Qwen-Image-2.1 от Alibaba: 7 млрд параметров, 2K и запуск на MacBook Air с 16 ГБ

Команда Qwen из Alibaba выпустила Qwen-Image-2.1, модель для генерации и редактирования изображений. Она построена на diffusion transformer с 7 млрд параметров, умеет выдавать картинки в нативном разрешении до 2K и распространяется под лицензией Qwen Research License. На Хабре вышел перевод разбора, в котором модель запускают локально на MacBook Air с 16 ГБ памяти и без safety checker. Сам запуск на ноутбуке без вентилятора и есть главный повод для интереса.

Что известно о модели

Из доступной части материала складывается такая картина:

• архитектура: diffusion transformer;
• размер: 7 млрд параметров;
• задачи: генерация изображений и их редактирование;
• разрешение: нативный вывод до 2K;
• лицензия: Qwen Research License;
• разработчик: команда Qwen, Alibaba.

Связка «генерация плюс редактирование» в одной модели удобна на практике. Не нужно держать на диске два набора весов и переключаться между ними. Для локального запуска это важно, потому что память на ноутбуке ограничена жёстко.

Детали самого теста в доступном отрывке обрезаны. Скорость генерации, формат весов и итоговое качество картинок на MacBook Air в него не вошли. Поэтому ниже речь о том, что можно прикинуть арифметикой, а не о замерах автора.

Почему MacBook Air с 16 ГБ — показательная площадка

Семь миллиардов параметров в fp16 занимают около 14 ГБ только под веса. На Mac память унифицированная: её делят система, браузер и сама модель. Поэтому на 16 ГБ без сжатия модель практически не помещается. Если веса квантизировать до 8 бит, нужно около 7 ГБ, а при 4 битах около 3,5–4 ГБ. К этому добавляются текстовый энкодер, VAE и активации, которые растут вместе с разрешением. Генерация в 2K тяжелее, чем в 1024 пикселя.

Есть и второе ограничение. В MacBook Air нет активного охлаждения, и при длительной нагрузке чип снижает частоты. Серия из десятков картинок пойдёт медленнее, чем одна. Для эксперимента это терпимо, для рабочего конвейера нет.

Важен и сам факт. Модель такого класса запускают на самом доступном ноутбуке Apple, без аренды GPU и без отправки промптов во внешний API. Для разработчиков, которым важна приватность данных, это рабочий сценарий.

Safety checker: что отключают и зачем

Safety checker — постфильтр. Он проверяет готовое изображение и подменяет его заглушкой, если классификатор счёл результат неприемлемым. В экосистеме diffusers такой фильтр давно стал стандартной частью пайплайнов, и на нём привычно настроен флаг отключения. Пользователи часто жалуются на ложные срабатывания: безобидные портреты и медицинские иллюстрации иногда превращаются в чёрный квадрат. Фильтр ещё и занимает память и время.

Обратная сторона очевидна. При локальном запуске нет серверной модерации, и ответственность за результат целиком лежит на пользователе. Отключённый фильтр открывает дорогу к дипфейкам и откровенному контенту, поэтому условия лицензии здесь важнее, чем технический флаг.

Название Qwen Research License указывает на исследовательскую направленность. Для коммерческого использования, включая продукты с генерацией картинок, нужно читать полный текст лицензии: он определяет допустимые сценарии, а не маркетинговая страница модели.

Практика: как подойти к запуску

Если хотите повторить эксперимент на своём Mac, порядок такой:

1. Сначала прочитайте лицензию и решите, подходит ли она вашей задаче. 2. Берите квантизированные веса, иначе 16 ГБ быстро закончатся и система уйдёт в своп. 3. Начните с 1024 пикселей и только потом пробуйте 2K, замеряя время и расход памяти. 4. Закройте браузер и тяжёлые приложения на время генерации. 5. Если отключаете safety checker, поставьте собственную проверку на выходе, особенно в общих или рабочих проектах.

Самое полезное в этой истории не сама модель, а новая планка: 7 млрд параметров, 2K и редактирование теперь помещаются на ноутбук для офиса. Скорость и качество на таком железе покажут замеры. Хорошо, если автор оригинального теста выложит их полностью.