Qwen开源图形生成与编辑模型Qwen-Image-2.1【AI 早报 2026-09-21】

本文转载自微信公众号「橘鸦Juya」（原文：https://mp.weixin.qq.com/s/FvqA3Waf7Jw1d0UAYwpecA），视频版见 B 站。 版权归原作者所有；文中图片已随文搬运，如原作者有异议请联系删除。

AI 早报 2026-09-21

概览

要闻

• Qwen开源图形生成与编辑模型Qwen-Image-2.1 #1
• 阶跃发布 Step 5 Preview，目前已全量开放 #2

开发生态

• TypeSafe AI向所有用户开放Jev，新用户获赠5美元额度 #3
• Google开源Agentic编排器AX，支持有状态任务暂停与恢复 #4

模型发布

• 腾讯开源端到端文档解析模型WeVisDoc #5

技术与洞察

• WebCraftBench以真实交互和代码覆盖率评估AI网页应用 #6

行业动态

• 硅基流动完成B+轮二期和C轮融资 #7
• 智谱MaaS平台将上线数据内容不留存功能 #8

Qwen开源图形生成与编辑模型Qwen-Image-2.1 #1

Qwen 发布并开放 Qwen-Image-2.1 权重，将文生图和图像编辑统一到一个模型，视觉生成部分为 7B 参数。它原生支持 RGBA 透明图生成与编辑，最多接收 10 张参考图，并支持圈选、涂抹、独立掩码等局部编辑，同时加强人像和商品保真、文字排版及人物质感。模型还通过混合粒度注意力和KV Cache复用优化多图推理，ComfyUI和vLLM-Omni等在发布当天即提供支持。

Qwen 发布 Qwen-Image-2.1，并开放模型权重。新版本把文生图和图像编辑整合到同一模型，视觉生成部分为 7B 参数、32 层 Single-Stream DiT；主要变化包括更轻量的推理架构、原生透明图像能力、更完整的图像编辑，以及文字和人物视觉表现的提升。

Qwen-Image-2.1 可直接生成和编辑 RGBA 透明图，也能从普通照片中提取主体形成透明图层；编辑最多支持 10 张参考图，并支持圈选、涂抹和独立掩码等局部控制，同时强化人像身份以及商品文字、纹理和形态的一致性。模型还覆盖全景图、信息图和分镜生成，并改进文字排版、人物光影与细节。推理侧采用混合粒度注意力和 KV Cache 复用，减少多图输入时的重复计算；Diffusers、ComfyUI、vLLM-Omni、SGLang 和 LightX2V 均在发布当天提供支持。

https://qwen.ai/blog?id=qwen-image-2.1

阶跃发布 Step 5 Preview，目前已全量开放 #2

阶跃星辰发布旗舰基座模型Step 5 Preview，总参数量为600B、激活参数为27B，支持百万Token上下文与视觉输入，主要面向AI编程、金融等Agentic任务。该模型已上线官方API和Step Plan，模型权重将于10月15日开放。

阶跃星辰正式发布面向真实世界 Agentic 任务的旗舰基座模型 Step 5 Preview，重点覆盖 AI 编程、软件工程、专业知识工作和金融等场景。

模型采用稀疏 MoE 架构，总参数量为 600B、激活参数为 27B，支持 100 万Token 上下文窗口及文本、视觉输入，主要处理长上下文、多轮工具调用和持续执行任务。

阶跃称，Step 5 Preview 在 Artificial Analysis Intelligence Index 获得 44 分、位居全球开源模型前三，单任务成本为 Claude Opus 5 的八分之一。

用户目前可通过国内外开放平台 API 和 Studio 在线体验，也可订阅 Step Plan 使用，模型权重将于10月15日开放。

https://www.stepfun.com/step-5-preview

https://mp.weixin.qq.com/s/WLnBfojjQHcuiqI6wteQUw

TypeSafe AI向所有用户开放Jev，新用户获赠5美元额度 #3

TypeSafe AI现已向所有用户开放Jev模型调用，无需申请；每位用户初始可获5美元额度，官方称约合1.2亿token。

TypeSafe AI目前已通过其在线控制台向所有用户开放Jev，用户无需加入候补名单即可开始使用。所有用户初始均可获得5美元额度，TypeSafe AI称该额度约可支持1.2亿token。此次调整取消了此前的访问等待限制。

https://console.typesafe.ai

https://x.com/typesafeai/status/2101786156572823624

Google开源Agentic编排器AX，支持有状态任务暂停与恢复 #4

Google开源Agentic编排器AX，可在Kubernetes集群中声明式编排有状态Agent任务，支持沙箱隔离、暂停与恢复，目标是单集群运行数十亿任务。项目仍在迭代，官方称稳定版发布前可能出现破坏性变更。

Google目前已在GitHub开源AX，用于在Kubernetes集群中声明式编排有状态的自主Agent工作负载。AX基于Agent Substrate执行沙箱化任务，通过Task、Workspace、Gateway和Model配置运行环境、资源、网络与模型，并支持暂停、恢复和调试。

项目面向需要状态积累、严格隔离以及调用模型API和工具服务器的Agent任务，官方仓库称其目标是在单个集群中运行数十亿个任务。开发者现可自行安装CLI和部署控制平面，项目采用Apache License 2.0，但核心概念、协议和规范仍在完善，稳定版发布前可能出现重大破坏性变更。

https://github.com/google/ax

https://x.com/rakyll/status/2101559196038909976

腾讯开源端到端文档解析模型WeVisDoc #5

腾讯开源端到端文档解析模型WeVisDoc，提供2B和4B版本，可将页面图像转为含公式与表格的Markdown。

腾讯目前已在GitHub和Hugging Face开放端到端文档解析模型WeVisDoc的2B、4B权重以及代码和教程，用于在不同版式与采集条件下将页面图像直接转换为结构化Markdown。

模型分别基于Qwen3-VL-2B-Instruct和Qwen3-VL-4B-Instruct微调，可在同一输出序列中保留文本、LaTeX公式、HTML表格和阅读顺序。

官方称，WeVisDoc-4B在OmniDocBench v1.6及PureDocBench的Clean、Digital Degraded和Real Degraded四项设置中均领先所比较的端到端解析模型。

https://tencent.github.io/WeVisDoc/

WebCraftBench以真实交互和代码覆盖率评估AI网页应用 #6

腾讯混元联合清华、北大的研究者提出WebCraftBench，让Agent实际操作网页，并以代码覆盖率辅助查漏，从美观度、易用性、需求符合度评分。

腾讯混元团队联合清华大学、北京大学研究者提出WebCraftBench，用于评估AI生成网页应用的美观度、易用性和需求符合度。

研究者认为，仅检查代码或首页截图难以判断功能能否真正触达和运行，因此让Agent实际操作网页，并以代码覆盖率辅助查漏，再根据运行证据评分。

该评测包含369条真实用户需求、5088条验收标准，覆盖17个模型生成的6273个应用；据论文结果，其在197组有效应用对中有168组与经复核的人类偏好一致，一致率为85.3%。

https://arxiv.org/abs/2609.15387

https://mp.weixin.qq.com/s/KC71_44AnVQ9mnwBYJHGVA

硅基流动完成B+轮二期和C轮融资 #7

硅基流动宣布完成B+轮二期和C轮融资，年内累计股权融资近29亿元，资金将投入推理引擎、异构算力调度等研发，强化Token供应平台并拓展全球市场。

硅基流动近日宣布完成B+轮二期和C轮融资，2026年度累计股权融资额近29亿元，投资方包括中国互联网投资基金、国新基金、中国移动链长基金等机构，部分老股东追加投资。融资资金将通过增加推理引擎、异构算力调度、模型与芯片适配等研发投入，强化Token供应平台并拓展全球市场。

https://mp.weixin.qq.com/s/Y0X4FqYFYQDsTLGyLl0dzQ

智谱MaaS平台将上线数据内容不留存功能 #8

智谱MaaS平台将上线数据内容不留存功能，用户可在MaaS控制台申请开通，生效后输入输出不做静态存储，仅用于当次调用，Batch API、File API及合规要求情形除外。

智谱MaaS平台近期将上线数据内容不留存功能，为企业和开发者用户提供更严格的数据隐私保护。

任何用户均可申请开通，企业和开发者可通过MaaS控制台提交申请，具体生效时间及适用范围以平台确认结果为准。

功能生效后，平台不会静态存储用户的输入和输出，相关数据仅用于完成当次模型调用。

Batch API、File API等需要持久化保存任务或文件的功能不在覆盖范围内；因法律法规要求，或为核查涉嫌违规、滥用行为，平台也可能留存相关数据30天及以上。

https://mp.weixin.qq.com/s/e7kLxQKhkOrLdsmgyF5U0Q提示：内容由AI辅助创作，可能存在幻觉和错误。

作者橘鸦Juya，视频版在同名哔哩哔哩。欢迎点赞、关注、分享。