No lo decidas solo.

En el sentido contrario: si tienes un SaaS de cara al público, entregas a clientes o imprimes la imagen en un producto, esta versión no te sirve, salvo que pienses negociar la licencia o volver a la versión anterior en Apache 2.0. La antigua funciona, a cambio de caer fuera del top 40 de los rankings.

Un detalle más importante que el resto

En toda esta reacción, casi nadie discutió si 7B alcanza. Todo el mundo discutió la licencia.

Eso indica que la categoría de generación de imágenes ya pasó la fase de “quién dibuja más bonito”. Cuando la diferencia de capacidad se reduce a unos puntos porcentuales, lo que decide qué modelo usas es la licencia, el precio, la latencia y quién responde cuando algo falla. La elección técnica se está volviendo una decisión de compra.

Para la comunidad open source es una señal incómoda y cierta: publicar los pesos es un gesto de buena voluntad, pero la buena voluntad no es una autorización. De aquí en adelante, al ver “open source”, lo primero es bajar hasta el pie de la página y leer la licencia, no lanzar un git clone.

En cuanto a Qwen-Image-2.1, sigue mereciendo la descarga. Solo piensa antes qué vas a hacer con él: aprender o vender. Las dos respuestas llevan a caminos completamente distintos.

Artículos relacionados