微新创想12月22日重磅消息，阿里巴巴开源全新图像生成模型Qwen-Image-Layered，这一突破性技术首次在模型内部实现了PS级的图层理解与图像生成能力。千问新模型采用自研创新架构，能够将图片精准拆解为多个独立图层，其工作原理如同专业设计师使用Photoshop进行分层作图与修图，实现了几乎零漂移的AI图像精准编辑。这一创新彻底解决了AI生图领域长期存在的一致性难题，为大模型在专业设计领域的实际应用加速赋能。
Qwen-Image-Layered打破了主流视觉大模型传统的扁平式思维，通过分层与补全机制建立起对现实世界更准确的物理式理解。该模型让AI从平面的”看图说话”迈向真实的三维空间重构，为视觉大模型的发展开辟了全新路径。在当前的视觉大模型领域，图像一致性编辑始终是一个核心挑战。传统AI生图虽然富有创意，但难以编辑，主要原因在于大模型对图片的理解停留在扁平的像素点层面，无法像人类一样感知图中物体的远近、遮挡等物理关系。
因此，让大模型生图和编辑就像抽卡开盲盒：例如当用户希望将画中的猫向左移动10厘米时，AI完全无法预知猫移动后空出来的背景会产生什么变化，只能重新生成整个图像，导致猫和背景都发生质变。这种”牵一发而动全身”的随机性，使得AI绘图在追求极致精准的商业广告设计、UI界面设计、影视后期处理等专业领域始终只能作为参考，而无法真正取代专业工具。
Qwen-Image-Layered的出现标志着视觉大模型从像素预测转向结构重组。千问团队自研了一种全新的RGBA-VAE编码技术，在传统的RGB图像中引入代表透明度图层的Alpha通道，赋予模型图层的概念。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能够自动补全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”起就具备专业设计师的分层思维。
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。图片编辑也不再需要复杂精细的人工抠图，而是AI原生地实现了内在可编辑性。设计师、动画师和影视制作人员可以在保持背景或主体完全不变的前提下，对特定图层的构件进行位移、缩放或重绘，显著提升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，阿里已开源近400个千问模型，全球下载量突破7亿次，衍生模型数超18万个，是全球第一的开源模型。通义大模型已服务超100万家客户，在中国企业级大模型调用市场中通义位居第一，是中国企业选择最多的大模型。