AI生图从一次性到可编辑

阿里 Qwen 系列今天又上新：开源 20B 模型 Qwen-Image-Layered，核心不是画质而是结构——AI 生成的图不再是黑盒终点，而是带 RGBA 多图层的可编辑起点。你改了 A 图层，B 图层丝毫不受影响；画布上乾坤大挪移或者无痕擦除，背景自动补全，丝滑到看不出人工痕迹。Apache 2.0 协议，单张 RTX 4090 即可流畅本地运行。 这条对今晚聊过的几条线都有意义。前面那条 AI 漫剧六步法讲的是工艺层怎么组装起来（剧本→分镜→资产→锁定→逐镜生成→拼接）；新模型讲的是工艺层里资产这一步怎么变成可编辑的——传统 AI 生图把图当成一次性的成品，分层生成把图当成可继续编辑的结构。工艺层加上结构化资产，才能让反复抽卡的成本降到可以忽略。 对照今晚还提过的另一条线：算力主权。AI 生图一直在云端跑、API 计费、别人控着；Qwen-Image-Layered 一次下载、本地 RTX 4090 即可——这是把云端 AI 生图成本折回本地的一次重要折返。当图像模型也能本地跑+Apache 2.0 协议可改可商用，AI 生图的成本结构和可控范围完全换了方向。 把它和 Kling 4.0 那条对比一下，结论清晰：Kling 4.0 解决的是模型层（视觉真实度、4K、30 秒生成），Qwen-Image-Layered 解决的是工艺层（能不能编辑、能不能本地跑、能不能商用）。两个能力合在一起，意味着你可以用 Kling 出视频，用 Qwen 出可编辑图层，两条路拼成完整工作流。 留一格清楚的边界：AI 生图的真实质量仍取决于底层扩散模型，20B 量级的 Layered 模型对算力要求不低，单 RTX 4090 流畅指的是推理速度而非训练成本；分层效果在复杂合成场景下仍可能错位，物理隔离不等于语义对齐，物体边缘细节还可能漂移。方向对，工程量仍要看实际工作流。 给最近在做 AI 图像相关工作的人一句落地的：今天就去 clone Qwen-Image-Layered 跑一张你最常用的图，把它分成图层后再改一改，看哪里顺手、哪里别扭。顺手的地方就是工具真正的能力区，别扭的地方就是还需要补的一格。比起看评测报告，自己跑一张图更接近真实；也是给国产模型最直接的反馈。