重磅！阿里开源新型图像模型Qwen-Image-Layered，能达成PS级别的图层效果

12月22日消息，阿里开源了全新的图像生成模型Qwen-Image-Layered，该模型首次在内部实现了PS级别的图层理解与图像生成功能。

千问新模型运用自主研发的创新架构，能够把图片“分解”为多个图层，如同专业设计师借助Photoshop进行分层作图与修图一般，可达成近乎“零偏移”的AI图像精准编辑，从根本上AI生图的一致性问题，推动大模型在专业设计领域的实际应用落地进程。

Qwen-Image-Layered突破了主流视觉大模型的“扁平式思维”局限，借助“分层解析”与“信息补全”的方式，构建起对现实世界更精准的“物理性认知”，推动AI从简单的平面“图像描述”进阶到对真实场景的“空间重构”能力。

在当下的视觉大模型领域里，图像一致性编辑一直是个核心难题。AI生成图像富有创意却难以进行编辑，关键原因在于大模型对图片的理解是平面化的，只是把一堆像素点紧密地联结在一起，无法像人类那样感知到图像中物体的远近、遮挡等物理层面的关系。

因此，让大模型进行图像生成与编辑就如同抽卡“开盲盒”一般：举个例子，当你希望把画中的猫向左移动10厘米时，AI根本不清楚猫左移后空出的背景区域该呈现什么内容，只能重新生成一次图像，结果往往是猫和背景都变得面目全非。

这种“牵一发而动全身”的随机性，使得AI绘图在商业广告设计、UI界面设计、影视后期处理等对精准度要求极高的专业领域，始终只能充当参考角色，难以真正替代专业工具。

Qwen-Image-Layered 的问世，标志着视觉大模型的核心逻辑从“像素预测”过渡到“结构重组”。千问团队自主研发了全新的RGBA-VAE编码技术，在传统RGB图像基础上加入承载透明度信息的“Alpha通道”，使模型具备了对图层的认知能力。

同时新模型采用了创新的VLD-MMDiT架构，配合独特的“图层级3D位置编码”，让AI自动“脑补”被遮挡部分的背景纹理，实现对图层和空间的更深入理解和生成。

据了解，为训练这种能力，千问团队从海量的专业Photoshop（PSD）文件中提取真实图层逻辑，让AI从出生起就拥有专业设计师的“分层思维”。

Qwen-Image-Layered模型架构图

业内人士指出，千问新模型将为创意产业带来实质性变革。AI生图不再是死板一块，而成为一个活生生的、可无限调整的素材库。

图片编辑无需再依赖复杂精细的人工抠图，AI已原生具备“内在可编辑性”。设计师、动画及影视制作人员能够在确保背景或主体完全不变的情况下，对特定图层的构件进行位移、缩放或重绘操作，从而大幅提高数字内容创作的生产效率。

据了解，Qwen-Image-Layered已在魔搭社区和HuggingFace开源，开发者和企业可免费下载商用。

截至目前，阿里巴巴已开源近400个千问系列模型，相关模型的全球累计下载量已突破7亿次，由其衍生出的模型数量超过18万个，在开源模型领域位居全球首位。而通义大模型目前已服务超100万家客户，在中国企业级大模型的调用市场中，通义大模型的市场份额排名第一，成为中国企业选用最多的大模型产品。