Qwen-Image-2.1 免费 API：魔搭门槛与每日上限

Qwen-Image-2.1 有官方免费 API，入口在魔搭社区的模型页 Qwen/Qwen-Image-2.1，叫「推理 API-Inference」。截至 2026 年 9 月 25 日，这个面板显示「预计魔粒扣减 1魔粒/次」，由魔搭社区提供、阿里云提供算力。能不能用取决于一个门槛：你的魔搭账号必须绑定一个已通过实名认证的阿里云账号。过了这一关，按官方公布的每日登录奖励计算，一天最多大约能调用 250 次；它是非商业的体验服务，不能拿来做商用或高并发线上业务。魔搭模型页 · API-Inference 使用限制

常听到的「2.1 只有开源权重，没有托管 API」只说对了一半：魔搭这条官方免费 API 一直存在；阿里云百炼（Model Studio）也从 2026 年 10 月 9 日起上线了 2.1 的两个付费型号 qwen-image-2.1-turbo 和 qwen-image-2.1-pro，按张计费，不在本文的免费范围内，调用方法和价格见Qwen-Image-2.1-Turbo API 调用与价格：百炼 0.1 元/张，Python 示例。

先判断你该走哪条路

「免费 API」和开源权重、百炼 API 不是一回事

Qwen 团队在 2026 年 9 月 20 日开源了 Qwen-Image-2.1，权重同时发布在 Hugging Face 和魔搭。围绕它的「免费」「API」至少有五种说法，指的东西完全不同：

百炼这一行最容易被混用。本文初稿时，阿里云国际站的 Qwen-Image API 文档（2026 年 9 月 22 日更新）列出的是 qwen-image-3.0-pro、qwen-image-3.0、qwen-image-2.0-pro、qwen-image-2.0、qwen-image-max、qwen-image-plus 和 qwen-image，没有 2.1；10 月 9 日起百炼加入了 qwen-image-2.1-turbo 和 qwen-image-2.1-pro，价格按百炼自己的定价页（截至 2026 年 10 月 26 日，华北2（北京）分别为 0.1 元/张和 0.25 元/张）。2.0、3.0 的型号名、价格和免费额度仍然不能套到 2.1 上；百炼或 DashScope 的 API Key 也不是魔搭 Token，两者不能互换。阿里云 Model Studio：Qwen-Image API

Hugging Face 的 Inference Providers 同样没有给 2.1 接入任何服务商（截至 2026 年 9 月 25 日），这和上面那个演示 Space 不是一回事。

门槛：魔搭账号绑定已实名的阿里云账号

魔搭的使用限制文档写得很直接：免费推理 API 由阿里云提供算力，ModelScope 账号必须先绑定阿里云账号，而且为了防止滥用，对应的云账号要通过实名认证后才能正常使用 API-Inference。模型页代码示例的底部也有同样的提示：「使用前请先绑定阿里云账号，并通过阿里云实名认证」。

准备顺序如下：

1. 注册并登录魔搭社区（modelscope.cn）。
2. 完善个人信息，验证邮箱。魔粒说明里写明，使用魔粒的前置要求是「完善个人信息，包括提供验证通过的个人邮箱」。
3. 在账号设置里绑定阿里云账号，并确认这个阿里云账号已经完成实名认证。
4. 到访问令牌页面 modelscope.cn/my/myaccesstoken 创建 Token（也叫 Access Token）。登录后，模型页的代码示例里也能直接看到你的 Token。

哪些证件、哪些国家和地区的账号能通过阿里云实名认证，魔搭和阿里云的公开文档都没有列出清单。如果你用的是海外身份，最稳妥的做法是先确认阿里云实名能不能完成，再去折腾代码。

魔搭还有一个英文界面的国际站 modelscope.ai，同一个模型的免费 API 也在，接口地址是 https://api-inference.modelscope.ai/，Token 在 modelscope.ai/my/myaccesstoken 创建，绑定阿里云并实名的要求一样。两个站点的 Token 能不能互相通用，官方没有说明，Token 在哪个站创建，就用哪个站的接口地址。

一天最多能调用多少次

API-Inference 不按「次数配额」给额度，而是扣魔粒。魔搭的规则是「魔粒余额充足即可调用任意次数」，按模型大小分三档：轻量模型 0.5 魔粒/次、主流模型 1 魔粒/次、旗舰模型 2 魔粒/次。Qwen-Image-2.1 的模型页显示 1 魔粒/次，属于主流档。

魔粒从哪来，魔粒说明页给出了每日的固定发放（截至 2026 年 9 月 25 日）：

• 注册后每日登录：200 短期魔粒，每天最多一次，当日有效。
• 绑定阿里云账号后每日登录：再加 50 短期魔粒，同样每天一次。
• 一次性奖励会发长期魔粒，比如验证邮箱 50、编辑个人介绍 50、配置个人主页 50。

由于调用 API 本来就要求绑定阿里云，能用 API 的账号每天可以拿到 200 + 50 = 250 短期魔粒。按 2.1 每次 1 魔粒计算：

每日上限 ≈ 250 魔粒 ÷ 1 魔粒/次 = 250 次，再加上账户里还没过期的长期魔粒。

这是天花板，实际能用到的通常更少，原因都写在官方规则里：

• 同一份余额多处共用。 魔粒同时用于 API-Inference、网页上的 AIGC 生图（模型页的「一键生成」）和训练。你在网页上生了几张图、调用了别的模型，当天能给 2.1 用的就少了。
• 短期魔粒 24 小时过期。 过期时间从发放时刻算起，长期魔粒是 90 天；扣减时系统优先用最临近过期的那部分。今天没用完的 250 不会攒到明天。
• 并发是动态限流的。 魔搭按平台压力调整每个模型允许的并发，原则是保证开发者单并发能正常用。批量任务要一个一个串行提交，想同时跑几十个会被限。
• 扣减标准和发放规则都可能变。 魔粒说明页写着规则「可能根据线上情况动态更新」，模型页上的扣减数字也可能调整。每次准备批量跑之前，打开模型页的代码示例，确认右上角「预计魔粒扣减」还是 1。

还有一条对你有利的规则：因系统原因导致失败的推理任务会全额返还魔粒，你主动取消的推理任务也会返还。文档只承诺这两种情况返还，其他原因的失败是否扣魔粒没有写明。余额和扣减明细可以在导航栏右上角的「魔粒值」里查看。

跑通第一次：提交、查询、下载

魔搭的图片生成是异步的：先提交任务拿到 task_id，再用这个 ID 反复查询状态，成功后从返回的链接下载图片。

图中的请求体和状态字段只是示意。真实请求里模型 ID 要写完整的 Qwen/Qwen-Image-2.1，状态字段是 task_status，结束时的值是 SUCCEED 或 FAILED，以下面的代码为准。

官方示例里的关键约定：

• 提交：POST {base_url}v1/images/generations，请求头带 Authorization: Bearer $MODELSCOPE_TOKEN（换成你的访问令牌）和 X-ModelScope-Async-Mode: true，请求体里 model 和 prompt 两个字段就够了。
• 查询：GET {base_url}v1/tasks/{task_id}，请求头加 X-ModelScope-Task-Type: image_generation。
• 结果：task_status 为 SUCCEED 时，图片链接在 output_images 里；为 FAILED 时停止。

先安装依赖并设置 Token：

pip install requests pillow
export MODELSCOPE_TOKEN="你在魔搭创建的 Token"
# 使用国际站 Token 时再加这一行
# export MODELSCOPE_BASE_URL="https://api-inference.modelscope.ai/"

下面的代码按模型页上的官方 Python 示例改写，没有在真实账号上运行过。和官方示例相比，改了四处：Token 和接口地址从环境变量读取，不写死在代码里；每个请求加了超时；查询设了总时限，避免无限循环；图片存成 PNG 而不是 JPG。

import os
import time
from io import BytesIO

import requests
from PIL import Image

BASE_URL = os.environ.get("MODELSCOPE_BASE_URL", "https://api-inference.modelscope.cn/")
TOKEN = os.environ["MODELSCOPE_TOKEN"]

headers = {
    "Authorization": f"Bearer {TOKEN}",
    "Content-Type": "application/json",
}

# 1. 提交任务：只放 model 和 prompt
resp = requests.post(
    f"{BASE_URL}v1/images/generations",
    headers={**headers, "X-ModelScope-Async-Mode": "true"},
    json={
        "model": "Qwen/Qwen-Image-2.1",
        "prompt": "A golden cat sitting on a sunny windowsill, watercolor style",
    },
    timeout=30,
)
resp.raise_for_status()
task_id = resp.json()["task_id"]
print("task_id:", task_id)

# 2. 查询同一个任务，每 5 秒一次，最多等 10 分钟
deadline = time.time() + 600
while True:
    r = requests.get(
        f"{BASE_URL}v1/tasks/{task_id}",
        headers={**headers, "X-ModelScope-Task-Type": "image_generation"},
        timeout=30,
    )
    r.raise_for_status()
    data = r.json()
    status = data.get("task_status")
    if status == "SUCCEED":
        break
    if status == "FAILED":
        raise SystemExit(f"任务失败：{data}")
    if time.time() > deadline:
        raise SystemExit(f"等待超时，最后状态 {status}，可稍后用 task_id={task_id} 继续查询")
    time.sleep(5)

# 3. 下载图片：和官方示例一样，下载链接时不带 Token
image_url = data["output_images"][0]
img = requests.get(image_url, timeout=60)
img.raise_for_status()
Image.open(BytesIO(img.content)).save("qwen_image_21.png")
print("已保存 qwen_image_21.png")

几点说明：

• 10 分钟的总时限是随手设的保险，不是官方数字。模型页上的面板显示「待机态」，官方没有说明它对排队时间有什么影响；第一次请求等得久一些，先别当成失败。
• 超时退出后，用同一个 task_id 接着查，不要重新提交。每次提交都是一次新调用，会再扣一次魔粒。
• 存 PNG 是因为无损，如果返回的图带透明通道也不会被丢掉。这个 API 能不能直接生成透明背景图，魔搭没有写明。如果你要的是给现成图片去背景，可以看 透明底图片怎么做：按素材选方法，再确认真的透明。
• 魔搭的通用文档提到「多数模型用英文提示词效果更好」，这句不是专门针对 2.1 的，中文提示词可以自己对比试试。

跑通之后再加参数

魔搭的通用 AIGC 文档列出了 negative_prompt、size、seed、steps、guidance、image_url 等可选参数，但这份文档不是针对 2.1 写的：里面的尺寸范围 64×64 到 1664×1664 标注的是早先的 Qwen-Image，2.1 在 API 上是否接受这些参数、上限是多少，都没有说明。稳妥的做法是先用最小请求跑通，再一次只加一个参数，观察结果有没有变化。image_url 是给改图模型用的，2.1 能不能通过这个 API 改图同样没有记载；需要改图的话，按改图任务选择 AI 路线那篇列了其他选择。

官方示例里还有被注释掉的 loras 字段（最多 6 个，权重之和为 1.0）。为早先 20B 版 Qwen-Image 训练的 LoRA 和 7B 的 2.1 不匹配，不要直接拿来用。

出错时先看卡在哪一步

魔搭没有公开 API-Inference 的错误码表，下面按失败发生的位置列出最可能的原因和对应检查：

FAILED 的原因可能不止一种：参数不被接受、平台侧故障，或者提示词触发了内容审核。魔搭没有公开 2.1 在 API-Inference 上的审核规则，所以看到失败时先用最朴素的提示词排除审核因素，再判断是不是参数问题。

过不了实名、需要商用或要高并发时

只想试几张：官方演示 Space

Qwen 官方在 Hugging Face 上有一个 Qwen/Qwen-Image-2.1 的演示 Space，匿名打开就能用，也提供 Gradio 调用接口。生成接口是 /generate_with_enhance，只有 original_prompt 是必填的：

# pip install gradio_client
from gradio_client import Client

client = Client("Qwen/Qwen-Image-2.1")
image, seed, rewritten_prompt = client.predict(
    input_images=[],
    original_prompt="A golden cat sitting on a sunny windowsill, watercolor style",
    api_name="/generate_with_enhance",
)
print(image, seed, rewritten_prompt)

默认会先改写你的提示词（enable_extend=True），输出尺寸默认宽 2688、高 1536；返回值依次是图片、种子和改写后的提示词。截至 2026 年 9 月 25 日这个 Space 在运行，但它是演示，没有公布额度，也没有稳定性承诺，可能排队、暂停或改接口，Hugging Face 对匿名用户可能另有限制。适合验证提示词效果，不适合接进要长期运行的程序。

不要账号：本地部署

不想绑定任何在线账号，就把权重下载到自己的机器上跑。ComfyUI 官方的 INT8 组合在 16–24 GB 显存的 NVIDIA 显卡上可以运行，8–12 GB 显存要用 GGUF 量化，Mac 也有路线。按显存怎么选，见 Qwen-Image-2.1 本地部署：按显存选权重与路线。本地跑同样受研究许可约束。

要商用：免费路线都不行

这里有三件事要分开看：

• 调用免费不等于可以商用。 魔搭的使用限制把 API-Inference 定位为「非商业化，非盈利」的体验产品，有商业需求时建议用各商业平台的 API。
• 模型许可本身也限制商用。 Qwen-Image-2.1 的权重采用 Qwen Research License，非商业用途限于研究和评估；商用需要另外向 Qwen 申请许可，许可文本里留的联系邮箱是 model-business@notice.qwencloud.com。许可原文
• 生成图片的归属是另一个问题。 许可文本没有专门讲输出内容的条款。它不是 Apache 2.0，也不能简单理解成「生成的图一律不能卖」，有商业计划时以许可原文和法律意见为准。

第三方付费平台可以绕过实名门槛，但绕不过许可问题。比如 Kie 的 Qwen-Image-2.1 接口标价 1K 图 4 credits（约 $0.02）、2K 图 8 credits（约 $0.04），截至 2026 年 9 月 25 日；页面上有「Commercial use」标签，但它是否拿到了 Qwen 的单独商用授权，页面没有说明。Kie：Qwen Image 2.1 API

如果你的项目需要可商用的付费生图 API，而且可以换模型，laozhang.ai 的模型目录里有 gpt-image-2、flux-2-pro（各 $0.03/次）等图像模型，截至 2026 年 9 月 25 日目录里没有 Qwen 系列图像模型，这是换模型，而不是 2.1 的另一种接入方式（laozhang.ai 模型列表）。想横向比较其他还在免费或有试用额度的生图接口，可以看 2026 免费 AI 生图 API：现在哪里还算真正免费？

说明：laozhang.ai 是我们自己的服务，其价格是平台报价，不是独立比较的结论。

要高并发或 SLA

魔搭明确说免费 API 不要用于需要高并发和 SLA 保障的线上任务。它提供了另一种接法：通过 API-Provider 绑定外部 API 提供方后使用，但那就不再是这条免费路线了。

常见问题

魔搭 Token 能当阿里云百炼的 API Key 用吗？

不能。魔搭 Token 在 modelscope.cn 的访问令牌页面创建，只用于魔搭的 API-Inference；百炼（DashScope）的 API Key 属于阿里云的付费模型服务，用来调用 2026 年 10 月 9 日起上线的 qwen-image-2.1-turbo 和 qwen-image-2.1-pro 等付费型号，不能拿去调魔搭上的免费基础版。

「每天免费 250 张」这个说法准确吗？

不准确。250 是按每日登录发放的 250 短期魔粒、2.1 每次扣 1 魔粒算出来的理论上限。网页生图、其他模型会分走同一份余额，限流和规则调整也会让实际次数更少，魔搭从没承诺过固定张数。

海外用户能用魔搭的免费 API 吗？

要看你能不能让一个阿里云账号通过实名认证并绑定到魔搭。官方没有公布可通过的国家或证件清单，国际站 modelscope.ai 的要求也一样。先完成实名这一步，再决定走哪个站点。

生成失败会不会白扣魔粒？

魔粒规则写明，因系统原因失败的推理任务全额返还，自己取消的推理任务也返还。其他原因的失败怎么处理没有写，遇到时去「魔粒值」明细里核对。