Qwen-Image 2.1 vs. Z-Image Turbo: Schritte, Lizenzen und wo jede einzelne hingehört

Acht Schritte gegen vierzig, und eine Lizenz, die ja sagt, gegen eine, die nein sagt.Q-Image 2.1 ist das eigene Bildgenerierungs- und Bildbearbeitungsmodell des Anbieters, veröffentlicht am 20. September 2024, das standardmäßig in 40 Schritten entrauscht. Z-Image Turbo ist der destillierte Checkpoint aus der Tongyi-MAI-Organisation derselben Unternehmensgruppe, veröffentlicht am 26. November 2025, der dieselbe Aufgabe in 8 Schritten unter Apache-2.0 erledigt. Fast elf Monate trennen sie, das neuere ist auf dem Papier der kleinere Download, und das ältere ist dasjenige, das man ohne jemanden fragen zu müssen in ein kommerzielles Produkt einbauen kann. Diese Umkehrung ist der ganze Vergleich.

Die kurze Antwort, falls Sie sie vor der Begründung wollen: Wählen Sie Z-Image Turbo, wenn Geschwindigkeit pro Bild, VRAM auf Consumer-Hardware oder eine permissive Lizenz die Einschränkung ist. Wählen Sie Qwen-Image 2.1, wenn Sie ein vorhandenes Bild bearbeiten müssen, native Transparenz wünschen oder die höhere Punktzahl auf dem unabhängigen Board wollen. Niemand mit einer gemischten Arbeitslast muss sich nur für eines entscheiden, und der größte Teil dieser Seite ist den zwei Gründen gewidmet, warum Leute glauben, sie müssten es.

Zuerst das Benennungsproblem

Zwei Dinge in diesem Vergleich heißen Turbo, und sie sind nicht derselbe Turbo. Qwen-Image 2.1 hat seine eigene beschleunigte Variante – „die Turbo-Variante von Qwen-Image 2.1“, veröffentlicht am 9. Oktober 2026, die die Architektur und Pipeline-Klasse des Basismodells teilt, aber in 8 Schritten entstört, wobei CFG standardmäßig auf 1 steht. Das ist nicht das Modell, das auf dieser Seite zum Vergleich herangezogen wird. Z-Image Turbo ist ein separates Modell aus einer separaten Reihe, entwickelt von der Tongyi-MAI-Gruppe, und es destilliert eine andere Basis – den Z-Image-Checkpoint, der mit 50 Schritten läuft.

Sie unterscheiden sich auch darin, woraus sie destilliert wurden und wie. Tongyi-MAI beschreibt Z-Image Turbo als mit Decoupled-DMD destilliert, plus einer Stufe, die es DMDR nennt und die DMD mit Reinforcement Learning verbindet. Die Turbo-Variante von Qwen-Image 2.1 wird von ihrem Anbieter als Checkpoint-Änderung statt als neue Architektur dargestellt. Beide landen bei 8 Schritten; keines ist das andere, und ein Satz, der über das eine geschrieben wurde, sollte nicht so gelesen werden, als würde er das andere abdecken.

Wenn du „das schnellste Qwen-Image-Modell" mit Z-Image Turbo vergleichst, bist du hier auf der falschen Seite – dieser Vergleich bezieht sich auf die Turbo-Variante von Qwen-Image 2.1, und die Formulierung mit den zwei 8-Step-Checkpoints ist eine andere Frage mit einer anderen Antwort.

Was Z-Image Turbo tatsächlich ausliefert

Nimm das aus dem Material des Herstellers selbst und nicht von den Übersichtsseiten, denn die meisten von ihnen geben die Größe falsch an oder lassen sie weg. Die Z-Image-Familie ist mit 6B Parametern dokumentiert, mit einem Single-Stream-Diffusion-Transformer-Design, bei dem Text-Tokens, visuell-semantische Tokens und Bild-VAE-Tokens zu einer einzigen Eingabesequenz zusammengefügt werden. Turbo ist das distillierte Mitglied dieser Familie und läuft mit 8 NFEs – der Referenzcode setzt num_inference_steps=9 und merkt an, dass dies 8 Forward-Passes durch den Transformer ergibt – mit deaktivierter Guidance.

Die Leistungsangaben des Anbieters lauten wie folgt, und es sind Anbieterangaben: Inferenzlatenz im Subsekundenbereich auf H800-GPUs der Enterprise-Klasse sowie die Aussage, dass es „bequem in 16 GB VRAM“ auf Consumer-Geräten passt. Community-Tooling hat seitdem berichtet, dass es über stable-diffusion.cpp mit etwa 4 GB läuft, was eine Community-Angabe und keine Anbieterangabe ist. Die Auflösung wird auf der Modellkarte nicht als Bereich veröffentlicht; die dokumentierten Beispiele generieren mit 1024×1024. Die Modellkarte listet außerdem 879 Adapter-, 170 Finetune- und 93 Quantisierungsmodelle sowie rund 100 Spaces auf – ein Maß für Ökosystemaktivität auf der Hosting-Plattform, nicht für Qualität.

Auf dem unabhängigen Text-zu-Bild-Board liegt Z-Image Turbo bei 941 Elo, 95%-Intervall 933 bis 949, aus 8.991 Stichproben, Rang 83 von 168, bei 5,00 $ pro 1.000 Bilder, mit dem Open-Weights-Marker-Set und dem Board, das die Zeile auf Dezember 2025 datiert. Alle Zahlen von Artificial Analysis, live auf Englisch erfasst am 13. Oktober 2026.

Eine historische Anmerkung, die das Herstellermaterial enthält und die es wert ist, richtig gelesen zu werden: Am 8. Dezember 2025 platzierte Artificial Analysis Z-Image Turbo insgesamt auf Platz acht und auf Platz eins unter den Open-Source-Modellen. Das war zum Zeitpunkt der Niederschrift wahr, und es ist eine zeitgebundene Aussage. Heute stimmt sie nicht mehr — in der Bestenliste stehen jetzt sechzehn Zeilen mit Closed- und Open-Source-Modellen über ihm. Der Grund ist nicht, dass Z-Image Turbo schlechter geworden ist; der Grund ist, dass zehn Monate vergangen sind.

Was Qwen-Image 2.1 tatsächlich ausliefert

Völlig anderer Aufbau. Qwen-Image 2.1 hat 7B Parameter in seiner visuellen Generierungskomponente, verteilt auf 32 Single-Stream-DiT-Schichten, mit einem deutlich größeren Text-Encoder – Qwen3-VL 8B – und einem 64-Kanal-RGBA-VAE bei 16-facher räumlicher Kompression. Letzteres ist die Quelle der Transparenz: Sie wird nativ erzeugt und nicht im Nachhinein freigestellt. Das Standard-Sampling umfasst 40 Schritte auf dem Basis-Checkpoint, bei standardmäßig 2048×2048, über sieben veröffentlichte Presets von 1:1 bis 9:16.

• Eingabeflexibilität — nur ein Prompt, ein Prompt mit einem Bild oder ein Prompt mit bis zu 10 Referenzbildern.

• Lokale Bearbeitungssteuerung — gezeichnete Kreise, aufgemalte Anmerkungen oder eine separate Maske, die als eigene Eingabe übergeben wird, damit das Originalfoto unverändert bleibt.

• Transparenz in beide Richtungen — RGBA generieren, in einer transparenten Ebene bearbeiten oder ein Motiv als RGBA-Ebene aus einem gewöhnlichen RGB-Foto freistellen.

• Downloadgröße — das Diffusers-Repository unter Qwen/Qwen-Image-2.1 umfasst 33,1 GB, wovon rund 17,5 GB auf den Text-Encoder entfallen. Das sind die praktischen Kosten eines Vision-Language-Modells im Stack.

Auf demselben Board liegt Qwen-Image 2.1 bei 1.038 Elo, Intervall 1.029 bis 1.047, aus 5.554 Stichproben, Rang 20 von 168, mit gesetztem Open-Weights-Marker und „Keine API verfügbar" in der Preisspalte. Auf dem Editing-Board ist es das einzige der beiden, das überhaupt erscheint: 1.072 Elo, Intervall 1.063 bis 1.081, aus 6.132 Stichproben, Rang 21 von 81. Z-Image Turbo hat keine Zeile im Editing-Board.

Diese beiden Zeilen – 1.038 gegen 941, eine Differenz von 97 Punkten, mit Intervallen, die sich nicht überschneiden – sind die stärksten unabhängigen Belege in diesem Beitrag, und sie sollten dennoch mit dem Vorbehalt gelesen werden, dass es sich beim Elo hier um einen Präferenzwert aus Blindabstimmungen handelt. Er gibt an, welche Ausgabe eine Gruppe bevorzugte, nicht welches Modell schneller, günstiger oder für Ihre Nutzung lizenziert ist.

Schritte sind keine Sekunden.

Der häufigste Fehler beim Interpretieren dieses Vergleichs ist, 8 Schritte und 40 Schritte als fünffaches Geschwindigkeitsverhältnis zu behandeln. Sie sind keine vergleichbaren Einheiten über zwei Modelle hinweg. Die Schrittanzahl ist die Anzahl der Durchläufe des Denoisers; wie lange jeder dieser Durchläufe dauert, hängt von der Größe des Transformers, der Auflösung, der Präzision, der Attention-Implementierung und der Hardware ab. Der Anbieter von Z-Image Turbo veröffentlicht einen Latenzwert bei einer Auflösung auf einer GPU-Klasse. Der Anbieter von Qwen-Image 2.1 veröffentlicht überhaupt keinen Latenzwert.

Was sich ehrlich vergleichen lässt, sind die Richtung und die Einschränkungen. Z-Image Turbo ist darauf ausgelegt, mit 8 NFEs auf Consumer-VRAM zu laufen, mit einem vom Anbieter angegebenen Rahmen von 16 GB und Community-Berichten, die darunter liegen. Der Basis-Checkpoint von Qwen-Image 2.1 läuft mit 40 Schritten zusätzlich zu einem 33-GB-Download und einem Qwen3-VL-8B-Encoder; seine eigene Turbo-Variante existiert genau deshalb, weil 40 Schritte keine schnelle Konfiguration sind. Wenn die Inferenzkosten Ihre bindende Einschränkung sind, steht die Richtung außer Zweifel, auch wenn es das Verhältnis nicht tut.

Es gibt außerdem einen Qualität-pro-Schritt-Kompromiss, den kein Anbieter beziffert. Destillierte Few-Step-Checkpoints werden darauf trainiert, eine Vielschritt-Trajektorie anzunähern, und wo diese Annäherung am schwächsten ist – feiner Text, dichte Layouts, kleine wiederkehrende Details –, ist modellspezifisch und wird nicht veröffentlicht. Gehen Sie nicht davon aus, dass der achte Schritt eines Acht-Schritt-Modells dem vierzigsten eines Vierzig-Schritt-Modells entspricht; die unabhängige direkte Vergleichsevidenz für genau dieses Paar existiert bei übereinstimmenden Einstellungen nicht, und diese Seite wird kein Ranking erfinden, das die Evidenz nicht hergibt.

Die Lizenz ist der Punkt, an dem die Entscheidung getroffen wird.

Z-Image Turbo ist Apache-2.0. Das ist die Lizenz des Repositorys, klar angegeben, ohne Hürde, ohne Registrierung und ohne Umsatzbedingung. Du kannst es ausführen, ändern, feinabstimmen, Ableitungen weiterverbreiten und kommerzielle Ergebnisse damit ausliefern, ohne Tongyi-MAI zu kontaktieren.

Qwen-Image 2.1 ist das nicht. Sein Repository trägt Lizenz: andere mit dem Lizenznamen qwen-research, und die LICENSE-Datei ist die Qwen Research License Agreement vom 20. September 2026. Gelesen am 13. Oktober 2026, gewährt sie eine nicht exklusive, weltweite, gebührenfreie Lizenz zur Nutzung, Vervielfältigung, Weitergabe und Veränderung der Materialien nur für nicht kommerzielle Zwecke, wobei „Non-Commercial“ als Forschungs- oder Evaluierungszwecke definiert wird und für alles andere eine separate kommerzielle Lizenz – die per E-Mail angefragt werden muss – verlangt wird. Die Weitergabe unterliegt weiteren Bedingungen: die Vereinbarung weiterzugeben, geänderte Dateien zu kennzeichnen, den Hinweis mit der Nennung von Hangzhou Tongyi Laboratory Technology Co., Ltd beizubehalten, „Built with Qwen“ anzuzeigen, wenn Ergebnisse zum Trainieren eines anderen weitergegebenen Modells verwendet werden, und „Qwen“ nicht als Hauptnamen eines Derivats zu verwenden.

Das sollte als Tatsache für die Modellfamilie festgehalten werden und nicht als Einzelfall, denn es ist eine Richtungsänderung. Die früheren Qwen-Image-Checkpoints — Qwen-Image, Qwen-Image-Edit, die Releases -2509, -2511, -Layered und -2512 — stehen alle unter Apache-2.0, nach dem Stand vom 13. Oktober 2026. Qwen-Image 2.1 durchbricht dieses Muster. Bereits erteilte Lizenzen ändern sich nicht rückwirkend, daher bleiben die älteren Checkpoints zu ihren ursprünglichen Bedingungen nutzbar, aber niemand sollte eine kommerzielle Pipeline auf der Annahme planen, dass das neueste Qwen-Image-Modell permissiv lizenziert ist.

Das gibt den beiden Modellen dieselbe Form wie ihren Lizenzdateien statt ihren Datenblättern: Z-Image Turbo ist dasjenige, das man heute ohne Gespräch ausliefern kann, und Qwen-Image 2.1 ist dasjenige, das eine Verhandlung erfordert, die man vielleicht nicht führen möchte.

Worin Sie jedes Einzelne ausführen können

Qwen-Image 2.1 wurde mit dokumentierter Laufzeitunterstützung ausgeliefert, statt sie erst später zu erhalten: Diffusers über QwenImage21Pipeline, natives ComfyUI mit Template-Workflows, vLLM-Omni für Offline- und Online-Serving, SGLang über sglang generate und LightX2V zur Beschleunigung, mit AMD ROCm und einem FlagOS-Pfad, der acht Chip-Plattformen abdeckt. Zwei Checkpoints zur Prompt-Umschreibung werden zusammen damit als separate Downloads veröffentlicht.

Der Support von Z-Image Turbo ist in einer bestimmten Hinsicht breiter: Weil es klein, Apache-2.0-lizenziert und fast ein Jahr alt ist, hat es ein breites Ökosystem für Quantisierung und Paketierung angehäuft – GGUF-Konvertierungen, FP8- und SDNQ-Varianten, int4-Builds und ComfyUI-Single-File-Repackagings – und genau das ermöglicht die Pfade unter 16 GB und unter 8 GB. Ein 6B-Modell mit permissiver Lizenz wird portiert; ein 33 GB großes Modell mit Forschungs-Lizenz wird langsamer und sorgfältiger portiert. Dieser Effekt zweiter Ordnung ist auf einem Datenblatt leicht zu übersehen, und oft ist er das, was entscheidet, was ein Leser diese Woche tatsächlich tun kann.

In beiden arbeiten, ohne einen zweiten Stack

OrcaRouter routet Qwen-Image 2.1 nicht und routet Z-Image Turbo nicht. Wir haben unsere Live-Modellliste am 13. Oktober 2026 überprüft, und keines von beiden erscheint darin, daher ist nichts im Folgenden eine Behauptung, dass wir sie anbieten — die Routen für beide sind Self-Hosting oder die eigenen gehosteten Endpunkte des Anbieters.

Das Muster, das sie zusammenbringt, ist das, zu dem dieses Paar einlädt: Z-Image Turbo als kostengünstiger erster Durchlauf und ein stärkeres Modell als finales Rendering. Das ist eine sinnvolle Pipeline, und ihre versteckten Kosten sind operativer Natur – zwei Download-Stacks, zwei Einstellungssätze und eine zweite Integration, sobald sich eine der beiden ändert. OrcaRouter bietet 200+ Modelle hinter einem einzigen OpenAI-kompatiblen Endpoint zum Listenpreis des Anbieters ohne Aufschlag an, mit automatischem Failover über Anbieter hinweg, wenn einer an Leistung einbüßt, sodass eine Draft-and-Final-Pipeline die Modelle, die sie tatsächlich aufruft, hinter einem einzigen Schlüssel und einem einzigen Client zusammenfassen kann und aus einem Anbieter-Schluckauf ein Wiederholungsversuch wird statt eines ins Stocken geratenen Batches. Die Routing-DSL erledigt dasselbe für die Komposition selbst und ermöglicht es, mehrere Modelle als einen Aufruf statt als mehrere Integrationen anzusprechen.

Welches, für wen?

• Sie bringen ein kommerzielles Produkt auf den Markt — Z-Image Turbo. Apache-2.0, keine Konversation, keine Umsatzzeile zum Prüfen.

• Sie müssen ein vorhandenes Bild bearbeiten, Masken verwenden oder transparente Assets erstellen — Qwen-Image 2.1. Der dokumentierte Modus von Z-Image Turbo ist Prompt-zu-Bild; in dieser Familie gibt es keinen Bearbeitungs-Checkpoint und im dokumentierten Pfad keine Maskeneingabe.

• Ihre Einschränkung ist VRAM oder die Kosten pro Bild — Z-Image Turbo. Ein 6B-Modell mit einem Jahrzehnt Quantisierungsarbeit dahinter, gegen einen 33-GB-Stack mit einem 8B-Vision-Language-Encoder.

• Deine Einschränkung ist die von Fremden beurteilte Ausgabequalität — Qwen-Image 2.1, um rund hundert Elo-Punkte auf der Rangliste, auf der beide geführt werden, mit nicht überlappenden Intervallen.

• Sie betreiben Forschung, nicht Produktion — Qwen-Image 2.1 ist genau dafür lizenziert, und seine Bearbeitungsoberfläche ist der Grund, den Download-Aufwand in Kauf zu nehmen.

Die Tatsache, die am häufigsten den Ausschlag gibt, in einem Satz: Z-Image Turbo gewinnt immer dann, wenn das Ergebnis ausgeliefert werden muss oder auf der Maschine laufen muss, die der Leser bereits besitzt, und Qwen-Image 2.1 gewinnt immer dann, wenn die Aufgabe ein Bild betrifft, das bereits existiert.