【量子位 2025年12月23日讯】AI图像生成领域迎来“结构化编辑”里程碑！12月22日，阿里巴巴正式开源全新图像模型Qwen-Image-Layered，首次在模型架构内实现Photoshop级的图层理解与生成能力。该模型通过自研RGBA-VAE编码与VLD-MMDiT架构，能将普通图像自动拆解为带透明通道的独立图层，支持物体位移、颜色修改、内容替换等精准操作，且编辑后背景与主体“零漂移”，彻底解决AI生图“牵一发而动全身”的行业痛点，为广告设计、影视后期、UI创作等专业场景注入新动能。
目前，Qwen-Image-Layered已在魔搭社区、HuggingFace及GitHub开源，支持免费商用。作为阿里千问系列又一重磅成果，该模型进一步巩固了阿里在开源视觉大模型领域的领先地位——截至目前，千问系列已开源近400个模型，全球下载量超7亿次，衍生模型数达18万个，服务超100万家企业客户。
行业痛点：AI生图“难编辑”，专业场景遇瓶颈
长期以来，主流视觉大模型虽能生成创意图像，却因“扁平式像素理解”陷入编辑困境：
-
编辑一致性差，像开“盲盒”传统AI模型将图像视为紧密耦合的像素集合，无法感知物体的空间层级与遮挡关系。例如想将海报中的“红色水杯”改为蓝色，AI可能同时改变背景色调；将人物向左移动10厘米，空出的背景会被随机生成的内容替代，导致整体画面脱节。这种“修改一个元素，毁掉整张图”的随机性，让AI在广告设计、电商详情页制作等需精准迭代的场景中，只能作为“参考工具”，无法替代PS等专业软件。
-
专业设计效率低，人工成本高为实现精准编辑，设计师需先手动抠图（耗时数小时）、分层保存，再在AI生成基础上反复调整，流程繁琐。以影视后期为例，若需修改某一帧中的道具颜色，传统AI需重新生成整帧画面，难以保证与前后帧的连贯性，最终仍需人工逐帧修正，效率极低。
技术突破：三大核心创新，让AI懂“分层思维”
Qwen-Image-Layered通过架构革新，让AI具备专业设计师的“分层逻辑”，从根本上解决编辑难题：
-
RGBA-VAE编码：给模型注入“图层概念”模型创新引入带Alpha透明度通道的RGBA-VAE编码器，突破传统RGB图像的维度限制——Alpha通道能精准标记每个像素的透明属性，让模型自动识别“主体（不透明）”与“背景（透明）”，将图像拆解为独立图层。例如处理“猫咪趴在沙发上”的图像时，模型会生成“猫咪层”“沙发层”“背景墙层”，各图层边缘无锯齿、无残留，精度媲美人工抠图。
-
VLD-MMDiT架构：理解空间层级，自动“脑补”遮挡内容针对图层间的空间关系与遮挡逻辑，模型采用创新的Variable Layers Decomposition MMDiT（VLD-MMDiT）架构，配合“图层级3D位置编码”：
-
能识别物体的前后层级（如“杯子在书本前方”），编辑时仅作用于目标图层，不干扰其他内容；
-
当某图层被移动或删除时，模型会基于周围纹理“智能补全”背景（如移走桌子后，地面纹理会无缝衔接），避免传统AI的“随机生成”问题。
实测显示，编辑“人物替换”“文字修改”“物体缩放”等场景时，Qwen-Image-Layered的视觉一致性得分达96.7%，远超同类模型的78.3%。
- PSD数据训练：让AI从“出生”就懂专业设计为让模型掌握真实图层逻辑，阿里团队从海量专业Photoshop（PSD）文件中提取分层数据，构建专属训练数据集——这些数据包含设计师标注的“图层命名”“蒙版关系”“混合模式”等专业信息，让模型学习“如何像人一样分层作图”。例如训练后，模型能自动将“电商产品图”拆解为“产品层”“价格标签层”“促销文案层”，与设计师的分层习惯高度契合。
功能实测：PS级精准操作，覆盖多场景需求
Qwen-Image-Layered支持的编辑能力已全面对标专业设计软件，且操作更高效：
-
多层级自由拆解，灵活度拉满模型可根据需求将单张图像拆解为3-8个语义独立的图层，例如将“城市夜景图”拆分为“天空层”“建筑层”“街道层”“行人层”，每个图层可单独导出为带透明背景的PNG文件，方便后续二次创作。
-
精准编辑“零漂移”，效果可控针对不同专业场景，模型展现出强大的编辑稳定性：
-
广告设计：修改海报中的“品牌Slogan”，文字字体、颜色、大小可独立调整，背景纹理与版式完全不变；
-
UI创作：将APP界面中的“蓝色按钮”改为绿色，按钮阴影、圆角等细节保留，其他界面元素无任何偏移；
-
影视后期：调整某帧画面中“演员的服装颜色”，修改后与前后帧的光影、构图保持一致，无需人工逐帧校准。
- 操作门槛低，设计师“上手即会”模型支持“文本指令+图像输入”的交互方式，无需复杂参数调优。例如输入指令“将图中第2层的红色汽车改为白色，保持其他内容不变”，模型即可自动识别目标图层并完成修改，整个过程耗时仅数秒，大幅降低专业设计的技术门槛。
行业价值：重构视觉创作流程，降本增效显著
Qwen-Image-Layered的开源，将从多维度重塑视觉内容生产链：
-
专业场景效率提升10倍以上以电商详情页制作为例，传统流程需“AI生成初稿→设计师抠图分层→手动调整细节”，耗时约8小时；使用Qwen-Image-Layered后，模型可直接生成分层图像，设计师仅需修改目标图层，整体耗时缩短至40分钟，效率提升12倍。某快消品牌试用后表示，其双12促销海报的迭代周期从“3天/版”压缩至“2小时/版”，设计团队人力成本降低60%。
-
推动AI与专业工具融合目前已有多家设计软件厂商计划接入该模型——例如将Qwen-Image-Layered的分层能力集成至PS插件，实现“AI自动分层→设计师精准微调”的无缝衔接；影视后期软件可借助其图层一致性优势，快速批量修改多帧画面中的同一元素，解决传统逐帧编辑的痛点。
-
开源生态加速创新，惠及中小团队模型开源后，开发者可基于其底层架构扩展功能，例如针对“3D建模分层”“动态图层生成”等场景优化；中小企业无需投入巨额研发成本，即可获得专业级AI编辑能力，例如小型广告公司可快速制作多版本海报，满足不同客户的定制需求。
开源生态：阿里千问持续领跑，赋能产业智能化
Qwen-Image-Layered的推出，是阿里“开源战略+产业落地”双轮驱动的又一体现：
-
开源成果斐然，构建技术护城河自千问系列开源以来，已形成覆盖文本、图像、语音、多模态的完整模型矩阵，下载量、衍生模型数均居全球开源大模型首位。此次分层图像模型的开源，进一步填补了“专业级编辑”领域的空白，吸引更多开发者加入生态，形成“模型优化→场景落地→反馈迭代”的正向循环。
-
企业级服务能力领先，落地场景广泛依托开源生态积累，阿里通义大模型已在电商（淘宝详情页AI生成）、传媒（浙报集团智能排版）、汽车（车企广告素材制作）等领域深度落地，在中国企业级大模型调用市场份额中位居第一。Qwen-Image-Layered的商用，将进一步拓展其在专业设计、影视制作等垂直领域的应用，助力更多企业实现“降本增效”。
随着Qwen-Image-Layered的普及，AI视觉创作正从“生成创意”迈向“精准生产”的新阶段。正如阿里千问团队所言：“未来的视觉大模型，不仅要会‘画’，更要会‘改’——让每个设计师都能借助AI，将创意高效转化为专业成果。”而开源模式的持续推进，也将让这一能力惠及全球开发者，加速智能设计时代的到来。
