Qwen-Image-2.1-Turbo مقابل Z-Image Turbo: نموذجان بثماني خطوات، رهانان مختلفان

Qwen-Image-2.1-Turbo وZ-Image Turbo هما نقطتا التفتيش المفتوحتان للصور التي ينتهي معظم الناس إلى الاختيار بينهما الآن، والسبب في أن المقارنة لا تزال تدور في حلقة مفرغة هو أنهما يعلنان الرقم الرئيسي نفسه. كلاهما يعمل بثماني خطوات لإزالة التشويش. وكلاهما مفتوح بما يكفي لتنزيله وتشغيله على جهازك. وكلاهما يُروَّج له بوصفه أسرع بكثير من الشيء الذي اشتُقّا منه. كل ما يحدد أيهما تريد فعلاً يقع تحت ذلك الرقم المشترك، ولا شيء منه هو عدد الخطوات. نُشر Z-Image Turbo في 25 نوفمبر 2025 بوصفه نموذجاً بحجم 6B تحت رخصة Apache-2.0، ومقطَّراً من سلسلة Z-Image بوصفة منشورة من مرحلتين. ظهر Qwen-Image-2.1-Turbo في 9 أكتوبر 2026 كنقطة تفتيش معجَّلة من Qwen-Image-2.1 — النموذج الأساسي الذي صدر في 20 سبتمبر 2026 — مع الاحتفاظ بمعمارية 7B ورخصة البحث غير التجارية الخاصة بالمورّد. يفصل بين المستودعين ثمانية أشهر، والفرق في كيفية بنائهما أكبر مما يوحي به فارق التاريخ.

ثماني خطوات هي العَرَض المشترك، وليست السبب المشترك

عندما يصل نموذجان إلى العدد نفسه من الخطوات عبر مسارين مختلفين، يتوقف عدد الخطوات عن كونه مقارنة مفيدة. إنه يخبرك فقط أن النموذجين ضُبِطا لتحقيق زمن استجابة قابل للمقارنة، ولا شيء غير ذلك.

• وصل Z-Image Turbo إلى ذلك عبر التقطير، ثم عبر التعلم المعزز. تصف بطاقة عائلة Z-Image أنه "نسخة مقطّرة من Z-Image تضاهي المنافسين الرواد أو تتجاوزهم بـ 8 NFEs فقط". ويذكر التقرير التقني اسم الآلية: Decoupled-DMD، وهو متغيّر من Distribution Matching Distillation يفصل بين آليتين كانت طرق DMD القائمة تتعامل معهما كآلية واحدة، ويتبعه DMDR، الذي يدمج DMD وRL أثناء التدريب اللاحق. ويُظهر جدول المتغيّرات على البطاقة مسار التدريب بوضوح — التدريب المسبق، وSFT، وRL كلها محدَّدة، 8 خطوات، وCFG معطَّل.

• وصل Qwen-Image-2.1-Turbo إلى ذلك عبر إعادة تغليف قاعدة قوية. تصفه بطاقته بأنه «نقطة تحقق مُسرَّعة من Qwen-Image-2.1 لتوليد الصور من النص وتحرير الصور عبر 8 خطوات لإزالة الضوضاء»، على البنية نفسها لتوليد الصور المرئية بحجم 7B. لا توجد وصفة تقطير منشورة. وما هو موثّق هو أن نقطة التحقق تحمل جدول أخذ عينات موصى به خاصًا بها، لذا يحمّله Diffusers تلقائيًا، ولن يؤدي ضبط `num_inference_steps` وحده إلى تجاوزه، وأن التوليد يعتمد افتراضيًا على CFG=1 مع التخزين المؤقت لـ prefix KV الذي يعيد استخدام سياق النص والصورة المرجعية عبر الخطوات.

النتيجة العملية: مع Z-Image Turbo، أنت تشغّل نموذجًا سرعته نتاج عملية تدريب، ومع Qwen-Image-2.1-Turbo، أنت تشغّل نقطة تحقق لنموذج كان جيدًا بالفعل، مع اختصار مسار أخذ العينات وتجميده داخل الملف. كلا الأمرين مشروع. لكنهما يفشلان بطرق مختلفة. النموذج المقطّر له ميزانية جودة أُنفقت أثناء التدريب؛ أما نقطة التحقق المعاد تجميعها فلها ميزانية أُنفقت أثناء إنشاء نقطة التحقق. ولا تنشر أي من البطاقتين مقدار ما أُنفق.

الخطوط التي تفصل بينهما فعليًا

خمسة أبعاد تحدد هذه المواجهة. كل واحد منها مذكور في مصدر أولي يمكنك فتحه.

• الحجم: 6 مليارات معامل لـ Z-Image Turbo مقابل 7 مليارات لـ Qwen-Image-2.1-Turbo. كلاهما صغير بما يكفي لأجهزة المستهلك، والفارق ليس ما سيحدد نتيجتك.

• الترخيص: Apache-2.0 لـ Z-Image Turbo؛ اتفاقية qwen-research لـ Qwen-Image-2.1-Turbo، التي تمنح حقوقًا "لأغراض غير تجارية فقط" وتتطلب ترخيصًا يُطلب بشكل منفصل للاستخدام التجاري. هذا هو الفرق الأوسع بين النموذجين والوحيد الذي يكون ثنائيًا.

• التحرير:يقوم Qwen-Image-2.1-Turbo بتحويل النص إلى صورة والتحرير الموجَّه بالتعليمات عبر تنزيل واحد — وتعرض بطاقته كليهما باستخدام نفس الجدول الزمني المحفوظ. أما Z-Image Turbo فهو نموذج توليد؛ أما التحرير فيوجد في Z-Image-Edit، وهو متغيّر منفصل ما زالت بطاقة العائلة تُدرجه ضمن "سيصدر قريبًا". إذا كانت خط أنابيبك تحتاج إلى تعديلات قائمة على التعليمات اليوم، فهذا السطر يحسم الأمر.

• عرض النص واللغة: تُبرز بطاقة Z-Image عرض النص ثنائي اللغة الإنجليزية والصينية باعتباره ميزة رئيسية في Turbo. ولا تقدّم بطاقة Qwen-Image-2.1-Turbo ادعاءً مكافئًا — إذ إن معرضها منظّم حسب فئة المخرجات (الصورة الشخصية، الوضعية والحركة، RGBA شفاف، الطباعة وتصميم الملصقات، تخطيط واجهة المستخدم، تحويل صورة واحدة، تركيب متعدد المراجع) بدلًا من اللغة.

• نضج الذاكرة والنشر:بطاقة Z-Image تذكر أن Turbo "يتسع بسهولة ضمن أجهزة استهلاكية بذاكرة VRAM بسعة 16G" وتزعم استدلالًا في أقل من ثانية على أجهزة من فئة H800 — ادعاءات بائع، غير منسوبة إلى طريقة قياس. بطاقة Qwen-Image-2.1-Turbo لا تنشر أي رقم للذاكرة أو زمن الاستجابة على الإطلاق. في الأيام الأربعة التي تلت ظهوره، قاس منفذ مستقل لنظام macOS استهلاكه عند ذروة تتراوح بين 1.8 و2.7 غيغابايت دون أي مبادلة على جهاز M1 Pro بذاكرة 16 غيغابايت، عند حد إخراج 1024×1536؛ هذا رقم طرف ثالث على تنفيذ طرف ثالث، وليس رقمًا من البائع.

ما الذي تغطيه لوحات الصدارة، والصفّان اللذان لا وجود لهما

هنا يُساء فهم المقارنة في أغلب الأحيان، لذا يجدر بنا أن نكون دقيقين في تحديد النموذج الذي ينتمي إليه كل رقم.

في ساحة النص إلى الصورة العامة، يوجد صف لـ Z-Image Turbo عند 941 إيلو من نحو 9,000 صوت، وصف منفصل لـ Z-Image Base عند 877. ويوجد صف لـ Qwen-Image-2.1 عند 1,038 إيلو من نحو 5,500 صوت، بتاريخ سبتمبر 2026 وموسوم بعدم توفر API. كما تحتوي لوحة التحرير أيضًا على صف لـ Qwen-Image-2.1.

لاحِظ ما هو غائب. لا يوجد صف لـ Qwen-Image-2.1-Turbo على أي من اللوحتين — فنقطة التحقق هذه من إصدار 9 أكتوبر 2026 ولم تُقيَّم بشكل منفصل. ولا يوجد صف لـ Z-Image Turbo على لوحة التحرير، لأن Z-Image Turbo لا يقوم بالتحرير. لذا فالمقارنة التي تبدو نظيفة «Qwen عند 1,034 مقابل Z-Image عند 941» ليست مقارنة بين نقطتي التحقق اللتين تدور حولهما هذه المقالة؛ بل هي مقارنة بين النموذج الذي قُطِّر منه Z-Image Turbo والنموذج الذي سُرِّع منه Qwen-Image-2.1-Turbo. جودة Qwen-Image-2.1-Turbo عند ثماني خطوات غير مقيسة علنًا، وكذلك مقدار ما يتبقى من موضع النموذج الأساسي بعد الجدولة المختصرة.

الطريقة الصحيحة لقراءة تلك الأرقام هي اعتبارها حدًّا أعلى مع تحفّظ مرفق: فالعائلة التي ينحدر منها Qwen-Image-2.1-Turbo تقع أعلى بنحو 97 Elo من العائلة التي ينحدر منها Z-Image Turbo على لوحة تحويل النص إلى صورة، ولم ينشر أحد ما إذا كانت نقطة تفتيش Turbo تحافظ على تلك الفجوة.

الترخيص ليس حاشية في هذه المواجهة

بين نموذجين متقاربين إلى هذا الحد في القدرات، غالبًا ما يكون الترخيص هو القرار كله، وهنا لا يتقارب الاثنان على الإطلاق.

يصدر Z-Image Turbo تحت رخصة Apache-2.0. وهي رخصة متساهلة: استخدمه، وعدّل عليه، ووزّعه، وبِع ما تبنيه باستخدامه، رهناً بشروط الإسناد والإشعار المعتادة.

يرث Qwen-Image-2.1-Turbo اتفاقية Qwen Research License Agreement دون تغيير من النموذج الأساسي. اقرأها وستجد أن الجملة السارية ليست غامضة — فالمنحة هي "لأغراض غير تجارية فقط"، ويتطلب الاستخدام التجاري ترخيصًا منفصلًا يُحصل عليه من المورّد. كما تحظر الاتفاقية استخدام "Qwen" كاسم أساسي أو معرّف لعمل مشتق، بينما تسمح بالاستخدام الوصفي مثل "مضبوط بدقة انطلاقًا من Qwen Image".

إذا كنت تُنشئ نموذجًا أوليًا، أو تُقيّم، أو تُجري بحثًا، فإن هذا الفرق لا يكلّفك شيئًا ويمكنك الاختيار بناءً على القدرات. وإذا كنت تبني شيئًا تنوي بيعه أو تشغيله تجاريًا، فإن أحد هذين قابل للاستخدام بينما الآخر يتطلب محادثة مع Alibaba Cloud. هذه حقيقة أكبر بكثير من جدول زمني من 8 خطوات.

تشغيل أيٍّ منهما، وأين يصبح الموجّه ذا صلة

كلاهما عبارة عن تنزيلات أوزان تستضيفها بنفسك. لا يُعد أيٌّ منهما نقطة نهاية مستضافة على OrcaRouter، وسيكون من غير الأمانة الإيحاء بخلاف ذلك — نماذج الصور التي نوجّهها هي عائلة OpenAI GPT-Image. السبب في أن المنتج ينتمي إلى هذه المحادثة أصلًا هو ما يحدث في اللحظة التي يحصل فيها نموذج حفظ مثل أيٍّ من هذين على مزوّد مستضاف يدعمه.

في اليوم الذي يحدث فيه ذلك، يتوقف القرار عن كونه "أي ملف أُنزّله" ليصبح "كم عدد تكاملات المورّدين التي أُديرها". تلك هي المشكلة التي بُني OrcaRouter من أجلها: أكثر من 200 نموذج خلف نقطة نهاية واحدة متوافقة مع OpenAI بسعر قائمة المزوّد وبدون أي هامش ربح، ولغة توجيه DSL للتعبير عن النموذج الذي تريده وتحت أي ظروف، وتجاوز فشل تلقائي عند تدهور أداء أحد المزوّدين، ودمج النماذج لدمج المخرجات. نقطة تحقق مفتوحة من 8 خطوات والموجّه ليسا إجابتين متنافستين؛ فالأول ملف على قرصك، والثاني هو الطريقة التي تتوقف بها عن الاكتراث بنقطة النهاية التي تقف خلف اسم نموذج ما.

حتى ذلك الحين، يكون المسار المحلي هو المسار الكامل، وتكون القيود هي تلك التي تنص عليها البطاقات والتراخيص.

أيّهما يُنزَّل أولاً

أقصر نسخة صادقة من القرار:

• اختر Z-Image Turbo إذا كنت بحاجة إلى شحن منتج تجاري، أو إذا أردت وصفة التسريع الأكثر توثيقًا مع مسار تدريب منشور، أو إذا كان عرض النص بالصينية والإنجليزية معًا مطلبًا حقيقيًا، أو إذا كنت تستهدف جهازًا بسعة 16 غيغابايت وترغب في حدّ ذاكرة معلن من المورّد.

• اختر Qwen-Image-2.1-Turbo إذا كنت بحاجة إلى التحرير الموجَّه بالتعليمات وتوليد الصور من النص انطلاقًا من نقطة تفتيش واحدة اليوم، بدلًا من انتظار نسخة تحرير منفصلة، وإذا كان عملك بحثيًا أو تقييميًا، وإذا كنت تفضّل الانتماء إلى النموذج الأساسي الأقوى وتقبل بأن جودته بعد ثماني خطوات غير مُقاسة حاليًا.

• خُذ كليهما إذا كنت تختار لفريق. فهما صغيران بما يكفي ليجاور أحدهما الآخر على القرص نفسه، ويخدمهما الصنف نفسه من المشغّلات المحلية، والشيء الوحيد الذي لا يمكنك فعله مع تثبيت كليهما هو شحن نقطة تفتيش Qwen تجاريًا.

ما لا يمنحك إياه أي منهما اليوم هو معيار مرجعي. ثماني خطوات، 6B مقابل 7B، Apache-2.0 مقابل رخصة بحثية — كل هذه حقائق على بطاقة. أي الاثنين ينتج صورًا أفضل بعد ثماني خطوات إزالة ضوضاء هو سؤال لم يجب عليه أي مصدر أساسي بعد، وفي الوقت الحالي فإن الشيء الصادق هو تشغيل كليهما مقابل مطالباتك الخاصة بدلًا من الوثوق بصف في لوحة المتصدرين يخص نقطة حفظ مختلفة.

المقارنات مثل هذه هي أيضًا حيث تظهر أنماط الفشل: الحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء الكامنة وراء النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.