Qwen-Image-2.1 공개…7B에 2048px·알파 채널, 상용화는 별도 계약

알리바바가 Qwen-Image-2.1의 가중치를 내놓은 날, 이 모델은 해커뉴스 첫 화면에 올라왔다. 7B 파라미터, 가정용 그래픽카드에서 구동, 네이티브 2048×2048, 알파 채널까지 지원한다. 같은 날 RTX 3060에서 알파가 살아 있는 PNG를 뽑은 사람이 나왔고, 그 파일은 더블클릭해 Figma로 끌어다 놓을 수 있었다.
그리고 아래로 스크롤하면 라이선스 항목이 나온다.
Apache 2.0이 아니다. Qwen Research License다. 내려받아 직접 돌릴 수 있고, 기사 삽화로 쓰는 것도 된다. 다만 제품에 넣거나, 유료 기능으로 만들거나, 회사 업무 흐름에 태우려면 먼저 알리바바와 상용 라이선스를 협의해야 한다.
이 소식에 대한 중국어권과 영어권 반응은 거의 같은 문장 구조였다. 먼저 성능을 칭찬하고, 그다음 “상용은 되나”라고 묻는다.
무엇이 강한지부터 정리해두자
7B는 이 분류에서 작은 체구다. 같은 급의 경쟁 모델은 수십 B가 흔하고, 돌리려면 우선 A100이 필요하다. Qwen-Image-2.1의 목표는 그 과정을 다시 한 대의 기계로 되돌리는 것이다. 공식 양자화 버전은 12GB짜리 3060에서 약 5.2GB를 차지한다. ComfyUI 노드, 추론 스크립트, diffusers 대응은 공개 당일 모두 갖춰졌다.
실제로 값이 있는 건 세 가지 구체적 기능이지, 벤치마크 점수가 아니다.
네이티브 2048. 기존 생성 모델은 출력이 작아서, 고해상도를 얻으려면 업스케일러를 한 번 더 거쳐야 했다. 세부는 추측으로 채워지고, 손가락 개수가 틀리는 일도 흔했다. 처음부터 큰 이미지가 나온다는 건 중간의 “흐리게 한 겹 덧씌우는” 공정을 잘라낸다는 뜻이다. 상세 페이지나 인쇄 원고를 만드는 사람에게는 체감되는 차이다.
네이티브 알파 채널. 확산이 끝난 뒤에 누끼를 따는 방식이 아니다. 확산 과정에서 RGB와 알파를 동시에 예측한다. 실무에서는 유리잔, 연기, 머리카락 같은 경계의 반투명한 전이를 모델이 직접 그린다. 나중에 마스크로 맞추는 게 아니다. UI 소재나 이커머스 누끼를 만드는 사람이라면 이게 얼마나 일을 줄여주는지 바로 알 것이다.
참조 이미지 최대 10장. 같은 제품, 같은 인물을 여러 장에서 일관되게 유지한다. 이 항목은 앞의 두 가지보다 생산에 가깝다. 이커머스 상세 페이지가 원하는 건 “같은 가방이 여섯 장면에서도 같은 가방인 것”이지, “예쁜 가방 여섯 장”이 아니다.

라이선스가 이번에 유독 눈에 띄는 이유
눈에 띄는 건 조이기 자체 때문이 아니다. 클로즈드 모델은 가중치조차 주지 않고, 오픈소스 진영은 각종 제한 조항에 이미 익숙하다.
눈에 띄는 건 비교 대상이 있기 때문이다. Qwen이라는 이름의 평판은 Apache 2.0을 계속 유지해온 데서 쌓였다. 이전 세대 Qwen-Image는 상용이 자유로웠고, 많은 사람이 워크플로, LoRA, ComfyUI 템플릿을 그 전제 위에 세웠다. 이번에 연구용 라이선스로 바뀌는 건, 이미 형성된 생태계를 그 자리에서 한 칸 높은 단으로 올려놓는 것과 같다.
더 미묘한 건 같은 회사의 다른 제품이다. Qwen-Image-3.0-Pro는 가중치를 공개하지 않고 호스팅 API만 제공한다. 프롬프트 상한은 4.5k 토큰, 이미지 안 글자는 12개 언어를 지원하고, API 가격은 장당 0.04~0.075달러다. 상용은 되지만 장당 과금이고, 이미지를 남의 서버로 보내야 한다.
그래서 지금 남는 건 몹시 어색한 맞바꿈이다. 내려받을 수 있는 쪽이 조금 더 강하고, 상용이 되는 쪽이 조금 더 약하며, 그것도 빌리는 것만 가능하다. 여기서 오픈소스는 “무료 대체품”이 아니라 “평가판”에 가깝다.
실제로 비용을 계산해보면
세 명짜리 작은 팀이 이커머스 이미지를 대량 생성한다고 하자. 7B, 2048, 알파 채널을 보면 첫 반응은 반드시 “직접 돌려서 API 비용을 아끼자”다.
먼저 하드웨어. 쾌적하게 돌리려면 12GB 이상 카드에 본체 1만 위안대다. 배치로 돌리려면 두 장이 필요하다. 전기요금과 자리값은 따로 계산해야 한다.
다음은 시간. colibri라는 순수 C 추론 엔진으로 같은 모델을 8코어 Zen 4 CPU에서 돌리면, 768×512 한 장에 2분 40초가 걸린다. 2048도 아니고, GPU도 없는 환경의 숫자다. 그래픽카드를 붙이면 훨씬 빨라지지만 “로컬이라 편하다”와 “로컬이 빠르다”는 다른 얘기이고, 많은 사람이 카드를 산 뒤에야 그 차이를 구분한다.
그다음 라이선스. 제품으로 돈을 받으려면 상용 허락을 협의해야 한다. 협의된 가격, 기간, 내가 있는 시장을 커버할 수 있는지 모두 미지수다. 여기서 깨닫는다. API 장당 0.05달러는 월 5000장이면 250달러다. “무료”를 위해 치르는 커뮤니케이션 비용보다 싸다.
그래서 “무료 다운로드”의 진짜 의미는 이렇다. 시행착오 비용을 0으로 낮추고, 출시 비용은 그 자리에 그대로 남겨뒀다.
그래서 누구에게 맞나
지금 당장 받아야 할 사람은 세 부류다.
연구하는 사람은 논란의 여지가 없다. 7B, 단일 카드, 네이티브 알파 채널은 실험 기반으로 좋다. 논문, 비교, LoRA 학습 어디에나 맞는다.
프로토타입을 만드는 사람도 맞는다. 제품이 정해지기 전에 로컬 모델로 인터랙션과 흐름을 먼저 돌려보고, 출시가 결정되면 라이선스를 살지 베이스 모델을 바꿀지 정하면 된다. 이 단계에서 가장 두려운 건 API 청구서에 발이 묶이는 일이다.
사내 도구를 만드는 사람은 경계를 봐야 한다. 외부에 과금하지 않는 사내 보조 도구는 대개 “연구·평가”의 해석 여지 안에 들어간다. 하지만 그건 조항을 어떻게 읽느냐에 달렸고, 법무가 어떻게 읽느냐에도 달렸다. 이런 일을 혼자 결정해서는 안 된다.
반대로 외부용 SaaS를 만들거나, 고객에게 납품하거나, 생성한 이미지를 그대로 상품에 인쇄한다면 이 버전은 선택지가 아니다. 라이선스를 협의하거나, Apache 2.0인 구버전으로 바꿔야 한다. 구버전은 쓸 수 있지만 대가는 순위가 40위 밖으로 떨어지는 것이다.
더 주목해야 할 것
이번 반응에서 “7B로 충분한가”를 논한 사람은 거의 없었다. 모두 라이선스를 이야기한다.
이는 이미지 생성이라는 분류가 “누가 더 잘 그리는가”의 단계를 지났다는 뜻이다. 성능 격차가 몇 퍼센트로 줄면, 어느 모델을 쓸지 결정하는 건 라이선스, 가격, 지연시간, 그리고 사고가 났을 때 누가 책임지는가가 된다. 기술 선정이 구매 결정으로 바뀌고 있다.
오픈소스 진영에는 불편하지만 사실인 신호다. 가중치를 공개하는 건 호의지만, 호의는 허락이 아니다. 앞으로 “오픈소스”라는 말을 보면 가장 먼저 할 일은 git clone이 아니라 페이지 맨 아래로 내려가 라이선스를 확인하는 것이다.
Qwen-Image-2.1 자체는 여전히 내려받을 만하다. 다만 받기 전에 무엇에 쓸지 먼저 정하자. 배우려는 것인지, 팔려는 것인지. 이 두 답은 완전히 다른 길에 대응한다.
관련 글
Antigravity의 원격 에이전트, 클라우드 VM에서 도는 대신 잃는 것
Antigravity 2.29에서 원격 에이전트가 등장해 세션과 도구가 Google 관리 클라우드 VM에서 돌아간다. 노트북을 닫아도 작업은 계속되지만 로컬 MCP 서버와 skills는 잃는다.
NVIDIA, 월드 모델 'Cosmos 3' 파생 4종과 디코딩 프레임워크 'VFlash' 잇달아 공개
NVIDIA는 11월 5일 16B Cosmos 3 Nano를 전문화한 체크포인트 네 종을 OpenMDW1.1로 공개하고 학습 레시피와 추론 코드를 함께 내놨다. 다음 날에는 기하 출력을 병렬 생성하는 디코딩 프레임워크 VFlash를 발표했다.
GitHub 트렌드 4분의 1이 '에이전트 skills'…설치 방식은 네 갈래로 갈렸다
11월 8일 GitHub 데일리 트렌드 15건 가운데 4건이 에이전트 skills 저장소였다. 형식은 `SKILL.md`와 YAML 프런트매터로 단순하지만, 설치 경로는 네 제품에서 제각각이고 중복이 우선순위 문제를 만든다.
Thinking Machines 'Inkling 2 Small', 594B 희소 MoE로 86.3%…가중치는 여전히 '다음 주'
Thinking Machines는 11월 5일 총 594B, 토큰당 17B 활성의 희소 MoE 'Inkling 2 Small'을 발표했다. SWE-Bench Pro v2 Hard에서 86.3%를 기록했고 Apache 2.0 가중치는 출시 일주일 뒤로 예고됐다.