Modello
Qwen-Image, Z-Image e FLUX.2 [klein]: le differenze tra tre percorsi di immagini aperte
Apri panoramica modello immagine/tecnologia
Apri panoramica modello immagine/tecnologia
© 2026 TelkNet. Tutti i diritti riservati.
MODELLI APERTI DI IMMAGINI / ANALISI TECNICA
I modelli aperti di immagini non si distinguono più solo per quanto è convincente una singola immagine generata. Qwen-Image concentra la capacità su tipografia complessa ed editing a doppia codifica; Z-Image costruisce un DiT a flusso singolo da 6B e lo distilla fino a otto valutazioni di rete; FLUX.2 [klein] riunisce generazione ed editing multi-riferimento in un compatto modello rectified-flow a quattro passi. Appartengono alla stessa generazione di rilasci, ma investono la capacità del modello su problemi diversi.
Un obiettivo compatto di flow matching è L_FM=E||v_θ(x_t,t,c)-u_t||². Meno passi riducono le valutazioni di funzione, ma modelli distillati e non distillati non si possono confrontare solo sul numero di passi.
Qwen-Image punta su resa di testo complessa ed editing preciso. Z-Image-Turbo distilla la traiettoria di generazione. FLUX.2 Klein aggiunge più immagini di riferimento alla sua condizione di editing. Numero di parametri e numero di passi appartengono a ciascun progetto e non si possono classificare senza il tipo di input e il compito.
La resa del testo è rimasta difficile anche dopo i progressi sulla qualità generale, perché una parola non è una texture come le altre. Ordine dei caratteri, forma dei glifi, interruzioni di riga e impaginazione devono combaciare insieme. Qwen-Image affronta il problema con una grande pipeline di dati e un curriculum che avanza da stringhe semplici a descrizioni di livello paragrafo.
L'editing espone un secondo conflitto: il modello deve cambiare ciò che l'istruzione nomina conservando identità, materiale e regioni non toccate. Qwen-Image codifica la sorgente tramite Qwen2.5-VL e un VAE per l'informazione semantica e ricostruttiva. Z-Image e FLUX.2 [klein] organizzano quelle condizioni in modo diverso, ed è per questo che l'etichetta condivisa di «modello di immagini» nasconde scelte architetturali importanti.
M_peak≈M_weights+M_text+M_VAE+M_attn(H,W)+M_samplerM_weightspesi del modelloM_attn(H,W)stato di attenzione dipendente dal canvasM_samplercampionatore e stato latenteIl numero di parametri descrive la capacità del modello, ma non determina direttamente il costo di una singola immagine. Man mano che il canvas cresce, gli intermedi dell'attenzione e le feature del VAE scalano con i token spaziali, mentre composizione, tipografia e dettaglio rispondono anche all'impostazione di campionamento.
Qwen-Image usa un MMDiT da 20B, Z-Image un DiT scalabile a flusso singolo da 6B e FLUX.2 [klein] un transformer rectified-flow da 9B con un text embedder Qwen3 da 8B. Il costo del canvas combina quindi la lunghezza della sequenza spaziale con larghezze di modello e traiettorie di campionamento molto diverse.
Paper, codice e pesi si possono seguire attraverso Qwen-Image, Z-Image e la model card di FLUX.2 Klein 9B.
Il confronto utile non è un totale estetico. È come ogni progetto organizza le condizioni, quale fase di checkpoint pubblica e cosa cambia la distillazione.
| Modello | Architettura o evidenza | Ambito |
|---|---|---|
| Qwen-Image | MMDiT da 20B; codifica semantica e VAE della sorgente per l'editing | Apache 2.0; rilasci separati per generazione ed editing |
| Z-Image | S3-DiT da 6B; token di testo, semantici visivi e VAE in un unico flusso | Apache 2.0; rami base, Turbo a otto NFE ed editing |
| FLUX.2 [klein] 9B | Rectified flow da 9B più text embedder Qwen3 da 8B; distillazione a quattro passi | Pesi 9B non commerciali; editing multi-riferimento unificato |
Un generatore emette pixel, non oggetti-carattere modificabili. Deve dedurre la stringa richiesta, sceglierne scala e prospettiva, poi ricostruire ogni tratto nel canvas latente. Un testo più lungo lascia meno margine all'errore locale, e i glifi cinesi aggiungono una struttura di tratti densa. L'addestramento tipografico migliora quella catena senza trasformare l'output in un documento impaginato.
La risoluzione dà ai glifi piccoli più token spaziali, ma allunga anche la sequenza visiva e aumenta lo stato di attenzione. Tipo più nitido e maggiore compute salgono quindi insieme; una traiettoria distillata può anche conservare la composizione generale perdendo gli ultimi tratti.
Qwen-Image e Z-Image usano repository Apache 2.0. FLUX.2 [klein] 9B è rilasciato sotto la FLUX Non-Commercial License. Pesi scaricabili non garantiscono quindi diritti identici per uso commerciale, ridistribuzione o addestramento di derivati.
La model card di FLUX.2 segnala inoltre che il testo reso può essere inaccurato e che il modello non fornisce informazioni fattuali. Un numero leggibile in un'infografica resta contenuto generato, non una prova dell'affermazione stampata accanto.
Nomi dei modelli, numeri e limitazioni rimandano ai paper, ai repository o alle model card elencati sotto.