FLUX 3 Image Klein vs Qwen-Image 2.1 Turbo: la licencia decide esto antes de que lo hagan los benchmarks

FLUX 3 Image Klein, de Black Forest Labs el 15 de octubre de 2026, y Qwen-Image 2.1 Turbo, de Alibaba una semana antes, el 9 de octubre de 2026, parecen el mismo producto de dos empresas: pequeños generadores de imágenes de pesos abiertos que manejan texto a imagen, edición y composición con múltiples referencias en un único conjunto de pesos, ambos aceptan hasta diez imágenes de referencia y ambos se distribuyen con rutas de inferencia acelerada. Pon las hojas de especificaciones una al lado de la otra y Qwen-Image 2.1 Turbo gana en la mayoría de las filas: más parámetros, menos pasos de eliminación de ruido, transparencia, máscaras. Luego lee las dos licencias, y el modelo más pequeño, de aspecto más lento y más caro de razonar resulta ser el único de los dos sobre el que puedes construir un negocio sin firmar nada.

Esa inversión es toda la comparación. Todo lo demás — el número de parámetros, los precios, los tiempos de renderizado — es un detalle que sopesas una vez que la has superado.

Lo que cada modelo realmente es

FLUX 3 Image Klein is a 5.6B-parameter image transformer under the FLUX Kommunity License, released as open weights plus a metered endpoint on BFL's own API starting at $0.009 per 1K image. It is the smaller member of the FLUX 3 Image family and inherits that family's surface: native 4K output, bounding boxes written as [top, left, bottom, right] on a 0–1000 grid, and up to ten reference images. It ships in two checkpoints — a step-distilled build at 16 steps for generation, and an undistilled base at 50 steps for fine-tuning and LoRA training — plus FP8, INT8 and NVFP4 quantisations. The 5.6B counts the image transformer alone; the text encoder, Qwen3-VL-4B-Instruct, is a separate download.

Qwen-Image 2.1 Turbo es un checkpoint acelerado de Qwen-Image 2.1, que conserva la misma arquitectura de generación visual de 7B —32 capas DiT de flujo único— y reduce la inferencia a 8 pasos de eliminación de ruido con un calendario de muestreo guardado y almacenamiento en caché KV de prefijo. Es un modelo unificado de generación y edición con una lista de características que Klein no iguala: transparencia nativa, por lo que genera y edita imágenes RGBA directamente; y ediciones locales mediante círculos dibujados, anotaciones pintadas o máscaras separadas en lugar de cuadros delimitadores. Los pesos están bajo el Acuerdo de Licencia de Investigación de Qwen, y la versión alojada tiene un precio de $0.016 por imagen a través de Alibaba Cloud Model Studio y QwenCloud.

Ambas son verdaderas publicaciones de pesos abiertos en el sentido que le importa a quien descarga: puedes obtener los archivos, ejecutarlos localmente y ajustarlos. Lo que después puedas hacer con el resultado es una cuestión distinta, y es la que ambos proveedores responden de manera diferente.

La licencia es donde se separan

El Acuerdo de Licencia de Investigación de Qwen es inequívoco al principio: la concesión es "SOLO PARA FINES NO COMERCIALES", y la sección 2(b) dice que "no utilizará los Materiales para ningún fin comercial sin obtener una licencia comercial separada de nosotros". La palabra que el acuerdo usa para No Comercial es "fines de investigación o evaluación". Eso significa que los Qwen-Image 2.1 Turbo pesos no pueden ir a un producto sin una licencia negociada con Hangzhou Tongyi Laboratory. Comprar el modelo a través de la API alojada de Alibaba es un servicio comercial y conlleva sus propios términos: la restricción se aplica al autoalojamiento del checkpoint, que es exactamente lo que un equipo busca hacer al elegir un modelo de pesos abiertos.

FLUX 3 Image Klein va por el otro camino. Bajo la FLUX Kommunity License v1.0, los pesos son gratuitos para uso no comercial, y hay una excepción de salida comercial para "Usuarios Calificados" — personas y empresas con ingresos brutos anualizados inferiores a US$5M. Por debajo de esa línea, puedes distribuir comercialmente la salida de Klein sin coste alguno más allá de tu propio cómputo. Por encima, necesitas una licencia autoalojada de BFL o usas la API.

Así que la división no es «una es abierta y la otra es cerrada». Ambas se pueden descargar. Una se puede descargar para investigación, la otra se puede descargar para un negocio hasta un umbral de ingresos. Para un desarrollador indie o un estudio pequeño, esa única cláusula decide el enfrentamiento de plano.

Hay dos términos más que conviene conocer antes de decidirte por una u otra opción. La licencia de Klein prohíbe usar el modelo, sus derivados o sus resultados para mejorar otro modelo de IA que desempeñe una función similar —la generación de datos sintéticos para entrenar un modelo de imágenes rival es el caso que cubre esa cláusula—. Y el acuerdo de Qwen exige que las copias redistribuidas incluyan su aviso de atribución y que los archivos modificados se marquen como modificados, lo cual es una formalidad habitual del código abierto, pero constituye una obligación real si piensas publicar un ajuste fino.

Especificaciones, fila por fila

• Generador de imágenes — FLUX 3 Image Klein con 5,6B de parámetros frente a Qwen-Image 2.1 Turbo 7B (32 capas DiT de flujo único), cada uno contado tal como lo cuenta su proveedor, excluyendo los codificadores de texto en ambos casos.

• Pasos de eliminación de ruido — Klein destilado en 16 pasos, base en 50 frente a Qwen Turbo en 8, con su programación de muestreo guardada dentro del checkpoint.

• Salida máxima — Klein hasta 4K nativo de clase 4096px frente a los presets publicados de Qwen Turbo, que llegan como máximo a 2752×1536 (unos 4,2 MP), con 2048×2048 como el cuadrado más grande.

• Imágenes de referencia — diez en ambos.

• Control de región — cajas delimitadoras en una cuadrícula de 0 a 1000 para Klein (ubicación y escala, explícitamente no una máscara de píxeles rígida) frente a círculos dibujados, anotaciones pintadas o una máscara separada para Qwen-Image 2.1.

• Transparencia — Qwen-Image 2.1 genera y edita RGBA nativo; FLUX 3 Image Klein no declara transparencia ni en su ficha técnica ni en su página de producto.

• Gestión de prompts — Klein requiere un upsampler de prompts por delante y su tarjeta de modelo indica explícitamente que no se ejecute sin uno; Qwen Turbo toma el prompt tal como se escribe, con la extensión de prompt disponible como parámetro de la API.

• Licencia — Licencia FLUX Kommunity: la producción comercial es gratuita con ingresos inferiores a 5 millones de dólares, frente a la Licencia Qwen Research, solo para uso no comercial; se requiere una licencia aparte para usar los pesos comercialmente.

• Precio de la API del proveedor — 0,009 $ por cada 1000 imágenes, que sube a 0,036 $ en 4K frente a un precio fijo de 0,016 $ por imagen en todos los preajustes.

Lo que realmente hacen las dos listas de precios a gran volumen

La tarifa de Klein escala con la resolución; la de Qwen Turbo no. Eso produce un punto de cruce que es fácil pasar por alto cuando comparas las cifras principales.

• 10.000 imágenes a 1K — Klein $90 frente a Qwen-Image 2.1 Turbo $160. Klein es un 44% más barato.

• 10.000 imágenes en 2K — Klein 140 $ vs Qwen-Image 2.1 Turbo 160 $. Klein sigue siendo más barato, un 12,5 %.

• 10 000 imágenes en 4K — Klein $360. Qwen-Image 2.1 Turbo no tiene ningún preajuste 4K con el que comparar precio; su resolución máxima es de 2752×1536 al mismo precio de $160.

Eso es aritmética sobre dos tarifas publicadas, no cotizaciones. El punto de cruce se sitúa entre 2K y 4K, y existe porque los dos proveedores fijaron precios en unidades diferentes: BFL cobra por imagen según la banda de resolución, Alibaba cobra por imagen de forma plana. Si tu carga de trabajo está en 1K o 2K, Klein es la opción más económica en ambas APIs, lo cual es lo opuesto de lo que "el modelo Qwen barato" te haría esperar. Si está en 4K real, Qwen-Image 2.1 Turbo no puede servirlo en absoluto a través de los presets publicados, así que la cuestión no es el precio.

La comparación adquiere un matiz más cuando alojas el modelo tú mismo en lugar de llamar a una API. En tu propio hardware no hay ninguna tarifa por imagen —hay un coste fijo por la GPU y un coste por imagen en segundos— y los dos modelos no se parecen en lo que necesitan para ejecutarse.

Ejecutarlos tú mismo

Suma los listados de archivos publicados y la diferencia es abismal. Los tres componentes BF16 de FLUX 3 Image Klein —un transformer de 11,1 GB, un codificador de texto de 8,9 GB y un autoencoder de 0,34 GB— suman aproximadamente 20,3 GB, y la compilación INT8 se ejecuta en una RTX con tan solo 8 GB de VRAM, con la documentación de BFL situando el mínimo en una RTX 3090. La descarga BF16 de Qwen-Image 2.1 Turbo está dominada por un codificador de texto de 17,53 GB, con el transformer dividido entre fragmentos de 9,97 GB y 4,26 GB, y un VAE de 0,68 GB —unos 32,4 GB en total—, así que solo su codificador de texto ya es más grande que todo lo que Klein necesita en conjunto. Ambas cifras son nuestras sumas de los listados de archivos de los propios proveedores, no totales publicados por los proveedores.

La velocidad es donde los recuentos de pasos engañan. El checkpoint destilado de Klein ejecuta el doble de pasos que los ocho de Qwen Turbo, pero las cifras medidas de BFL —tomadas por NVIDIA, en ComfyUI, sobre la compilación destilada INT8— sitúan una imagen de 1 MP en unos 4 segundos en una RTX 5090 y en menos de 9 segundos en una RTX 4070, bajando a menos de 0,6 segundos en una GB300 con NVFP4. Alibaba no publica una cifra comparable por GPU para Turbo, así que la postura honesta es que los ocho pasos de Turbo son arquitectónicamente el camino más corto y nadie fuera de Alibaba ha publicado segundos para él en hardware de consumo.

Budget for Klein's upsampler, whichever model you pick. The prompt upsampler is not optional for it — flux-3-image-klein-pup is a separate 9B vision-language model, an 18.8 GB BF16 download that adds around 28 GB of GPU memory on an 80 GB card when it runs alongside the generator. That single dependency erases Klein's VRAM advantage for anyone deploying on one small card, unless the caption is produced elsewhere and passed in.

Ninguno de los dos modelos tiene una puntuación de calidad independiente.

Esta es la fila que ambas fichas técnicas dejan en blanco, y merece la pena ser precisos sobre hasta qué punto está en blanco. A fecha de 16 de octubre de 2026, Artificial Analysis gestiona clasificaciones independientes de texto a imagen y de edición de imágenes, y ninguna de las dos incluye una entrada para FLUX 3 Image Klein ni para Qwen-Image 2.1 Turbo. Lo que sí incluyen estas clasificaciones es la generación anterior de cada familia, que es lo más parecido a una lectura independiente de la que se dispone:

• Texto a imagen — Qwen-Image 2.1 (el checkpoint base, no Turbo) ocupa el puesto 20 con 1.041 Elo de 5.356 comparaciones, publicado en septiembre de 2026. FLUX 3 Image, el hermano mayor bajo el que se sitúa Klein, ocupa el puesto 13 con 1.114 Elo de 5.769 comparaciones.

• Edición de imágenes — Qwen-Image 2.1 ocupa el puesto 19 con 1.081 Elo de 6.138 comparaciones. FLUX 3 Image no tiene ninguna entrada en la tabla de edición; el modelo FLUX más cercano que aparece en la lista es FLUX.2 [Klein] 9B con 1.015 Elo de 6.905 comparaciones.

Léelos como contexto, no como una predicción. El Qwen-Image 2.1 base no es Turbo: un checkpoint destilado sacrifica calidad a cambio de pasos, y cuánto exactamente es justo la pregunta que deja abierta la ausencia de Turbo en la tabla. FLUX 3 Image tampoco es Klein, y la propia publicación de lanzamiento de Black Forest Labs nunca compara a los dos, lo que significa que no hay ninguna cifra publicada en ningún sitio que indique cuánto queda Klein por debajo de su hermano mayor. Y en la tabla de edición, el modelo al que BFL dice que Klein supera por 70 Elo —FLUX.2 [klein] 9B— está en 1,015, unos 66 Elo por debajo de donde se sitúa Qwen-Image 2.1. La afirmación de BFL es que Klein supera esa diferencia y más; la única evidencia que existe ahora mismo es el propio gráfico de BFL.

¿Cuál elegir?

Elige FLUX 3 Image Klein si el resultado tiene que ser comercial y la empresa es pequeña. Es el único de los dos cuyos pesos incluyen una vía comercial utilizable sin necesidad de negociación, es más barato por imagen en ambas API a 1K y 2K, y llega a 4K. Presupuesta para el upsampler y lee las restricciones de la licencia sobre el entrenamiento de competidores y la redistribución de ajustes finos antes de construir un pipeline de datos en torno a él.

Elige Qwen-Image 2.1 Turbo si la transparencia o la edición local basada en máscaras es la característica que realmente necesitas —Klein no ofrece ninguna de las dos—, o si estás llevando a cabo investigación, evaluación o un prototipo interno en los que la cláusula no comercial nunca aplica. Ocho pasos y una arquitectura de 7B lo convierten en una opción eficiente para experimentar en local; la huella de 32,4 GB en BF16 es el coste de ese experimento.

Si necesitas ambos, la división es legítima: Qwen-Image 2.1 Turbo para la fase de exploración y su ruta de transparencia, FLUX 3 Image Klein para la ruta de producción. Es una decisión de licencias tanto como técnica.

Dónde llamarlos realmente

Ambos modelos son accesibles a través de la propia API del proveedor —BFL para Klein, Alibaba Cloud Model Studio y QwenCloud para Turbo— y mediante varias plataformas de terceros. Hoy ninguno de los dos está en el catálogo de OrcaRouter, y preferimos decirlo antes que insinuar una historia de enrutamiento que no podemos respaldar. Lo que sí podemos decir es dónde encaja el flujo de trabajo que los rodea: OrcaRouter ya enruta un conjunto de modelos de imagen alojados junto con más de 200 modelos de texto y multimodales detrás de una sola clave de API, con 0% de recargo sobre el precio de lista del proveedor y conmutación por error automática entre proveedores. Los equipos que usan un modelo de imagen alojado para la ruta interactiva y mantienen un checkpoint de pesos abiertos para el trabajo por lotes están ejecutando exactamente la división para la que está diseñado un endpoint único, y si alguno de estos dos llega al catálogo, ahí es donde aparecerá.

Lo que hay que observar no es la próxima ficha técnica. Es el primer Elo independiente para cada uno de los dos modelos, en la misma tabla que ya ocupan sus predecesores. Hasta que eso llegue, las dos afirmaciones en juego —la de BFL, «calidad líder en pesos abiertos con menos parámetros», y la de Alibaba, «la más equilibrada y rentable»— no son más que publicidad, y las únicas filas de esta comparación sobre las que puedes actuar con confianza son la licencia, la lista de precios y el mínimo de VRAM.

Esa brecha entre lo que mide un marcador y lo que encuentra un despliegue es la razón por la que el registro importa: los fallos de IA documentados y los incidentes de agentes en torno a modelos de esta clase se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.