Qwen-Image-2.1-Turbo sur un ordinateur de bureau : BaoCut 3.5 et les premiers timings locaux

Le dépôt de Qwen-Image-2.1-Turbo est apparu sur Hugging Face le 9 octobre 2026 avec 707 likes, les poids, un fichier de licence, et une seule ligne dans la liste d’actualités GitHub de Qwen-Image-2.1 comme toute annonce. Cinq jours plus tard, il tourne déjà sur les machines des utilisateurs. BaoCut 3.5, un outil d’édition de bureau chinois, a intégré le checkpoint et a commencé à générer des images en local plutôt que via un serveur ; X/@dotey a rapporté le 13 octobre 2026 qu’une image prend environ trois à cinq minutes en 1080p sur leur Mac Mini M2 et près de vingt minutes en 2K. Par ailleurs, une application macOS open source appelée Siliconed a posté sur le forum de discussion du modèle lui-même le 11 octobre 2026 une mesure de 118 secondes en 1024² sur un M1 Pro, et la même machine exécutant Z-Image Turbo — l’autre checkpoint ouvert en 8 étapes entre lesquels les gens choisissent — en 82 à 85 secondes. Qwen-Image-2.1, le modèle de base dont dérivent les deux ports locaux, est sorti le 20 septembre 2026. Le checkpoint accéléré est plus jeune de trois semaines que son parent et ne dispose d’aucune évaluation indépendante qui lui soit propre.

Telle est la forme de cette histoire : un point de contrôle qui n’a jamais été lancé, seulement publié, et qui arrive désormais dans un logiciel de bureau avant que le fournisseur n’ait dit grand-chose à son sujet en public. Ce qui suit distingue ce que le dépôt déclare réellement de ce que rapportent les premiers utilisateurs, car les deux ne relèvent pas du même type d’affirmation.

Ce que le dépôt confirme, et ce qu’il ne confirme pas

Tout ce qui figure ci-dessous provient de la fiche du modèle, du fichier de licence et du journal des modifications du projet — des sources primaires, que n’importe qui peut vérifier.

• Daté, et daté là où ça compte. L'API Hugging Face indique que le dépôt a été créé le 2026-10-09T04:50:01Z et modifié pour la dernière fois le 2026-10-12. La liste des actualités GitHub de Qwen-Image-2.1 contient l'entrée correspondante : « 2026.10.09 : nous avons publié Qwen-Image-2.1-Turbo pour la génération et l'édition d'images en seulement 8 étapes de débruitage. » Le même journal des modifications précise que les API Pro et Turbo ont été mises en ligne sur A​libaba Cloud Model Studio ce jour-là. C'est une publication ; c'est une publication sans lancement.

• De quoi il s'agit. La fiche le décrit comme « un checkpoint accéléré de Qwen-Image-2.1 pour la génération texte-image et l'édition d'images avec 8 étapes de débruitage », construit sur la même architecture de génération visuelle 7B. Ce n'est ni une nouvelle famille ni une nouvelle architecture. C'est le checkpoint de base, reconditionné autour d'une trajectoire d'échantillonnage bien plus courte.

• Ces deux capacités en un seul téléchargement.La génération d’images à partir de texte et l’édition guidée par instructions sont assurées par ce seul checkpoint. Les exemples de la fiche elle-même utilisent le même programme en 8 étapes enregistré et le même CFG=1 par défaut pour les deux, et illustrent l’édition en transformant un croquis de yacht en une image photoréaliste.

• Le planning de bruitage voyage avec les poids. Le checkpoint embarque son planning d'échantillonnage recommandé, si bien que Diffusers le charge automatiquement. La fiche précise clairement que définir `num_inference_steps` seul ne remplace pas ce planning enregistré. La mise en cache KV par préfixe réutilise le contexte du texte et de l'image de référence d'une étape de débruitage à l'autre.

• Deux versions de la boîte à outils sont nécessaires. L'installation indiquée est une version de PyTorch compatible CUDA, Diffusers depuis les sources, transformers 5.17.0 ou version ultérieure, accelerate et pillow. Le checkpoint nécessite la prise en charge par Diffusers des sigmas d'échantillonnage configurés par pipeline, ajoutée dans la PR #14950 — l'arborescence des sources, et non une version taguée au moment de la rédaction.

• La licence est inchangée, et c'est le mur commercial. Le dépôt porte la licence qwen-research. Cet accord accorde des droits « FOR NON-COMMERCIAL PURPOSES ONLY » et précise que l'usage commercial nécessite une licence distincte à demander auprès du fournisseur. Rien dans Turbo ne l'assouplit.

• Aucun benchmark, quel qu'il soit. Il n'y a aucun score pour le Turbo checkpoint sur la fiche, aucune comparaison avec la base, aucune donnée de latence, et aucune donnée de mémoire. Le fournisseur n'en publie rien.

• À ne pas confondre avec les chiffres du modèle de base. Si vous voyez un score Elo ou une affirmation de qualité associée au nom Qwen-Image-2.1, vérifiez à quel checkpoint elle se rapporte. La ligne publique d'image-arena appartient à Qwen-Image-2.1, le modèle de base du 20 septembre, et non à Turbo.

Les deux premiers rapports locaux, et pourquoi ils ne concordent pas

Deux personnes indépendantes ont donné des chiffres sur l’inférence locale dans les quatre jours suivant l’apparition du dépôt. Elles ont mesuré des machines différentes, des résolutions différentes et des pipelines différents, et leurs résultats diffèrent d’environ un ordre de grandeur pour la même tâche nominale. Les deux valent la peine d’être lus ; aucun n’est un benchmark.

Le rapport sur l'éditeur de bureau. X/@dotey, 13 octobre 2026 : BaoCut 3.5 a intégré Qwen-Image-2.1-Turbo, et la génération d'images se fait sur la machine locale plutôt que via un serveur. Sur leur Mac Mini M2, une image 1080p prend environ trois à cinq minutes et une image 2K près de vingt. Ils notent également que l'outil produira du contenu NSFW, et qu'un agent peut être pointé vers le service d'images local de la machine.

Le rapport sur l'application native. Le 11 octobre 2026, l'auteur de Siliconed a publié un message sur le forum de discussion Hugging Face du checkpoint lui-même. Siliconed est une application macOS open source, sous licence Apache-2.0, qui exécute le modèle en Swift et Metal, sans Python ni ComfyUI dans la boucle, en comparant chaque étape — encodeur de texte, transformer, VAE — canal par canal avec l'implémentation Diffusers en fp32. Sur la machine de référence, un MacBook Pro M1 Pro doté de 16 Go de mémoire unifiée, à 1024², 8 étapes et CFG 1, Qwen-Image-2.1-Turbo produit un rendu en 118 secondes ; un rendu en 1024×1536 prend 190 secondes, une édition avec une image de référence 212 secondes, et une édition avec deux images de référence 285 secondes. La mémoire de pointe reste entre 1,8 et 2,7 Go, sans aucun recours au swap. Z-Image Turbo, sur la même machine et à la même résolution, prend de 82 à 85 secondes.

• Pourquoi 3–5 minutes et 118 secondes ne sont pas une contradiction. Le chiffre de l’auteur du post est un Mac Mini M2 en 1080p dans une application ; le chiffre de l’application est un M1 Pro en 1024² piloté directement. Puce différente, nombre de pixels différent, quantité de travail différente autour du modèle. Aucun des deux chiffres ne vous dit ce que votre machine fera.

• Ce que l'application rapporte est auto-déclaré, et elle le dit. L'auteur est l'auteur. Face à cela : la méthode est publiée, chaque chiffre s'accompagne d'un instrument de mesure déclaré — `phys_footprint` échantillonné toutes les 100 ms, le swap provenant de `vm_stat` — et le projet publie un tableau des puces avec une ligne remplie et un formulaire public permettant aux lecteurs d'ajouter la leur. C'est plus que ce que vous donne le fournisseur, et moins qu'un laboratoire indépendant.

• La mémoire est le chiffre qui détermine la faisabilité. Une installation Standard de 31,2 Go tourne sur un Mac de 16 Go parce que les poids sont lus en flux depuis le disque à la demande, dans un budget annoncé de trois quarts de la mémoire système moins 2 Go. C’est pourquoi une taille d’installation supérieure à votre RAM n’est pas automatiquement un obstacle, et pourquoi le débit de lecture du disque — et non la VRAM — est la contrainte.

• Le plafond de résolution est une limite bien réelle. Le portage macOS plafonne la sortie à une surface de 1024×1536, chaque côté devant faire 512 au minimum et être un multiple de 16, au motif qu'il s'agit de la plus grande taille mesurée avec zéro recours au swap sur une machine de 16 Go. Les rendus plus grands sont refusés d'emblée plutôt que d'être laissés à saturer. Si votre travail nécessite les préréglages de classe 2048 du modèle de base, cette voie locale ne vous les donnera pas.

Des poids locaux signifient aucune couche de modération, et c'est à double tranchant

La phrase la plus citée de l’article du 13 octobre est que le modèle génère des images NSFW. Il est utile de préciser ce que cela est et ce que cela n’est pas.

Ce n’est pas une fonctionnalité que le fournisseur met en avant. La fiche de modèle ne dit rien sur la politique de contenu pour le checkpoint ouvert, et la licence ne prévoit aucune exception : elle accorde un usage non commercial et exige que vous respectiez la loi applicable, point final. Ce que le rapport décrit est la conséquence ordinaire de l’exécution d’un modèle de diffusion sur votre propre matériel — il n’y a aucun fournisseur entre votre prompt et l’échantillonneur, donc pas de filtre côté fournisseur susceptible de se déclencher. Chaque checkpoint d’image ouvert se comporte ainsi. La différence, ici, tient à la vitesse et à l’empaquetage : un modèle à 8 étapes de cette classe est désormais assez rapide sur du matériel grand public pour que la voie locale ne donne plus l’impression d’un compromis.

La question de la conformité vous incombe désormais entièrement. Si vous avez l’intention de livrer quoi que ce soit construit sur ce checkpoint, la licence est la contrainte déterminante, et ce n’est pas une licence permissive — le modèle de base est distribué selon les mêmes conditions de recherche non commerciale, et le checkpoint Turbo en hérite sans modification. L’inférence locale ne change rien à ce que vous êtes autorisé à faire avec la sortie.

La partie véritablement nouvelle : un outil qu’un agent peut appeler

Les deux rapports convergent sur le même détail, et c’est celui qui a la queue la plus longue. La publication du 13 octobre mentionne qu’un agent peut être pointé vers le service d’images local de la machine. Le portage macOS embarque exactement cette interface : un binaire auxiliaire appelé `silicontrol` à l’intérieur du bundle de l’application, qui pilote la fenêtre en cours d’exécution depuis un terminal, avec des commandes pour lister les modèles, mettre un rendu en file d’attente avec `--wait --out`, et lire le statut, en émettant des lignes JSON avec un champ final `"ok"`. Il y a une seule file d’attente et jamais deux rendus à la fois.

Un point de terminaison d’image local qui répond en lignes JSON et renvoie un chemin de fichier est une cible d’appel d’outil. C’est une proposition différente du copier-coller d’invites dans une interface web : un agent de codage peut décider qu’il a besoin d’un diagramme, d’un espace réservé ou d’une variante, appeler le service local et continuer à travailler sans clé API, sans facturation par image et sans que les données quittent la machine. Pour un travail non commercial — recherche, prototypes internes, harnais d’évaluation — c’est une capacité véritablement nouvelle en 8 étapes et avec moins de 3 Go de mémoire de pointe.

Il a aussi un tranchant, et c'est la même licence qui le dessine. Dès l'instant où ce que vous construisez est un produit plutôt qu'un artefact de recherche, la voie locale cesse d'être la solution facile et la restriction non commerciale devient le fait décisif.

Où une couche de routage a sa place, et où elle ne l’a pas

Qwen-Image-2.1-Turbo est un téléchargement de poids sous licence de recherche. Ce n'est pas un point de terminaison hébergé sur OrcaRouter, et rien ici ne doit être interprété comme affirmant le contraire. La répartition honnête se fait par charge de travail.

Si vos images doivent être produites sur une machine que vous contrôlez, pour des raisons de confidentialité, de coût, ou parce qu'il n'y a aucune connectivité, alors ce checkpoint et un runner local sont la solution, et la question du routage ne se pose jamais — la licence non commerciale et le budget disque sont vos deux contraintes. Si, en revanche, vous appelez des modèles d'image en production, où une requête doit atterrir quelque part de fiable et où vous préférez ne pas entretenir une relation fournisseur par modèle, c'est le problème pour lequel OrcaRouter existe : plus de 200 modèles derrière un seul point de terminaison compatible OpenAI, au prix catalogue du fournisseur, sans marge, un basculement automatique lorsqu'un fournisseur se dégrade, et un DSL de routage pour les cas où vous voulez exprimer une préférence plutôt que d'accepter une valeur par défaut. Les deux dispositifs ne sont pas en concurrence. Un checkpoint local est un outil sur votre bureau ; un routeur est ce que vous placez devant les modèles hébergés que vous appelez lorsque le travail quitte le bureau.

La raison pratique de les garder distincts dans votre esprit est qu’ils échouent différemment. Un rendu local échoue lorsque la machine est occupée, que le disque est lent ou que le budget mémoire est dépassé. Un appel hébergé échoue lorsqu’un fournisseur échoue. Un seul de ces cas mérite d’être résolu par basculement.

Ce que nous ne pouvons toujours pas dire

Trois choses suffiraient à asseoir la réputation de ce checkpoint, et aucune d'entre elles n'existe encore.

• Aucune évaluation indépendante. Turbo n'a aucune ligne dans l'arène, aucun Elo publié, et aucune comparaison de qualité par des tiers avec Qwen-Image-2.1 ou Z-Image Turbo. Le coût en qualité du passage de la trajectoire d'échantillonnage plus longue du modèle de base à 8 étapes n'est tout simplement pas mesuré publiquement.

• Aucun chiffre de débit ni de mémoire de la part du fournisseur. La fiche décrit le checkpoint et ne dit rien sur ce que son exécution coûte. Tous les chiffres de cet article qui ne sont pas des dates proviennent d'un utilisateur, et chacun d'eux est estampillé de la machine sur laquelle il a été mesuré.

• Une seule puce dans le tableau public. Le tableau de résultats du portage macOS ne compte qu’une seule ligne remplie, une M1 Pro, et une invitation pour tous les autres à ajouter la leur. Si vous êtes sur le point d’acheter du matériel pour cela, vous extrapolez à partir de cette ligne et d’une anecdote sur un Mac Mini M2.

Ce que l’on peut affirmer avec assurance est plus restreint et plus utile. Le checkpoint existe, il est daté du 9 octobre 2026, il effectue de la génération et de l’édition en 8 étapes à 7B, son schedule est intégré aux poids, il est non commercial, et il est passé d’un dépôt à une exécution dans un logiciel de bureau en moins d’une semaine, sans le moindre lancement. C’est un véritable événement dans la génération d’images locale, et cela se produit avant que quiconque ait publié un chiffre auquel on puisse tenir le fournisseur.

Des choix de modèles comme celui-ci sont aussi là où les modes de défaillance se manifestent : les incidents d'IA documentés et les défaillances d'agents associés aux modèles de cette classe sont recensés dans the OrcaRouter AI Incident Archive , où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et son indicateur de contestation.