Qwen-Image-2.1-Turbo auf einem Desktop: BaoCut 3.5 und die ersten lokalen Zeitmessungen

Das Repository für Qwen-Image-2.1-Turbo erschien am 9. Oktober 2026 auf Hugging Face mit 707 Likes, Gewichten, einer Lizenzdatei und einer einzigen Zeile in der GitHub-News-Liste von Qwen-Image-2.1 als seine gesamte Ankündigung. Fünf Tage später läuft es bereits auf den Schreibtischen der Leute. BaoCut 3.5, ein chinesisches Desktop-Bearbeitungswerkzeug, integrierte den Checkpoint und begann, Bilder lokal auf dem Rechner statt über einen Server zu erzeugen; X/@dotey berichtete am 13. Oktober 2026, dass ein Bild bei 1080p auf ihrem Mac Mini M2 ungefähr drei bis fünf Minuten dauert und bei 2K fast zwanzig Minuten. Separat meldete sich eine Open-Source-macOS-App namens Siliconed am 11. Oktober 2026 im eigenen Diskussionsforum des Modells mit gemessenen 118 Sekunden bei 1024² auf einem M1 Pro, und dieselbe Maschine lief mit Z-Image Turbo – dem anderen offenen 8-Schritt-Checkpoint, zwischen dem die Leute wählen – in 82 bis 85 Sekunden. Qwen-Image-2.1, das Basismodell, von dem beide lokalen Ports abgeleitet sind, wurde am 20. September 2026 veröffentlicht. Der beschleunigte Checkpoint ist drei Wochen jünger als sein Elternmodell und hat keine eigene unabhängige Evaluierung.

Das ist die Form dieser Geschichte: ein Checkpoint, der nie gestartet, nur veröffentlicht wurde und nun in Desktop-Software Einzug hält, bevor der Anbieter öffentlich überhaupt viel darüber gesagt hat. Was folgt, unterscheidet zwischen dem, was das Repository tatsächlich angibt, und dem, was die ersten Nutzer berichten, denn beides ist keine Aussage derselben Art.

Was das Repository bestätigt – und was nicht

Alles Folgende stammt aus der Modellkarte, der Lizenzdatei und dem Projekt-Changelog – Primärquellen, die von jedem überprüft werden können.

• Datiert, und datiert, wo es zählt. Die Hugging Face API meldet, dass das Repository am 2026-10-09T04:50:01Z erstellt und zuletzt am 2026-10-12 geändert wurde. Die Qwen-Image-2.1 GitHub-Newsliste enthält den passenden Eintrag: „2026.10.09: Wir haben Qwen-Image-2.1-Turbo für Bildgenerierung und -bearbeitung in nur 8 Denoising-Schritten veröffentlicht.“ Dasselbe Changelog verzeichnet, dass die Pro- und Turbo-APIs am selben Tag auf A​libaba Cloud Model Studio live gingen. Dies ist ein Release; es ist ein Release ohne Launch.

• Worum es sich handelt. Die Karte bezeichnet es als „einen beschleunigten Checkpoint von Qwen-Image-2.1 für die Text-zu-Bild-Generierung und die Bildbearbeitung mit 8 Denoising-Schritten", aufgebaut auf derselben 7B-Architektur zur visuellen Generierung. Es ist keine neue Familie und keine neue Architektur. Es ist der Basis-Checkpoint, neu verpackt rund um eine deutlich kürzere Sampling-Trajektorie.

• Beide Fähigkeiten in einem Download. Text-zu-Bild und instruktionsgesteuerte Bearbeitung werden von diesem einzelnen Checkpoint bereitgestellt. Die Beispiele der Karte selbst verwenden für beide denselben gespeicherten 8-Schritte-Zeitplan und dieselbe Standard-CFG=1 und demonstrieren die Bearbeitung, indem sie eine Skizze einer Yacht in ein fotorealistisches Bild verwandeln.

• Der Zeitplan wird mit den Gewichten mitgeliefert. Der Checkpoint liefert seinen empfohlenen Sampling-Zeitplan mit, sodass Diffusers ihn automatisch lädt. Die Model Card stellt ausdrücklich klar, dass das alleinige Festlegen von `num_inference_steps` diesen gespeicherten Zeitplan nicht außer Kraft setzt. Prefix-KV-Caching verwendet Text- und Referenzbild-Kontext über die Denoising-Schritte hinweg wieder.

• Zwei Versionen des Toolkits sind erforderlich. Die angegebene Installation ist ein CUDA-kompatibler PyTorch-Build, Diffusers aus dem Quellcode, transformers 5.17.0 oder später, accelerate und pillow. Der Checkpoint benötigt Diffusers-Unterstützung für pipeline-konfigurierte Sampling-Sigmas, hinzugefügt in PR #14950 — Quellbaum, kein getaggtes Release zum Zeitpunkt des Verfassens.

• Die Lizenz ist unverändert, und sie ist die kommerzielle Barriere. Das Repository steht unter der qwen-research-Lizenz. Diese Vereinbarung gewährt Rechte „NUR FÜR NICHTKOMMERZIELLE ZWECKE“ und besagt, dass die kommerzielle Nutzung eine separate Lizenz erfordert, die beim Anbieter angefordert werden muss. Nichts an Turbo lockert sie.

• Keinerlei Benchmark. Auf der Karte findet sich kein Score für den Turbo-Checkpoint, kein Vergleich mit der Basis, keine Latenzangabe und keine Speicherangabe. Der Anbieter veröffentlicht nichts davon.

• Nicht zu verwechseln mit den Zahlen des Basismodells. Wenn Sie einen Elo- oder Qualitätswert sehen, der an den Namen Qwen-Image-2.1 geknüpft ist, prüfen Sie, zu welchem Checkpoint er gehört. Die öffentliche Image-Arena-Zeile gehört zu Qwen-Image-2.1, dem Basismodell vom 20. September, nicht zu Turbo.

Die ersten beiden lokalen Berichte und warum sie nicht übereinstimmen

Zwei unabhängige Personen haben innerhalb von vier Tagen nach Erscheinen des Repositorys Zahlen zur lokalen Inferenz vorgelegt. Sie haben unterschiedliche Maschinen, unterschiedliche Auflösungen und unterschiedliche Pipelines gemessen, und ihre Ergebnisse unterscheiden sich bei derselben nominellen Aufgabe um etwa eine Größenordnung. Beide sind lesenswert; keine von beiden ist ein Benchmark.

Der Bericht zum Desktop-Editor. X/@dotey, 13. Oktober 2026: BaoCut 3.5 hat Qwen-Image-2.1-Turbo integriert, und die Bilderzeugung erfolgt auf dem lokalen Rechner statt über einen Server. Auf ihrem Mac Mini M2 dauert ein 1080p-Bild etwa drei bis fünf Minuten und ein 2K-Bild knapp zwanzig. Sie merken außerdem an, dass das Tool NSFW-Ausgaben erzeugen wird und dass ein Agent auf den lokalen Bilddienst des Rechners gerichtet werden kann.

Der Bericht zur nativen App. Am 11. Oktober 2026 hat der Autor von Siliconed einen Beitrag im eigenen Hugging-Face-Diskussionsforum des Checkpoints veröffentlicht. Siliconed ist eine quelloffene, unter Apache 2.0 lizenzierte macOS-App, die das Modell in Swift und Metal ausführt, ohne Python und ohne ComfyUI im Spiel, und dabei jede Stufe – Textencoder, Transformer, VAE – Kanal für Kanal mit der Diffusers-Implementierung in fp32 vergleicht. Auf dem Referenzrechner, einem MacBook Pro M1 Pro mit 16 GB Unified Memory, rendert Qwen-Image-2.1-Turbo bei 1024², 8 Schritten und CFG 1 in 118 Sekunden; ein 1024×1536-Render dauert 190 Sekunden, eine Bearbeitung mit einem Referenzbild 212 Sekunden und eine Bearbeitung mit zwei Referenzbildern 285 Sekunden. Der Spitzenspeicher bleibt zwischen 1,8 und 2,7 GB, ohne Auslagerungen. Z-Image Turbo braucht auf demselben Rechner und bei derselben Auflösung 82 bis 85 Sekunden.

• Warum 3–5 Minuten und 118 Sekunden kein Widerspruch sind. Die Angabe im Beitrag bezieht sich auf einen Mac Mini M2 bei 1080p innerhalb einer Anwendung; die Angabe der App bezieht sich auf einen M1 Pro bei 1024², direkt ausgeführt. Andere Chips, andere Pixelanzahl, unterschiedlich viel Arbeit rund um das Modell. Keine der beiden Zahlen verrät dir, was deine Maschine leisten wird.

• Was die App berichtet, ist eine Selbstauskunft – und sagt das auch. Der Autor ist der Autor. Dagegen steht: Die Methode ist veröffentlicht, jede Zahl kommt mit einem angegebenen Messinstrument — `phys_footprint` alle 100 ms abgetastet, Swap aus `vm_stat` — und das Projekt veröffentlicht eine Chip-Tabelle mit einer ausgefüllten Zeile und ein öffentliches Formular, damit Leser ihre eigenen ergänzen können. Das ist mehr, als der Hersteller liefert, und weniger als ein unabhängiges Labor.

• Der Arbeitsspeicher ist die Zahl, die über die Machbarkeit entscheidet. Eine Standard-Installation mit 31,2 GB läuft auf einem 16-GB-Mac, weil die Gewichte bei Bedarf von der Festplatte gestreamt werden – innerhalb eines angegebenen Budgets von drei Vierteln des Systemspeichers minus 2 GB. Deshalb ist eine Installationsgröße, die größer als dein RAM ist, nicht automatisch ein Ausschlusskriterium, und deshalb ist der Festplatten-Durchsatz – nicht der VRAM – die einschränkende Größe.

• Die Auflösungsobergrenze ist eine echte Einschränkung. Der macOS-Port begrenzt die Ausgabe auf eine Fläche von 1024×1536, wobei jede Seite 512 oder mehr und ein Vielfaches von 16 betragen muss, mit der Begründung, dass dies die größte Größe ist, die auf einem 16-GB-Rechner mit null Swap gemessen wurde. Größere Renderings werden von vornherein abgelehnt, statt ein Thrashing zuzulassen. Wenn Ihre Arbeit die Presets der 2048er-Klasse des Basismodells benötigt, wird dieser lokale Weg sie Ihnen nicht liefern.

Lokale Gewichte bedeuten keine Moderationsschicht, und das hat zwei Seiten.

Die meistzitierte Zeile aus dem Beitrag vom 13. Oktober ist, dass das Modell NSFW-Bilder generiert. Es lohnt sich, genau zu sein, was das ist und was nicht.

Es ist kein Feature, das der Anbieter bewirbt. Die Modellkarte sagt nichts über eine Inhaltsrichtlinie für den offenen Checkpoint, und die Lizenz sieht keine Ausnahme vor: Sie gewährt nichtkommerzielle Nutzung und verlangt, dass du geltendes Recht einhältst, Punkt. Was der Bericht beschreibt, ist die gewöhnliche Folge davon, ein Diffusionsmodell auf eigener Hardware auszuführen – es gibt keinen Anbieter zwischen deinem Prompt und dem Sampler, also gibt es keinen anbieterseitigen Filter, der anschlagen könnte. Jeder offene Image-Checkpoint verhält sich so. Der Unterschied hier ist Geschwindigkeit und Verpackung: Ein 8-Schritt-Modell dieser Klasse ist auf Consumer-Hardware jetzt schnell genug, dass sich der lokale Weg nicht mehr wie ein Kompromiss anfühlt.

Die Frage der Compliance verlagert sich vollständig auf Sie. Wenn Sie irgendetwas ausliefern möchten, das auf diesem Checkpoint aufbaut, ist die Lizenz die bindende Einschränkung, und es handelt sich nicht um eine permissive Lizenz – das Basismodell wird unter denselben nichtkommerziellen Forschungsbedingungen vertrieben, und der Turbo-Checkpoint übernimmt sie unverändert. Die lokale Inferenz ändert nichts daran, was Sie mit der Ausgabe tun dürfen.

Der Teil, der wirklich neu ist: ein Werkzeug, das ein Agent aufrufen kann

Beide Berichte laufen auf dasselbe Detail hinaus, und es ist das mit dem längeren Rattenschwanz. Der Beitrag vom 13. Oktober erwähnt, dass ein Agent auf den lokalen Image-Dienst der Maschine gerichtet werden kann. Der macOS-Port bringt genau diese Schnittstelle mit: ein Hilfsprogramm namens `silicontrol` im App-Bundle, das das laufende Fenster von einem Terminal aus steuert und Befehle zum Auflisten von Modellen, zum Einreihen eines Renderings mit `--wait --out` und zum Auslesen des Status bietet, wobei es JSON-Zeilen mit einem abschließenden `"ok"`-Feld ausgibt. Es gibt nur eine Warteschlange und nie zwei Renderings gleichzeitig.

Ein lokaler Bild-Endpunkt, der in JSON Lines antwortet und einen Dateipfad zurückgibt, ist ein Ziel für Tool-Aufrufe. Das ist etwas anderes, als Prompts in eine Web-UI einzufügen: Ein Coding-Agent kann entscheiden, dass er ein Diagramm, einen Platzhalter oder eine Variante braucht, den lokalen Dienst aufrufen und weiterarbeiten – ohne API-Schlüssel, ohne Abrechnung pro Bild und ohne dass Daten den Rechner verlassen. Für nichtkommerzielle Arbeit – Forschung, interne Prototypen, Evaluierungs-Harnesses – ist das bei 8 Schritten und unter 3 GB Spitzen-Speicherbedarf eine wirklich neue Fähigkeit.

Es hat auch eine harte Kante, und dieselbe Lizenz zeichnet sie. Sobald das, was man baut, ein Produkt und kein Forschungsartefakt ist, ist der lokale Weg nicht mehr die einfache Antwort, und die nichtkommerzielle Beschränkung wird zur entscheidenden Tatsache.

Wo eine Routing-Schicht passt und wo nicht

Qwen-Image-2.1-Turbo ist ein forschungslizenzierter Gewichts-Download. Es ist kein gehosteter Endpunkt auf OrcaRouter, und nichts hier sollte so gelesen werden, als würde es etwas anderes besagen. Die ehrliche Aufteilung erfolgt nach Workload.

Wenn Ihre Bilder auf einer Maschine erzeugt werden müssen, die Sie kontrollieren – aus Datenschutz- oder Kostengründen oder weil keine Konnektivität besteht –, dann sind dieser Checkpoint und ein lokaler Runner die Antwort, und die Routing-Frage stellt sich nie – die nichtkommerzielle Lizenz und das Speicherplatzbudget sind Ihre beiden Einschränkungen. Wenn Sie stattdessen Bildmodelle in der Produktion aufrufen, wo eine Anfrage an einer zuverlässigen Stelle landen muss und Sie lieber nicht für jedes Modell eine Anbieterbeziehung unterhalten möchten, dann ist das das Problem, für das OrcaRouter existiert: 200+ Modelle hinter einem einzigen OpenAI-kompatiblen Endpunkt zum Listenpreis des Anbieters ohne Aufschlag, automatisches Failover, wenn ein Anbieter degradiert, und eine Routing-DSL für die Fälle, in denen Sie eine Präferenz ausdrücken möchten, statt einen Standard zu akzeptieren. Die beiden Arrangements konkurrieren nicht miteinander. Ein lokaler Checkpoint ist ein Werkzeug auf Ihrem Schreibtisch; ein Router ist das, was Sie vor die gehosteten Modelle setzen, die Sie aufrufen, wenn die Arbeit den Schreibtisch verlässt.

Der praktische Grund, sie im Kopf auseinanderzuhalten, ist, dass sie auf unterschiedliche Weise fehlschlagen. Ein lokales Rendern schlägt fehl, wenn die Maschine beschäftigt ist, die Festplatte langsam ist oder das Speicherbudget überschritten wird. Ein gehosteter Aufruf schlägt fehl, wenn ein Anbieter ausfällt. Nur bei einem davon lohnt es sich, Failover einzusetzen.

Was wir immer noch nicht sagen können

Drei Dinge würden den Ruf dieses Kontrollpunkts endgültig festigen, und keines davon existiert bisher.

• Keine unabhängige Bewertung. Turbo hat keine Arena-Zeile, kein veröffentlichtes Elo und keinen Qualitätsvergleich durch Dritte mit Qwen-Image-2.1 oder Z-Image Turbo. Der Qualitätsverlust beim Wechsel von der längeren Sampling-Trajektorie des Basismodells zu 8 Schritten ist öffentlich schlicht nicht gemessen.

• Keine Herstellerangaben zu Durchsatz oder Speicher. Die Karte beschreibt den Checkpoint und sagt nichts darüber aus, was der Betrieb kostet. Jede Zahl in diesem Artikel, die kein Datum ist, stammt von einem Nutzer, und jede davon trägt den Stempel der Maschine, auf der sie gemessen wurde.

• Ein Chip in der öffentlichen Tabelle. Die Ergebnistabelle des macOS-Ports hat genau eine ausgefüllte Zeile, einen M1 Pro, und eine Einladung an alle anderen, ihre hinzuzufügen. Wenn Sie gerade Hardware dafür kaufen wollen, extrapolieren Sie aus dieser Zeile plus einer Mac Mini M2-Anekdote.

Was sich mit Sicherheit sagen lässt, ist enger und nützlicher. Der Checkpoint existiert, er ist auf den 9. Oktober 2026 datiert, er erledigt Generierung und Bearbeitung in 8 Schritten bei 7B, sein Zeitplan ist in die Gewichte eingebacken, er ist nicht kommerziell, und er hat den Sprung von einem Repository zum Laufen in Desktop-Software in unter einer Woche geschafft, ganz ohne Launch. Das ist ein echtes Ereignis in der lokalen Bildgenerierung, und es geschieht, bevor irgendjemand eine Zahl veröffentlicht hat, an der man den Anbieter festnageln kann.

Modellentscheidungen wie diese sind auch der Punkt, an dem die Fehlermodi auftauchen: Die dokumentierten KI-Vorfälle und Agentenausfälle hinter Modellen dieser Klasse sind gesammelt in dem OrcaRouter AI Incident Archive, wo jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als umstritten enthält.