Qwen-Image-2.1: il miglior modello open-weight su Artificial Analysis

👁 113 letture

Dal 2 ottobre 2026 Qwen-Image-2.1 è il miglior modello a pesi aperti su entrambe le classifiche visive di Artificial Analysis. Nel text-to-image registra 1034 punti Elo e il 18° posto assoluto, mentre nell’editing di immagini ottiene 1074 punti, posizionandosi sempre al 18° posto. Supera così FLUX.2 [dev], Ideogram 4.0 e HunyuanImage 3.0, anche se la distanza dai leader proprietari di OpenAI e Google resta notevole.

Artificial Analysis (AA) ha annunciato i dati con un post su X. Il modello è stato rilasciato il 20 settembre, quindi è stato necessario attendere poco meno di due settimane per una valutazione completa. Ho esaminato entrambe le classifiche e confrontato i punteggi con le misurazioni effettuate direttamente sulla mia scheda video.

Cosa ha fatto esattamente Artificial Analysis

AA gestisce classifiche basate su sfide alla cieca. L’utente visualizza due immagini generate dallo stesso prompt senza conoscere il modello di provenienza e vota la migliore. Dai singoli voti aggregati viene calcolato il punteggio Elo. Il riferimento della scala è fissato da FLUX.2 [dev], impostato a 1000 punti.

Nel caso di Qwen-Image-2.1 si è presentato un ostacolo iniziale: il giorno del test nessun grande fornitore API offriva questo modello. AA lo ha quindi configurato in locale sulla propria infrastruttura utilizzando i pesi aperti. Per questa ragione accanto al modello compare l’etichetta “No API available” e manca il costo stimato per 1000 immagini, solitamente indicato per le soluzioni accessibili via API.

I risultati nel dettaglio:

• Text-to-image (AA-Image-T2I v2.0): 1034 punti, ±10, su 5286 voti, 18° posto assoluto, 1° tra i modelli aperti.
• Editing di immagini (AA-Image-Editing v2.0): 1074 punti, intervallo al 95% compreso tra 1065 e 1083, 18° posto assoluto, 1° tra i modelli aperti.

Le barre del grafico partono da una base di 900 punti. Il distacco rispetto alla seconda posizione è di 23 punti, un margine superiore all’intervallo di errore di ±10. Alle spalle di Qwen si raccoglie un gruppo di modelli compresi tra 995 e 1011 punti: se per la seconda posizione la sfida è serrata, il primato tra gli open-weight è ben definito.

Nell’editing la seconda posizione è occupata da HunyuanImage 3.0 Instruct con 1066 punti, seguito dalla versione precedente Qwen Image Edit Plus 2511 con 1021 punti.

I modelli ai vertici della classifica

Per inquadrare la portata del risultato occorre considerare che il 18° posto implica la presenza di 17 modelli con valutazioni più alte. Nel text-to-image la vetta include:

• GPT Image 2.5 Sunburst (max) - 1197 punti,
• GPT Image 2.5 Flare (max) - 1190,
• GPT Image 2 (high) - 1172,
• Grok Imagine Image 2.0 - 1155,
• MAI-Image-2.6 - 1150.

Tra questi vertici e Qwen si collocano anche i modelli commerciali della stessa società: Qwen-Image-3.0-Pro (1089) e Qwen-Image-3.0 (1075), accessibili unicamente via API. Nell’editing la situazione è differente: la versione aperta 2.1, con 1074 punti, supera il modello proprietario base Qwen-Image-3.0 (1055) e si avvicina alla variante Pro (1076).

Il salto rispetto a Qwen Image 2.0

La release precedente risalente a marzo 2026 aveva ottenuto risultati moderati nei test di AA. L’avanzamento nell’arco di sei mesi mostra:

• Text-to-image: passaggio dalla 72ª posizione (961 punti) alla 18ª (1034).
• Editing: passaggio dalla 58ª posizione alla 18ª.

La stessa architettura ha mostrato una netta evoluzione generazionale. Il modulo generativo di Qwen-Image-2.1 integra 7 miliardi di parametri; il medesimo modello gestisce sia la generazione che l’editing e produce immagini native in risoluzione 2K, inclusa la gestione dello sfondo trasparente.

I riscontri su LMArena

AA ha menzionato anche le metriche ricavate da LMArena, un’altra piattaforma di benchmark basata su preferenze umane. I punteggi usano una scala differente e non sono comparabili numericamente con quelli di AA:

• Image Edit Arena: 1367 punti, 16° posto assoluto, 1° tra i modelli open-weight.
• Text-to-Image Arena: 1228 punti, 17° posto assoluto, 1° tra i modelli open-weight.

Due rilevazioni distinte con platee differenti di votanti confermano che attualmente non esistono modelli aperti con valutazioni complessive superiori.

Cosa comporta nella pratica

Guardando agli aspetti favorevoli, un modello al 18° posto mondiale è utilizzabile in locale su una scheda consumer come la RTX 4090 da 24 GB. La variante quantizzata int8 richiede 16,6 GB di spazio, genera un output da 2048×2048 pixel in 44 secondi e comporta un consumo energetico di frazioni minime di centesimo per immagine. I sistemi proprietari di vertice restano invece fruibili solo tramite API esterne a consumo.

Ci sono però elementi critici che la classifica generale non evidenzia. Il sistema Elo di AA premia l’impatto visivo complessivo scelto dagli utenti, ma non misura la fedeltà del testo non anglosassone o la disposizione spaziale geometrica. Nei nostri test condotti con prompt in lingua polacca abbiamo riscontrato questi valori:

• Testo con caratteri speciali (testato in polacco): 6 stringhe corrette su 13, a fronte di sistemi commerciali che raggiungono 13 su 13 e Ideogram 4.5 a 11 su 13.
• Composizione descritta a parole: solo 2 oggetti posizionati correttamente su 16, con un valore di IoU medio pari a 0,17. FLUX 3 guidato tramite bounding box in JSON ne ha allineati 16 su 16.
• Dettagli tipografici in 4K: solo 2 insegne minute leggibili su 8 alla risoluzione massima di 2752×1536.

L’estetica generale delle immagini create da Qwen risulta gradevole, ma se l’obiettivo è integrare testi complessi o mantenere un controllo compositivo rigoroso, il punteggio complessivo può trarre in inganno. Tutti i rilevamenti completi sono approfonditi nell’analisi Qwen-Image-2.1 a confronto con i modelli proprietari.

Va inoltre rilevato che al lancio Alibaba indicava prestazioni superiori a Nano Banana 2. La rilevazione di AA mostra invece Nano Banana 2 a 1125 punti nel text-to-image e 1108 nell’editing, mantenendo un margine favorevole.

Il vincolo della licenza

Disporre dei pesi aperti non equivale a una licenza d’uso aperta e priva di restrizioni. Qwen-Image-2.1 è distribuito sotto la Qwen Research License Agreement, che autorizza esclusivamente finalità non commerciali, ricerca e valutazione tecnica. L’impiego per scopi di lucro richiede un accordo commerciale separato con Alibaba. Questo differenzia il modello da altre opzioni dello stesso indice: Qwen-Image-2512 adotta la licenza Apache 2.0, mentre Ming-Image-0.1-Design è rilasciato sotto MIT. Per una panoramica sulle varie tipologie di utilizzo è disponibile la nostra classifica dei modelli open-weight per immagini, mentre i dettagli su questa versione sono raccolti nella guida alla licenza di Qwen.

In sintesi: per generare immagini in locale destinate a studio, sperimentazione e progetti personali rappresenta una soluzione di primo livello. Se l’obiettivo è l’uso commerciale diretto, i risultati del benchmark richiedono la preventiva stipula dei diritti d’uso con l’azienda fornitrice.

I passaggi per l’installazione locale sono illustrati nella guida all’installazione su ComfyUI per Windows, mentre l’allocazione delle risorse grafiche è dettagliata nell’articolo sui requisiti VRAM.

// continua a leggereMoonshot AI punta a 2 miliardi di dollari di ricavi annui con il modello open-weight K3MagazineGarry Tan (YC) vuole un ‘regime di distillazione’ americano per i modelli open-weightMagazineGPT-Image-2.6 vs 2.5: stessa tariffa, costo triploBenchmark

Kinetyra