Qwen-Image 2.1 vs Z-Image Turbo: pasos, licencias y dónde encaja cada uno

Ocho pasos frente a cuarenta, y una licencia que dice sí frente a una que dice no. Qwen-Image 2.1 es el modelo de generación y edición de imágenes con pesos abiertos del proveedor, publicado el 20 de septiembre de 2026 bajo un acuerdo solo para investigación, que aplica la eliminación de ruido en 40 pasos por defecto. Z-Image Turbo es el checkpoint destilado de la organización Tongyi-MAI de la misma familia corporativa, publicado el 26 de noviembre de 2025, que hace el mismo trabajo en 8 pasos bajo Apache-2.0. Casi once meses los separan, el más nuevo es la descarga más pequeña sobre el papel, y el más antiguo es el que puedes poner en un producto comercial sin pedir permiso a nadie. Esa inversión es toda la comparación.

La respuesta corta, si la quieres antes del razonamiento: elige Z-Image Turbo cuando la restricción sea la velocidad por imagen, la VRAM en hardware de consumo o una licencia permisiva. Elige Qwen-Image 2.1 cuando necesites editar una imagen existente, quieras transparencia nativa o quieras la puntuación más alta en la tabla independiente. Nadie con una carga de trabajo mixta tiene que elegir solo uno, y la mayor parte de esta página se dedica a las dos razones por las que la gente cree que tienen que hacerlo.

Primero, el problema de la denominación

Dos cosas en esta comparación se llaman turbo y no son el mismo turbo. Qwen-Image 2.1 tiene su propia variante acelerada — "la variante turbo de Qwen-Image 2.1", lanzada el 9 de octubre de 2026, que comparte la arquitectura y la clase de pipeline del modelo base, pero que realiza el denoising en 8 pasos con CFG predeterminado en 1. Ese no es el modelo contra el que se compara en esta página. Z-Image Turbo es un modelo separado de una línea distinta, creado por el grupo Tongyi-MAI, y destila una base diferente: el checkpoint Z-Image, que se ejecuta en 50 pasos.

También difieren en aquello de lo que fueron destilados y en cómo. Tongyi-MAI describe Z-Image Turbo como destilado con Decoupled-DMD más una etapa que denomina DMDR, la cual fusiona DMD con aprendizaje por refuerzo. La variante turbo de Qwen-Image 2.1 es presentada por su proveedor como un cambio de checkpoint en lugar de una nueva arquitectura. Ambos llegan a 8 pasos; ninguno es el otro, y una frase escrita sobre uno no debería interpretarse como que abarca al otro.

Si estás comparando «el modelo Qwen-Image más rápido» con Z-Image Turbo, esta no es la página correcta: esa comparación es contra la variante turbo de Qwen-Image 2.1, y el planteamiento de los dos checkpoints de 8 pasos es una pregunta diferente con una respuesta diferente.

Lo que realmente incluye Z-Image Turbo

Toma esto del material del propio proveedor en lugar de los sitios de resumen, porque la mayoría de ellos se equivocan con el tamaño o lo omiten. La familia Z-Image está documentada con 6B de parámetros, con un diseño de transformer de difusión de flujo único en el que los tokens de texto, los tokens semánticos visuales y los tokens de VAE de imagen se concatenan en una única secuencia de entrada. Turbo es el miembro destilado de esa familia y se ejecuta con 8 NFE — el código de referencia establece num_inference_steps=9 y señala que esto produce 8 pasadas hacia adelante por el transformer — con la guía desactivada.

Las afirmaciones de rendimiento del proveedor son estas, y son afirmaciones del proveedor: latencia de inferencia inferior a un segundo en GPU H800 de clase empresarial, y que cabe "cómodamente dentro de 16G VRAM" en dispositivos de consumo. Herramientas de la comunidad han informado desde entonces de que se ejecuta a alrededor de 4 GB mediante stable-diffusion.cpp, que es una cifra de la comunidad y no del proveedor. La resolución no se publica como un rango en la tarjeta del modelo; los ejemplos documentados generan a 1024×1024. La tarjeta también enumera recuentos de adaptadores, ajustes finos y cuantizaciones de 879, 170 y 93 modelos, además de alrededor de 100 Spaces; una medida de la actividad del ecosistema en la plataforma de alojamiento, no de la calidad.

En el tablero independiente de texto a imagen, Z-Image Turbo se sitúa en 941 Elo, intervalo del 95% de 933 a 949, de 8.991 muestras, puesto 83 de 168, a $5.00 por 1.000 imágenes, con el conjunto de marcadores de pesos abiertos y el tablero fechando la fila en diciembre de 2025. Todas las cifras provienen de Artificial Analysis, capturadas en vivo en inglés el 13 de octubre de 2026.

Una nota histórica que incluye el material del proveedor y que vale la pena leer correctamente: el 8 de diciembre de 2025, Artificial Analysis situó a Z-Image Turbo en octavo lugar en la clasificación general y primero entre los modelos de código abierto. Eso era cierto cuando se escribió y es una afirmación con fecha. Hoy ya no es cierto: la tabla tiene ahora dieciséis filas de modelos cerrados y abiertos por encima de él. La razón no es que Z-Image Turbo haya empeorado; es que pasaron diez meses.

Qué incluye realmente Qwen-Image 2.1

Una forma completamente distinta. Qwen-Image 2.1 tiene 7B de parámetros en su componente de generación visual, repartidos en 32 capas DiT de flujo único, con un codificador de texto mucho más grande —Qwen3-VL 8B— y un VAE RGBA de 64 canales con una compresión espacial de 16×. Esa última pieza es de donde proviene la transparencia: se genera de forma nativa en lugar de recortarse después. El muestreo predeterminado es de 40 pasos sobre el checkpoint base, a 2048×2048 por defecto, con siete presets publicados desde 1:1 hasta 9:16.

• Flexibilidad de entrada — un prompt por sí solo, un prompt con una imagen o un prompt con hasta 10 imágenes de referencia.

• Control de edición local — círculos dibujados, anotaciones pintadas o una máscara aparte pasada como su propia entrada para que la fotografía original permanezca sin marcas.

• Transparencia en ambas direcciones — genera RGBA, edita dentro de una capa transparente o extrae un sujeto de una fotografía RGB normal como una capa RGBA.

• Tamaño de descarga — el repositorio de Diffusers en Qwen/Qwen-Image-2.1 ocupa 33,1 GB, de los cuales aproximadamente 17,5 GB corresponden al codificador de texto. Ese es el coste práctico de incluir un modelo de visión y lenguaje en la pila.

En la misma tabla, Qwen-Image 2.1 se sitúa en 1,038 Elo, intervalo de 1,029 a 1,047, de 5,554 muestras, puesto 20 de 168, con el marcador de pesos abiertos activado y "No hay API disponible" en la columna de precio. En la tabla de edición, es el único de los dos que aparece: 1,072 Elo, intervalo de 1,063 a 1,081, de 6,132 muestras, puesto 21 de 81. Z-Image Turbo no tiene fila en la tabla de edición.

Esas dos filas —1.038 frente a 941, una diferencia de noventa y siete puntos con intervalos que no se superponen— son la evidencia independiente más sólida de este artículo, y aun así conviene leerlas con la advertencia de que el Elo aquí es una puntuación de preferencia basada en votos a ciegas. Indica qué resultado prefirió una multitud, no qué modelo es más rápido, más barato o cuenta con licencia para tu uso.

Los pasos no son segundos

El error más común al interpretar esta comparación es tratar 8 pasos y 40 pasos como una relación de velocidad de cinco a uno. No son unidades comparables entre dos modelos. La cantidad de pasos es el número de veces que se ejecuta el denoiser; cuánto tarda cada una de esas ejecuciones depende del tamaño del transformer, la resolución, la precisión, la implementación de atención y el hardware. El proveedor de Z-Image Turbo publica una cifra de latencia a una resolución en una clase de GPU. El proveedor de Qwen-Image 2.1 no publica ninguna cifra de latencia en absoluto.

Lo que puede compararse honestamente es la dirección y las restricciones. Z-Image Turbo está diseñado para funcionar con 8 NFE en VRAM de consumo, con un límite de 16 GB declarado por el fabricante y reportes de la comunidad por debajo de eso. El checkpoint base de Qwen-Image 2.1 funciona a 40 pasos, además de una descarga de 33 GB y un codificador Qwen3-VL 8B; su propia variante turbo existe precisamente porque 40 pasos no son una configuración rápida. Si el costo de inferencia es tu restricción vinculante, la dirección no está en duda, aunque la proporción sí.

Existe también un compromiso entre calidad y número de pasos que ningún proveedor cuantifica. Los checkpoints destilados de pocos pasos se entrenan para aproximar una trayectoria de muchos pasos, y el punto donde esa aproximación es más débil —texto fino, diseños densos, detalles pequeños y repetidos— es específico de cada modelo y no se publica. No suponga que el octavo paso del modelo de ocho pasos equivale al cuadragésimo de un modelo de cuarenta pasos; no existen pruebas independientes comparativas lado a lado para este par concreto en configuraciones equivalentes, y esta página no va a inventar una clasificación que las pruebas no respaldan.

La licencia es donde se toma la decisión

Z-Image Turbo tiene licencia Apache-2.0. Esa es la licencia del repositorio, declarada claramente, sin puerta, sin registro y sin condición de ingresos. Puedes ejecutarlo, modificarlo, ajustarlo, redistribuir derivados y distribuir resultados comerciales a partir de él sin contactar a Tongyi-MAI.

Qwen-Image 2.1 no es eso. Su repositorio incluye license: other con el nombre de licencia qwen-research, y el archivo LICENSE es el Acuerdo de Licencia de Investigación de Qwen con fecha del 20 de septiembre de 2026. Leído el 13 de octubre de 2026, otorga una licencia no exclusiva, mundial y libre de regalías para usar, reproducir, distribuir y modificar los materiales únicamente con fines no comerciales, y define «No Comercial» como fines de investigación o evaluación, y exige una licencia comercial por separado —solicitada por correo electrónico— para cualquier otro uso. La redistribución conlleva condiciones adicionales: transmitir el acuerdo, marcar los archivos modificados, mantener el aviso que nombra a Hangzhou Tongyi Laboratory Technology Co., Ltd, mostrar «Built with Qwen» si los resultados se usan para entrenar otro modelo distribuido, y no usar «Qwen» como nombre principal de una obra derivada.

Vale la pena declarar esto como un hecho de la familia y no como algo puntual, porque supone un cambio de dirección. Los checkpoints anteriores de Qwen-Image —Qwen-Image, Qwen-Image-Edit, y las versiones -2509, -2511, -Layered y -2512— son todos Apache-2.0 según lo leído el 13 de octubre de 2026. Qwen-Image 2.1 es la ruptura de ese patrón. Las licencias ya concedidas no cambian de forma retroactiva, por lo que los checkpoints antiguos siguen siendo utilizables en sus términos originales, pero nadie debería planificar un pipeline comercial asumiendo que el modelo Qwen-Image más reciente es permisivo.

Eso hace que los dos modelos se ajusten a la forma de sus archivos de licencia en lugar de a sus hojas de especificaciones: Z-Image Turbo es el que puedes lanzar hoy sin ninguna conversación, y Qwen-Image 2.1 es el que exige una negociación que quizá no quieras tener.

En qué puedes ejecutar cada uno

Qwen-Image 2.1 se lanzó con soporte de runtime documentado en lugar de adquirirlo más tarde: Diffusers mediante QwenImage21Pipeline, ComfyUI nativo con flujos de trabajo de plantilla, servicio offline y online de vLLM-Omni, SGLang mediante sglang generate, y LightX2V para aceleración, con AMD ROCm y una ruta de FlagOS que abarca ocho plataformas de chips. Se publican dos checkpoints de reescritura de prompts junto con él como descargas independientes.

El soporte de Z-Image Turbo es más amplio en un aspecto concreto: como es pequeño, tiene licencia Apache-2.0 y casi un año de antigüedad, ha acumulado un amplio ecosistema de cuantización y empaquetado —conversiones GGUF, variantes FP8 y SDNQ, compilaciones int4 y reempaquetados de un solo archivo de ComfyUI—, que es lo que hace posibles las rutas de menos de 16 GB y de menos de 8 GB. Un modelo de 6B con una licencia permisiva se porta; uno de 33 GB con licencia de investigación se porta más despacio y con más cuidado. Ese efecto de segundo orden es fácil de pasar por alto en una hoja de especificaciones y a menudo es lo que decide lo que un lector puede hacer realmente esta semana.

Trabajando en ambos, sin un segundo stack

OrcaRouter no enruta Qwen-Image 2.1 ni enruta Z-Image Turbo. Revisamos nuestra lista de modelos activos el 13 de octubre de 2026 y ninguno de los dos aparece, así que nada de lo que sigue constituye una afirmación de que los servimos: las rutas para ambos son el autoalojamiento o los endpoints alojados del propio proveedor.

El patrón que los une es el que esta pareja invita: Z-Image Turbo como la primera pasada económica y un modelo más potente como el render final. Esa es una canalización sensata, y su coste oculto es operativo: dos pilas de descarga, dos conjuntos de ajustes y una segunda integración en el momento en que cualquiera de las dos cambie. OrcaRouter pone más de 200 modelos detrás de un único endpoint compatible con OpenAI al precio de lista del proveedor sin margen, con conmutación por error automática entre proveedores cuando uno se degrada, de modo que una canalización de borrador y final puede poner los modelos que sí invoca detrás de una sola clave y un solo cliente, y un contratiempo de un proveedor se convierte en un reintento en lugar de un lote detenido. El DSL de enrutamiento hace el mismo trabajo para la propia composición, permitiendo abordar varios modelos como una sola llamada en lugar de como varias integraciones.

¿Cuál, para quién?

• Estás lanzando un producto comercial — Z-Image Turbo. Apache-2.0, sin conversación, sin línea de ingresos que revisar.

• Necesitas editar una imagen existente, usar máscaras o producir recursos transparentes — Qwen-Image 2.1. El modo documentado de Z-Image Turbo es texto-a-imagen; no existe ningún checkpoint de edición en esa familia ni entrada de máscara en la ruta documentada.

• Tu limitación es la VRAM o el coste por imagen — Z-Image Turbo. Un modelo de 6B con una década de trabajo de cuantización a sus espaldas, frente a un stack de 33 GB con un codificador visión-lenguaje de 8B.

• Tu limitación es la calidad del resultado juzgada por desconocidos — Qwen-Image 2.1, por unos cien puntos Elo en la tabla donde ambos están clasificados, con intervalos que no se solapan.

• Estás haciendo investigación, no producción — Qwen-Image 2.1 tiene licencia precisamente para eso, y su superficie de edición es la razón para asumir el costo de la descarga.

El hecho que lo decide con más frecuencia, en una frase: Z-Image Turbo gana siempre que la respuesta tenga que entregarse o tenga que ejecutarse en el equipo que el lector ya posee, y Qwen-Image 2.1 gana siempre que la tarea implique una imagen que ya existe.