AI 日报 · 2026-09-20

通义千问开源了 Qwen-Image-2.1，将文生图与图像编辑统一到一个 7B 参数的 DiT 模型中，并原生支持透明通道图像的生成与编辑；其混合粒度注意力与 KV cache 复用主打推理效率，同时支持多参考图、局部编辑和主体抠图。LangChain 则测试了 TypeSafe AI 的 Jev 模型作为 agent 评测器，发现其在连续评分上的一致性远高于 GPT-5.6 Luna、Terra 和 Claude Sonnet 4.6，方差低 92–913 倍，且速度最快、成本最低，但作者认为仍属早期且测试范围有限。两条消息共同显示，模型能力正从通用文本生成向更结构化、专业化和高性价比的方向分化。

东亚一手（中国厂商官方 & 模型发布）

通义千问（Qwen）

⭐⭐⭐ [模型发布] Qwen-Image-2.1: Compact, Efficient, and Unified Image Creation

通义千问开源了图像模型 Qwen-Image-2.1，将文生图与图像编辑统一在同一个模型中，视觉生成部分为 7B 参数、32 层 Single-Stream DiT，并原生支持生成与编辑带透明通道的图像。该版本在推理效率上采用混合粒度注意力架构：文本（系统前缀与编辑指令）使用 token 级因果掩码，图像生成使用 chunk 级掩码，并通过 KV cache 复用把输入图像与编辑指令作为静态上下文在第一步计算并缓存。编辑能力支持最多 10 张参考图、局部区域编辑、人物与商品保真，以及从真实照片中抠出主体生成 RGBA 图层；生成质量方面称改进了排版、人像光效与细节。博客同时给出 Qwen-Image-Bench 与其他开源、闭源模型的对比结果。此前在 2025 年 12 月发布的 Qwen-Image-Layered 是专门的透明图像生成模型，本次将该能力并入统一模型。

衍生 & 周边（产品 / Agent / Tools / 观点）

研究

⭐⭐ [研究] Can Jev Be a Better Agent Evaluator?

LangChain 博客测试了 TypeSafe AI 发布的 Jev 模型能否作为 agent 评测器。Jev 并非传统 LLM，不生成文本，而是所谓「System One」模型，对结构化状态返回类型化答案和概率。在对比实验中，Jev 在连续评分上的一致性明显更高，质量分数方差比 GPT-5.6 Luna、Terra 和 Claude Sonnet 4.6 低 92–913 倍，同时最快、最便宜——平均每次 0.44 秒、$0.00035，总计 $0.34，而 Claude 为 $28.17。TypeSafe AI 称 Jev 在分类任务上推理速度最高可达同类 LLM 的 200 倍、成本低 400 倍。作者认为结果虽有前景但仍属早期，这次测试范围有限。