Qwen-Image-2.1が重み公開、7Bで2048px・透過対応も商用利用は別契約

AlibabaがQwen-Image-2.1の重みを公開した日、Hacker Newsのトップに現れた。7Bパラメータ、家庭用GPUで動く、ネイティブ2048×2048、アルファチャンネル付き。その日のうちにRTX 3060でアルファ付きPNGを生成した人がいて、ダブルクリックでFigmaにドラッグできる代物だった。
そして下へスクロールすると、ライセンスの欄がある。
Apache 2.0ではない。Qwen Research Licenseだ。ダウンロードも自前実行もできる。記事の挿絵に使うのも自由だ。ただし製品に組み込む、課金機能にする、社内フローに載せるなら、商用ライセンスの交渉が先に来る。
この知らせへの中国語圏と英語圏の反応はほぼ同じ構文だった。まず能力を褒め、そのあと「商用はどうなの」と聞く。
何が強いのか、先に整理しておく
7Bはこのカテゴリでは小柄な部類だ。同格の競合は数十Bがざらで、動かすのにまずA100が要る。Qwen-Image-2.1の狙いはその工程を1台に押し戻すことにある。公式の量子化版は12GBの3060で約5.2GB。ComfyUIノード、推論スクリプト、diffusers対応は公開当日に揃った。
本当に価値があるのは3つの具体的な能力で、ベンチマークの点数ではない。
ネイティブ2048。 これまでの生成モデルは出力が小さめで、高解像度にするにはアップスケーラを通す必要があった。細部は推測で埋められ、指の本数が違うことも珍しくない。最初から大きい画像が出るということは、間の「ぼかしを一枚挟む」工程を削るということだ。詳細ページや印刷入稿を作る人には、実感のある差になる。
ネイティブのアルファチャンネル。 拡散が終わってから切り抜くのではない。拡散の途中でRGBとアルファを同時に予測する。実務では、グラス、煙、髪の毛といった輪郭の半透明のグラデーションをモデル自身が描く。後からマスクで合わせるのではない。UI素材やEC用の切り抜きを作る人なら、手間がどれだけ減るか即座に分かるはずだ。
参照画像は最大10枚。 同じ製品、同じ人物を複数の画像で一貫させる。これは前の2つより制作に近い。ECの詳細ページが欲しいのは「同じバッグが6つの場面でも同じバッグであること」で、「6枚の綺麗なバッグ」ではない。

ライセンスがなぜ今回は際立つのか
際立っているのは締め付けそのものではない。クローズドモデルは重みすら配らないし、オープンソース界隈は各種の制限条項に慣れている。
際立つのは比較があるからだ。Qwenという名前の評判は、Apache 2.0を続けてきたことで積み上がった。前世代のQwen-Imageは商用利用が自由で、ワークフローもLoRAもComfyUIテンプレートも、その前提の上に組まれている。今回リサーチライセンスに変わるのは、出来上がったエコシステムをその場で一段高いところへ持ち上げることに等しい。
さらに微妙なのは同じ会社の別製品だ。Qwen-Image-3.0-Proは重みを公開せず、ホスト型APIだけを出す。プロンプト上限は4.5kトークン、画像内の文字は12言語に対応、API価格は1枚0.04〜0.075ドル。商用利用はできるが、枚数で課金され、画像を他人のサーバーに送る必要がある。
結果として、居心地の悪い選択が残る。ダウンロードできる方は少し強く、商用できる方は少し弱く、しかも貸し出ししかない。 ここでのオープンソースは「無料の代替品」ではなく、「評価版」に近い。
実際にコストを計算する
3人の小規模チームでEC画像を量産しているとしよう。7B、2048、アルファチャンネルを見れば、最初に思うのは「自前で立ててAPI代を浮かす」だ。
まずハードウェア。快適に動かすなら12GB以上のカードで、本体は1万元台。バッチ処理なら2枚要る。電気代と場所代は別勘定だ。
次に時間。colibriという純Cの推論エンジンで同じモデルを8コアZen 4のCPUで動かすと、768×512の1枚に2分40秒かかる。これは2048ではなく、GPUもない環境の数字だ。グラボを足せば速くなるが、「ローカルで手軽」と「ローカルで速い」は別の話で、多くの人はカードを買ったあとでその違いを知る。
それからライセンス。製品で課金するなら商用許諾の交渉が要る。決まった価格、期間、自分の市場をカバーできるか、すべて未知数だ。そこで気づく。APIの1枚0.05ドルは、月5000枚なら250ドル。「無料」のために払う調整コストより安い。
つまり「無料ダウンロード」の本当の意味はこうだ。試行錯誤のコストをゼロにし、ローンチのコストはそのまま残した。
誰に向いているのか
今すぐ落とすべき人は3種類いる。
研究者は議論の余地がない。7B、単カード、ネイティブのアルファチャンネルは実験基盤として優秀で、論文、比較、LoRA学習のどれにも向く。
プロトタイプを作る人も向いている。製品が固まる前にローカルモデルでUIとフローを通し、リリースが決まってからライセンスを買うかベースモデルを替えるかを決める。この段階で怖いのはAPIの請求書に身動きを取れなくなることだ。
社内ツールを作る人は境界を見る必要がある。社外に課金しない社内補助ツールは、たいてい「研究・評価」の解釈の幅に入る。だがそれは条項の読み方次第であり、法務の読み方次第でもある。こういう話を自分で決めてはいけない。
逆に、外向けのSaaSを作っている、顧客に納品している、生成した画像をそのまま商品に印刷しているなら、このバージョンは選択肢に入らない。ライセンス交渉をするか、Apache 2.0の旧版に替えるかだ。旧版は使えるが、代償としてランキングは40位以下まで落ちる。
もっと注目すべきこと
今回の反応で、「7Bで足りるのか」を論じた人はほとんどいない。みながライセンスの話をしている。
これは画像生成というカテゴリが「誰が一番うまく描くか」の段階を過ぎたことを示している。能力差が数ポイントまで縮まれば、どのモデルを使うかを決めるのはライセンス、価格、レイテンシ、そして事故が起きたときに誰が責任を取るかになる。技術選定は調達の判断に変わりつつある。
オープンソース界隈にとっては、居心地は良くないが現実的なシグナルだ。重みを公開するのは善意だが、善意は許諾ではない。今後「オープンソース」の二文字を見たら、まず git clone ではなく、ページの一番下までスクロールしてライセンスを確認すべきだ。
Qwen-Image-2.1自体は、今もダウンロードする価値がある。ただし落とす前に、何に使うのかをはっきりさせたほうがいい。学ぶためか、売るためか。この2つの答えは、まったく別の道に対応している。
関連記事
Antigravityのリモートエージェント、クラウドVMで動く代わりに手放すもの
Antigravity 2.29でリモートエージェントが登場し、セッションとツールがGoogle管理のクラウドVMで動くようになった。ノートPCを閉じても作業は続くが、ローカルのMCPサーバーやskillsは失われる。
NVIDIA、世界モデル「Cosmos 3」の派生4種とデコード基盤「VFlash」を相次いで公開
NVIDIAは11月5日、16BのCosmos 3 Nanoを専門化した4つのチェックポイントをOpenMDW1.1で公開し、学習レシピと推論コードも添えた。翌日には幾何出力を並列生成するデコード基盤VFlashを発表している。
GitHubトレンドの4分の1を「エージェントskills」が占め、導入方法は4通りに分裂
11月8日のGitHubデイリートレンド15件のうち4件がエージェントskillsのリポジトリだった。形式は`SKILL.md`とYAMLフロントマターだけで単純だが、導入経路は4製品でばらばらで、重複が優先順位の問題を生む。
Thinking Machinesの「Inkling 2 Small」、594Bの疎なMoEで86.3% 重みは「来週」のまま
Thinking Machinesは11月5日、総パラメータ594B・トークンあたり17B活性の疎なMoE「Inkling 2 Small」を発表した。SWE-Bench Pro v2 Hardで86.3%を記録し、Apache 2.0の重みは公開1週間後以降とされる。