Qwen-Image-2.1-Turbo vs Z-Image Turbo: Zwei Acht-Schritt-Modelle, zwei unterschiedliche Wetten

Qwen-Image-2.1-Turbo und Z-Image Turbo sind die beiden offenen Bild-Checkpoints, zwischen denen sich die meisten aktuell am Ende entscheiden, und der Grund, warum der Vergleich sich im Kreis dreht, ist, dass sie mit derselben Schlagzeilenzahl werben. Beide laufen in acht Entrauschungsschritten. Beide sind offen genug, um sie herunterzuladen und auf der eigenen Maschine auszuführen. Beide werden als dramatisch schneller beworben als das, woraus sie abgeleitet wurden. Alles, was entscheidet, welchen man tatsächlich will, steckt unter dieser gemeinsamen Zahl, und nichts davon ist die Schrittanzahl. Z-Image Turbo wurde am 25. November 2025 als 6B-Modell unter Apache-2.0 veröffentlicht, destilliert aus der Z-Image-Reihe mit einem veröffentlichten zweistufigen Rezept. Qwen-Image-2.1-Turbo erschien am 9. Oktober 2026 als beschleunigter Checkpoint von Qwen-Image-2.1 – des Basismodells, das am 20. September 2026 veröffentlicht wurde – unter Beibehaltung der 7B-Architektur und der nichtkommerziellen Forschungslizenz des Anbieters. Acht Monate trennen die beiden Repositories, und der Unterschied darin, wie sie gebaut wurden, ist größer, als die Datumslücke vermuten lässt.

Acht Schritte sind das gemeinsame Symptom, nicht die gemeinsame Ursache

Wenn zwei Modelle auf unterschiedlichen Wegen bei derselben Schrittzahl ankommen, taugt die Schrittzahl nicht mehr als nützlicher Vergleich. Sie sagt dir nur, dass die beiden Modelle auf vergleichbare Latenz abgestimmt wurden, und sonst nichts.

• Z-Image Turbo hat das durch Destillation erreicht, dann durch Reinforcement Learning. Die Z-Image-Familienkarte beschreibt es als „eine destillierte Version von Z-Image, die mit nur 8 NFEs führende Wettbewerber erreicht oder übertrifft". Der technische Bericht nennt den Mechanismus: Decoupled-DMD, eine Variante der Distribution Matching Distillation, die zwei Mechanismen trennt, die bestehende DMD-Methoden als einen behandelt hatten, gefolgt von DMDR, das DMD und RL während des Post-Trainings verschmilzt. Die Variantentabelle auf der Karte zeigt den Trainingspfad explizit — Pre-Training, SFT und RL alle markiert, 8 Schritte, CFG deaktiviert.

• Qwen-Image-2.1-Turbo hat das durch das Neuverpacken einer starken Basis erreicht. Seine Modellkarte beschreibt es als „einen beschleunigten Checkpoint von Qwen-Image-2.1 für die Text-zu-Bild-Generierung und Bildbearbeitung mit 8 Denoising-Schritten“, auf derselben 7B-Architektur zur visuellen Generierung. Es gibt kein veröffentlichtes Destillationsrezept. Dokumentiert ist, dass der Checkpoint seinen eigenen empfohlenen Sampling-Zeitplan mitführt, sodass Diffusers ihn automatisch lädt und das alleinige Festlegen von `num_inference_steps` ihn nicht außer Kraft setzt, und dass die Generierung standardmäßig CFG=1 verwendet, wobei Prefix-KV-Caching den Text- und Referenzbild-Kontext über die Schritte hinweg wiederverwendet.

Die praktische Konsequenz: Mit Z-Image Turbo betreiben Sie ein Modell, dessen Geschwindigkeit das Produkt eines Trainingsprozesses ist, und mit Qwen-Image-2.1-Turbo betreiben Sie einen Checkpoint eines Modells, das bereits gut war, wobei der Sampling-Pfad verkürzt und in die Datei eingefroren wurde. Beide sind legitim. Sie versagen unterschiedlich. Ein destilliertes Modell hat ein Qualitätsbudget, das während des Trainings ausgegeben wurde; ein neu verpackter Checkpoint hat eines, das während der Checkpoint-Erstellung ausgegeben wurde. Keine der beiden Modellkarten veröffentlicht, wie viel ausgegeben wurde.

Die Linien, die sie tatsächlich trennen

Fünf Dimensionen entscheiden dieses Duell. Jede davon wird in einer Primärquelle genannt, die Sie öffnen können.

• Größe: 6B Parameter für Z-Image Turbo gegenüber 7B für Qwen-Image-2.1-Turbo. Beide sind klein genug für Consumer-Hardware, und der Unterschied ist nicht das, was über Ihr Ergebnis entscheiden wird.

• Lizenz:Apache-2.0 für Z-Image Turbo; die qwen-research-Vereinbarung für Qwen-Image-2.1-Turbo, die Rechte „FOR NON-COMMERCIAL PURPOSES ONLY" gewährt und für die kommerzielle Nutzung eine gesondert angeforderte Lizenz erfordert. Dies ist der größte Unterschied zwischen den beiden Modellen und der einzige, der binär ist.

• Bearbeitung: Qwen-Image-2.1-Turbo macht Text-zu-Bild und instruktionsgestützte Bearbeitung mit einem einzigen Download — die Modellkarte zeigt beides anhand desselben gespeicherten Zeitplans. Z-Image Turbo ist ein Generierungsmodell; die Bearbeitung steckt in Z-Image-Edit, einer separaten Variante, die die Familienkarte weiterhin als „noch nicht veröffentlicht“ führt. Wenn deine Pipeline heute auf instruktionsbasierte Bearbeitungen angewiesen ist, gibt diese Zeile den Ausschlag.

• Textwiedergabe und Sprache: Die Z-Image-Karte hebt die zweisprachige Wiedergabe von englischem und chinesischem Text als eine Hauptstärke von Turbo hervor. Die Karte von Qwen-Image-2.1-Turbo erhebt keinen entsprechenden Anspruch — ihre Präsentation ist nach Ausgabekategorien gegliedert (Porträt, Pose und Bewegung, transparentes RGBA, Typografie und Posterdesign, UI-Layout, Einzelbildtransformation, Komposition mit mehreren Referenzen) statt nach Sprache.

• Speicher- und Deployment-Reife: Die Z-Image-Karte gibt an, Turbo „fits comfortably within 16G VRAM consumer devices" und behauptet Subsekunden-Inferenz auf Hardware der H800-Klasse — Herstellerangaben, ohne Bezug zu einer Messmethode. Die Karte von Qwen-Image-2.1-Turbo veröffentlicht überhaupt keine Angabe zu Speicher oder Latenz. In den vier Tagen nach seinem Erscheinen maß ein unabhängiger macOS-Port es auf einem 16-GB-M1-Pro bei einer Spitze von 1,8 bis 2,7 GB ohne Swap, bei einer Ausgabegrenze von 1024×1536; das ist eine Drittanbieterzahl aus einer Drittanbieter-Implementierung, keine Herstellerangabe.

Was die Bestenlisten abdecken und die zwei Zeilen, die es nicht gibt

Hier wird der Vergleich am häufigsten falsch interpretiert, deshalb lohnt es sich, genau anzugeben, zu welchem Modell welche Zahl gehört.

In der öffentlichen Text-zu-Bild-Arena gibt es eine Zeile für Z-Image Turbo mit 941 Elo aus rund 9.000 Stimmen und eine separate Zeile für Z-Image Base mit 877. Es gibt eine Zeile für Qwen-Image-2.1 mit 1.038 Elo aus rund 5.500 Stimmen, datiert auf September 2026 und mit dem Hinweis gekennzeichnet, dass keine API verfügbar ist. Auch das Editing-Board führt eine Zeile für Qwen-Image-2.1.

Beachten Sie, was fehlt. Für Qwen-Image-2.1-Turbo gibt es auf keinem der beiden Boards eine Zeile – der Checkpoint ist vom 9. Oktober 2026 und wurde nicht separat evaluiert. Und es gibt keine Zeile für Z-Image Turbo auf dem Editing-Board, weil Z-Image Turbo kein Editing beherrscht. Der sauber aussehende Vergleich „Qwen mit 1.034 gegenüber Z-Image mit 941“ ist also kein Vergleich der beiden Checkpoints, um die es in diesem Artikel geht; er vergleicht das Modell, aus dem Z-Image Turbo destilliert wurde, mit dem Modell, aus dem Qwen-Image-2.1-Turbo beschleunigt wurde. Die Qualität von Qwen-Image-2.1-Turbo in acht Schritten ist nicht öffentlich gemessen, und ebenso ist nicht gemessen, wie viel von der Position des Basismodells den verkürzten Ablauf übersteht.

Die richtige Art, diese Zahlen zu lesen, ist als Obergrenze mit einem daran geknüpften Vorbehalt: Die Familie, von der Qwen-Image-2.1-Turbo abstammt, liegt auf dem Text-zu-Bild-Board etwa 97 Elo über der Familie, von der Z-Image Turbo abstammt, und niemand hat veröffentlicht, ob der Turbo-Checkpoint diesen Abstand bewahrt.

Die Lizenz ist keine Fußnote in diesem Duell.

Zwischen zwei Modellen, die sich in ihrer Leistungsfähigkeit so nah sind, gibt oft allein die Lizenz den Ausschlag – und hier sind sich die beiden alles andere als nah.

Z-Image Turbo wird unter Apache-2.0 veröffentlicht. Das ist eine permissive Lizenz: Verwenden Sie es, ändern Sie es, liefern Sie es aus, verkaufen Sie, was Sie damit bauen – vorbehaltlich der üblichen Attributions- und Hinweisbedingungen.

Qwen-Image-2.1-Turbo übernimmt die Qwen Research License Agreement unverändert vom Basismodell. Liest man sie, ist der maßgebliche Satz nicht mehrdeutig – die Einräumung gilt „FOR NON-COMMERCIAL PURPOSES ONLY", und die kommerzielle Nutzung erfordert eine separate Lizenz, die vom Anbieter eingeholt werden muss. Die Vereinbarung untersagt zudem die Verwendung von „Qwen" als Hauptname oder Kennung eines abgeleiteten Werks, erlaubt jedoch eine beschreibende Verwendung wie „fine-tuned from Qwen Image".

Wenn Sie Prototypen bauen, evaluieren oder Forschung betreiben, kostet Sie dieser Unterschied nichts, und Sie können nach Leistungsfähigkeit auswählen. Wenn Sie etwas bauen, das Sie verkaufen oder kommerziell betreiben wollen, ist eine dieser beiden Optionen nutzbar, und die andere erfordert ein Gespräch mit Alibaba Cloud. Das ist eine weitaus bedeutendere Tatsache als ein 8-Schritte-Zeitplan.

Eines von beiden ausführen, und wo ein Router relevant wird

Beides sind Gewichts-Downloads, die Sie selbst hosten. Keines ist ein gehosteter Endpunkt auf OrcaRouter, und es wäre unehrlich, etwas anderes zu implizieren — die Bildmodelle, die wir routen, sind die O​penAI GPT-Image-Familie. Der Grund, warum das Produkt überhaupt in dieses Gespräch gehört, ist das, was passiert, sobald ein Checkpoint wie einer dieser beiden einen gehosteten Anbieter dahinter bekommt.

An dem Tag, an dem das passiert, ist die Entscheidung nicht mehr „welche Datei lade ich herunter“, sondern „wie viele Anbieterintegrationen pflege ich“. Das ist das Problem, für das OrcaRouter gebaut wurde: 200+ Modelle hinter einem OpenAI-kompatiblen Endpunkt zum Listenpreis des Anbieters ohne Aufschlag, eine Routing-DSL, um auszudrücken, welches Modell Sie unter welchen Bedingungen möchten, automatisches Failover, wenn sich ein Anbieter verschlechtert, und Modellfusion zur Kombination von Ausgaben. Ein offener 8-Schritt-Checkpoint und ein Router sind keine konkurrierenden Antworten; das eine ist eine Datei auf Ihrer Festplatte und das andere ist, wie Sie aufhören, sich darum zu kümmern, welcher Endpunkt hinter einem Modellnamen steckt.

Bis dahin ist der lokale Pfad der ganze Pfad, und die Einschränkungen sind die, welche die Karten und die Lizenzen vorgeben.

Welche zuerst herunterladen?

Die kürzeste ehrliche Version der Entscheidung:

• Nimm Z-Image Turbo, wenn du etwas Kommerzielles ausliefern musst, wenn du das deutlich besser dokumentierte Beschleunigungsrezept mit einem veröffentlichten Trainingspfad willst, wenn die zweisprachige Darstellung von chinesischem und englischem Text eine echte Anforderung ist, oder wenn du ein 16-GB-Gerät anvisierst und einen vom Anbieter angegebenen Speicherrahmen möchtest.

• Nehmen Sie Qwen-Image-2.1-Turbo, wenn Sie heute instruktionsgesteuerte Bearbeitung und Text-zu-Bild aus einem einzigen Checkpoint benötigen, statt auf eine separate Bearbeitungsvariante zu warten, wenn Ihre Arbeit Forschung oder Evaluierung ist und wenn Sie lieber die Abstammung des stärkeren Basismodells hätten und akzeptieren, dass seine Qualität nach acht Schritten derzeit nicht gemessen ist.

• Nehmen Sie beide, wenn Sie für ein Team auswählen. Sie sind klein genug, um nebeneinander auf derselben Festplatte zu liegen, sie werden beide von derselben Klasse lokaler Runner bedient, und das Einzige, was Sie nicht tun können, wenn beide installiert sind, ist, den Q​wen-Checkpoint kommerziell auszuliefern.

Was Ihnen heute keiner der beiden bietet, ist ein Benchmark. Acht Schritte, 6B gegen 7B, Apache-2.0 gegen eine Research-Lizenz – das sind alles Fakten auf einem Datenblatt. Welcher der beiden nach acht Denoising-Schritten bessere Bilder erzeugt, ist eine Frage, die noch keine Primärquelle beantwortet hat, und im Moment ist das Ehrlichste, beide mit Ihren eigenen Prompts zu testen, statt einer Leaderboard-Zeile zu vertrauen, die zu einem anderen Checkpoint gehört.

Auch bei einem solchen Vergleich zeigen sich die Fehlermodi: Die dokumentierten KI-Vorfälle und Agenten-Ausfälle hinter Modellen dieser Klasse sind im OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag eigene Quellen, einen Schweregrad, einen Konfidenzgrad und eine Strittig-Kennzeichnung mitführt.