Qwen-Image-2.1-Turbo vs Z-Image Turbo : Deux modèles en huit étapes, deux paris différents

Qwen-Image-2.1-Turbo et Z-Image Turbo sont les deux checkpoints d'image ouverts entre lesquels la plupart des gens finissent par choisir aujourd'hui, et si cette comparaison tourne en rond, c'est parce qu'ils annoncent le même chiffre phare. Les deux fonctionnent en huit étapes de débruitage. Les deux sont suffisamment ouverts pour être téléchargés et exécutés sur votre propre machine. Les deux sont annoncés comme spectaculairement plus rapides que ce dont ils sont dérivés. Tout ce qui détermine lequel vous voulez réellement se cache sous ce chiffre commun, et rien de tout cela n'est le nombre d'étapes. Z-Image Turbo a été publié le 25 novembre 2025 en tant que modèle 6B sous Apache-2.0, distillé à partir de la gamme Z-Image selon une recette en deux étapes publiée. Qwen-Image-2.1-Turbo est apparu le 9 octobre 2026 comme checkpoint accéléré de Qwen-Image-2.1 — le modèle de base publié le 20 septembre 2026 — en conservant l'architecture 7B et la licence de recherche non commerciale de l'éditeur. Huit mois séparent les deux dépôts, et la différence dans leur mode de construction est plus grande que ne le suggère l'écart de dates.

Huit étapes sont le symptôme partagé, non la cause partagée

Lorsque deux modèles atteignent le même nombre d’étapes par des chemins différents, ce nombre d’étapes cesse d’être une comparaison utile. Cela vous indique que les deux modèles ont été ajustés pour une latence comparable, et rien d’autre.

• Z-Image Turbo y est parvenu par distillation, puis par apprentissage par renforcement. La fiche de la famille Z-Image le décrit comme « une version distillée de Z-Image qui égale ou dépasse les principaux concurrents avec seulement 8 NFE ». La documentation technique nomme le mécanisme : Decoupled-DMD, une variante de Distribution Matching Distillation qui sépare deux mécanismes que les méthodes DMD existantes traitaient comme un seul, suivie de DMDR, qui fusionne DMD et RL pendant le post-entraînement. Le tableau des variantes sur la fiche montre explicitement le parcours d'entraînement — pré-entraînement, SFT et RL tous marqués, 8 étapes, CFG désactivé.

• Qwen-Image-2.1-Turbo y est parvenu en repackagant une base solide. Sa 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 », sur la même architecture de génération visuelle 7B. Aucune recette de distillation n'est publiée. Ce qui est documenté, c'est que le checkpoint porte son propre calendrier d'échantillonnage recommandé, si bien que Diffusers le charge automatiquement et que le simple réglage de `num_inference_steps` ne le remplacera pas, et que la génération est par défaut en CFG=1 avec une mise en cache KV de préfixe qui réutilise le contexte du texte et de l'image de référence entre les étapes.

La conséquence pratique : avec Z-Image Turbo, vous exécutez un modèle dont la vitesse est le produit d’un processus d’entraînement, tandis qu’avec Qwen-Image-2.1-Turbo, vous exécutez un checkpoint d’un modèle qui était déjà bon, avec le chemin d’échantillonnage raccourci et figé dans le fichier. Les deux sont légitimes. Ils échouent différemment. Un modèle distillé a un budget de qualité qui a été dépensé pendant l’entraînement ; un checkpoint reconditionné en a un qui a été dépensé lors de sa création. Aucune des fiches n’indique combien a été dépensé.

Les lignes qui les séparent réellement

Cinq dimensions décident de cette confrontation. Chacune est énoncée dans une source primaire que vous pouvez ouvrir.

• Taille : 6B de paramètres pour Z-Image Turbo contre 7B pour Qwen-Image-2.1-Turbo. Les deux sont suffisamment légers pour du matériel grand public, et cet écart n'est pas ce qui déterminera votre résultat.

• Licence : Apache-2.0 pour Z-Image Turbo ; l'accord qwen-research pour Qwen-Image-2.1-Turbo, qui accorde des droits « FOR NON-COMMERCIAL PURPOSES ONLY » et exige une licence demandée séparément pour un usage commercial. C'est la différence la plus importante entre les deux modèles et la seule qui soit binaire.

• Édition : Qwen-Image-2.1-Turbo réalise la génération d'images à partir de texte et l'édition guidée par instructions en un seul téléchargement — sa fiche illustre les deux à l'aide du même planning enregistré. Z-Image Turbo est un modèle de génération ; l'édition réside dans Z-Image-Edit, une variante distincte que la fiche de la famille répertorie encore comme « à paraître ». Si votre pipeline a besoin dès aujourd'hui d'éditions guidées par instructions, cette ligne tranche la question.

• Rendu du texte et langues : la fiche de Z-Image met en avant le rendu bilingue de texte anglais et chinois comme l'un des principaux atouts de Turbo. La fiche de Qwen-Image-2.1-Turbo ne revendique rien d'équivalent — sa vitrine est organisée par catégorie de résultat (portrait, pose et mouvement, RGBA transparent, typographie et création d'affiches, mise en page d'interface, transformation d'une image unique, composition multi-références) plutôt que par langue.

• Mémoire et maturité de déploiement : la fiche de la Z-Image indique que Turbo « tient confortablement dans des appareils grand public disposant de 16 Go de VRAM » et revendique une inférence inférieure à la seconde sur du matériel de classe H800 — des affirmations du fournisseur, non rattachées à une méthode de mesure. La fiche de Qwen-Image-2.1-Turbo ne publie absolument aucun chiffre de mémoire ni de latence. Dans les quatre jours suivant son apparition, un portage macOS indépendant a mesuré un pic de 1,8 à 2,7 Go sans aucun recours au swap sur un M1 Pro de 16 Go, avec un plafond de sortie de 1024×1536 ; il s'agit d'un chiffre tiers obtenu sur une implémentation tierce, et non d'un chiffre du fournisseur.

Ce que couvrent les classements, et les deux lignes qui n’existent pas

C'est ici que la comparaison est le plus souvent mal interprétée, il vaut donc la peine d'être précis sur le modèle auquel appartient chaque chiffre.

Sur l'arène publique de génération d'images à partir de texte, il y a une ligne pour Z-Image Turbo à 941 Elo, à partir d'environ 9 000 votes, et une ligne distincte pour Z-Image Base à 877. Il y a une ligne pour Qwen-Image-2.1 à 1 038 Elo, à partir d'environ 5 500 votes, datée de septembre 2026 et signalée comme n'ayant aucune API disponible. Le tableau d'édition comporte lui aussi une ligne Qwen-Image-2.1.

Remarquez ce qui manque. Il n'y a pas de ligne pour Qwen-Image-2.1-Turbo sur aucun des deux tableaux — le checkpoint est daté du 9 octobre 2026 et n'a pas été évalué séparément. Et il n'y a pas de ligne Z-Image Turbo dans le tableau d'édition, parce que Z-Image Turbo ne fait pas d'édition. Ainsi, la comparaison d'apparence nette « Qwen à 1 034 contre Z-Image à 941 » n'est pas une comparaison des deux checkpoints dont traite cet article ; c'est une comparaison du modèle à partir duquel Z-Image Turbo a été distillé avec le modèle à partir duquel Qwen-Image-2.1-Turbo a été accéléré. La qualité de Qwen-Image-2.1-Turbo en huit étapes n'est pas mesurée publiquement, et on ne sait pas non plus dans quelle mesure la position du modèle de base survit au programme raccourci.

La bonne façon de lire ces chiffres est de les considérer comme une limite supérieure assortie d'une réserve : la famille dont descend Qwen-Image-2.1-Turbo se situe à environ 97 Elo au-dessus de la famille dont descend Z-Image Turbo sur le classement texte-vers-image, et personne n'a publié si le checkpoint Turbo préserve cet écart.

La licence n'est pas une note de bas de page dans cette confrontation.

Entre deux modèles aussi proches en capacités, c'est souvent la licence qui décide de tout, et ici, les deux sont loin d'être proches.

Z-Image Turbo est distribué sous licence Apache-2.0. Il s'agit d'une licence permissive : utilisez-le, modifiez-le, distribuez-le, vendez ce que vous créez avec lui, sous réserve des conditions habituelles d'attribution et de mention.

Qwen-Image-2.1-Turbo hérite du Qwen Research License Agreement, sans modification depuis le modèle de base. Lisez-le, et la clause déterminante n'est pas ambiguë — l'autorisation accordée est « FOR NON-COMMERCIAL PURPOSES ONLY », et l'utilisation commerciale nécessite une licence distincte obtenue auprès du fournisseur. L'accord interdit également d'utiliser « Qwen » comme nom principal ou identifiant d'une œuvre dérivée, tout en autorisant un usage descriptif tel que « fine-tuned from Qwen Image ».

Si vous faites du prototypage, de l'évaluation ou de la recherche, cette différence ne vous coûte rien et vous pouvez choisir en fonction des capacités. Si vous construisez quelque chose que vous avez l'intention de vendre ou d'exploiter commercialement, l'un de ces deux est utilisable et l'autre nécessite une conversation avec Alibaba Cloud. C'est un fait bien plus important qu'un calendrier en 8 étapes.

Exécuter l’un ou l’autre, et où un routeur devient pertinent

Ce sont tous les deux des téléchargements de poids que vous hébergez vous-même. Aucun des deux n’est un point de terminaison hébergé sur OrcaRouter, et il serait malhonnête de laisser entendre le contraire — les modèles d’image que nous routons appartiennent à la famille OpenAI GPT-Image. Si ce produit a sa place dans cette conversation, c’est à cause de ce qui se passe dès qu’un checkpoint comme l’un ou l’autre de ceux-ci se retrouve avec un fournisseur hébergé derrière lui.

Le jour où cela se produira, la décision cessera d'être « quel fichier dois-je télécharger » pour devenir « combien d'intégrations de fournisseurs dois-je maintenir ». C'est le problème pour lequel OrcaRouter a été conçu : plus de 200 modèles derrière un seul point de terminaison compatible OpenAI, au prix catalogue du fournisseur et sans marge, un DSL de routage pour exprimer quel modèle vous voulez dans quelles conditions, un basculement automatique lorsqu'un fournisseur se dégrade, et une fusion de modèles pour combiner les sorties. Un checkpoint ouvert en 8 étapes et un routeur ne sont pas des réponses concurrentes ; l'un est un fichier sur votre disque, et l'autre est la façon dont vous cessez de vous soucier du point de terminaison qui se cache derrière un nom de modèle.

D'ici là, le chemin local est le chemin tout entier, et les contraintes sont celles qu'énoncent les cartes et les licences.

Lequel télécharger en premier ?

La plus courte version honnête de la décision :

• Choisissez Z-Image Turbo si vous devez livrer un produit commercial, si vous voulez la recette d’accélération la plus abondamment documentée avec un parcours d’entraînement publié, si le rendu de texte bilingue chinois et anglais est une véritable exigence, ou si vous ciblez un appareil de 16 Go et souhaitez une enveloppe mémoire annoncée par le fournisseur.

• Choisissez Qwen-Image-2.1-Turbo si vous avez besoin d’édition guidée par instructions et de génération d’images à partir de texte à partir d’un seul checkpoint dès aujourd’hui plutôt que d’attendre une variante d’édition distincte, si votre travail relève de la recherche ou de l’évaluation, et si vous préférez bénéficier de la lignée du modèle de base plus puissant et acceptez que sa qualité après huit étapes ne soit actuellement pas mesurée.

• Prenez les deux si vous choisissez pour une équipe. Ils sont assez petits pour tenir côte à côte sur le même disque, ils sont tous deux pris en charge par la même classe de runner local, et la seule chose que vous ne pouvez pas faire avec les deux installés est de commercialiser le checkpoint Q​wen.

Ce que ni l’un ni l’autre ne vous donne aujourd’hui, c’est un benchmark. Huit étapes, 6B contre 7B, Apache-2.0 contre une licence de recherche — ce ne sont là que des faits sur une fiche. Lequel des deux produit de meilleures images après huit étapes de débruitage est une question à laquelle aucune source primaire n’a encore répondu, et pour l’instant, la chose honnête est de tester les deux avec vos propres prompts plutôt que de faire confiance à une ligne de classement qui appartient à un autre checkpoint.

C'est aussi dans des comparaisons comme celle-ci que les modes de défaillance apparaissent : les incidents d'IA et les défaillances d'agents documentés derrière les modèles de cette classe sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et un indicateur de contestation.