Qwen-Image-2.1 en tête des modèles ouverts sur Artificial Analysis

👁 117 lectures

Qwen-Image-2.1 est depuis le 2 octobre 2026 le modèle à poids ouverts le mieux classé sur les deux tableaux de bord d’Artificial Analysis. En génération text-to-image, il affiche 1034 points Elo (18e place globale) et en retouche d’image, 1074 points (18e place globale également). Il devance ainsi FLUX.2 [dev], Ideogram 4.0 et HunyuanImage 3.0, bien qu’il reste nettement en retrait face aux leaders propriétaires d’OpenAI et de Google.

Artificial Analysis (AA) a publié ce résultat dans un message sur X. Le modèle étant sorti le 20 septembre, il aura fallu attendre un peu moins de deux semaines pour obtenir une évaluation complète. J’ai examiné les deux classements et comparé les chiffres avec mes propres mesures sur carte graphique.

Ce qu’a mesuré Artificial Analysis

AA établit ses classements à partir de duels à l’aveugle. L’utilisateur évalue deux images générées à partir du même prompt, sans savoir quel modèle les a produites, et vote pour la meilleure. Un score Elo est calculé à partir de milliers de comparaisons. La référence de base du classement est fixée par FLUX.2 [dev] avec un score de 1000 points.

Avec Qwen-Image-2.1, une difficulté est apparue : le jour du test, aucun grand fournisseur d’API ne proposait le modèle. AA l’a donc déployé en interne sur son propre matériel à partir des poids ouverts. C’est pourquoi la mention « No API available » apparaît à côté du modèle, sans tarif pour 1000 images, contrairement aux systèmes accessibles par API.

Le résultat chiffré :

• Texte vers image (AA-Image-T2I v2.0) : 1034 points, ±10, calculés sur 5286 votes, 18e place globale, 1er parmi les modèles ouverts.
• Retouche d’image (AA-Image-Editing v2.0) : 1074 points, intervalle de confiance à 95 % entre 1065 et 1083, 18e place globale, 1er parmi les modèles ouverts.

Les barres sont calculées à partir de 900 points. L’avance sur la deuxième position est de 23 points, ce qui dépasse nettement la marge d’erreur de ±10. Derrière Qwen, tout un groupe de modèles se tient dans une fourchette serrée entre 995 et 1011 points : la compétition est donc vive pour la deuxième place, mais pas pour la première.

En retouche, la deuxième place revient à HunyuanImage 3.0 Instruct avec un score de 1066, suivi de l’ancien Qwen Image Edit Plus 2511 à 1021 points.

Quels modèles dominent le classement

Pour relativiser l’enthousiasme : une 18e place signifie que 17 modèles restent mieux notés. En génération text-to-image, le peloton de tête se compose de :

• GPT Image 2.5 Sunburst (max) - 1197 points,
• GPT Image 2.5 Flare (max) - 1190 points,
• GPT Image 2 (high) - 1172 points,
• Grok Imagine Image 2.0 - 1155 points,
• MAI-Image-2.6 - 1150 points.

Entre ces leaders et Qwen s’intercalent aussi les versions propriétaires payantes d’Alibaba : Qwen-Image-3.0-Pro (1089) et Qwen-Image-3.0 (1075), disponibles uniquement par API. En retouche, la configuration est atypique : la version ouverte 2.1 (1074 points) dépasse la version standard Qwen-Image-3.0 (1055) et rivalise presque avec la version Pro (1076).

Le bond en avant depuis Qwen Image 2.0

La mouture précédente, sortie en mars 2026, obtenait des scores modestes sur AA. En six mois, l’évolution est nette :

• Texte vers image : passage de la 72e place (961 points) à la 18e (1034 points).
• Retouche : passage de la 58e à la 18e place.

Chez le même éditeur, l’écart de performance en un semestre change totalement d’échelle. Pour mémoire, la partie génératrice de Qwen-Image-2.1 compte 7 milliards de paramètres, un seul modèle gère à la fois la création et l’édition, et les visuels sont générés nativement en 2K, y compris avec canal alpha (fond transparent).

LMArena confirme la tendance sur une autre échelle

AA cite également les résultats de la LMArena, l’autre grand classement basé sur les votes de la communauté. L’échelle y est différente, ce qui empêche une comparaison numérique directe avec AA :

• Image Edit Arena : 1367 points, 16e place globale, 1er parmi les ouverts.
• Text-to-Image Arena : 1228 points, 17e place globale, 1er parmi les ouverts.

Deux bancs d’essai indépendants, deux panels distincts et une observation identique : aucun modèle ouvert pour l’image ne fait mieux aujourd’hui.

Ce que cela donne en pratique

Voyons d’abord les aspects positifs. Ce modèle, qui se hisse au 18e rang mondial, fonctionne sans problème chez soi sur une simple carte RTX 4090 de 24 Go de VRAM. La variante int8 pèse 16,6 Go, génère un rendu 2048×2048 en 44 secondes, pour une dépense électrique minime par image 2K. Les moteurs propriétaires du haut du tableau ne sont, eux, accessibles que via des API payantes.

Voyons maintenant ce que le classement ne montre pas. Les votes d’AA traduisent une préférence visuelle globale. Ils ne garantissent pas la précision orthographique des textes ni le respect des consignes spatiales complexes. J’ai procédé à mes propres vérifications (avec des tests formulés en polonais dans le protocole original) :

• Rendu de textes complexes : 6 séquences correctes sur 13, contre 13 sur 13 pour les meilleurs modèles fermés et 11 sur 13 pour Ideogram 4.5.
• Disposition spatiale décrite textuellement : 2 éléments bien positionnés sur 16, avec une intersection sur union (IoU) moyenne de 0,17. À titre de comparaison, FLUX 3 guidé par boîtes englobantes en JSON valide 16 placements sur 16.
• Petits lettrages en 4K : seulement 2 petites enseignes sur 8 restent lisibles à la résolution maximale de 2752×1536.

Le public apprécie le rendu visuel de Qwen, mais pour des visuels exigeant du texte précis ou un placement d’objets au millimètre, le classement Elo peut être trompeur. Les détails complets sont analysés dans l’article Qwen-Image-2.1 face aux modèles propriétaires.

Rappelons aussi qu’à sa sortie, Alibaba affirmait dépasser Nano Banana 2. Les mesures indépendantes d’AA ne le confirment pas : Nano Banana 2 conserve une avance avec 1125 points en génération et 1108 en retouche.

Le point d’attention : la licence

Poids ouverts ne signifie pas licence libre. Qwen-Image-2.1 est distribué sous la Qwen Research License Agreement, qui autorise uniquement la recherche, l’évaluation et un usage non commercial. Pour toute exploitation commerciale, il faut négocier un accord spécifique avec Alibaba. Sur ce point, d’autres acteurs du tableau sont plus souples : Qwen-Image-2512 adopte la licence Apache 2.0 et Ming-Image-0.1-Design la licence MIT. Vous trouverez un comparatif dans notre classement des modèles ouverts pour l’image et une analyse détaillée des clauses dans notre point sur la licence de Qwen.

En clair : pour générer des images en local à des fins d’apprentissage, d’expérimentation ou pour des projets personnels, c’est l’option la plus robuste du moment. Pour des projets lucratifs, les résultats de ce benchmark restent secondaires tant qu’un accord commercial n’est pas signé avec Alibaba.

Pour déployer le modèle sur votre machine, consultez le tutoriel d’installation sous ComfyUI pour Windows, et retrouvez les exigences matérielles pour les cartes plus modestes dans notre guide dédié à la VRAM.

// lire la suiteFLUX 3 Image Klein : test local sur RTX 4090BenchmarksQwen-Image-2.1 face aux modeles proprietaires: 4 tests sur RTX 4090BenchmarksQwen-Image-2.1 : test des poids officiels sans modérationBenchmarks

Kinetyra