{{1}}Qwen-Image 2.1 vs Z-Image Turbo{{/1}} : {{2}}étapes, licences{{/2}} et {{3}}à quoi chacun est destiné{{/3}}

Huit étapes contre quarante, et une licence qui dit oui face à une qui dit non. Qwen-Image 2.1est le modèle de génération et d'édition d'images à poids ouverts de l'éditeur, publié le 20 septembre 2026 sous un accord de recherche uniquement, qui débruite en 40 étapes par défaut. Z-Image Turboest le checkpoint distillé de l'organisation Tongyi-MAI de la même famille d'entreprise, publié le 26 novembre 2025, qui effectue le même travail en 8 étapes sous Apache-2.0. Près de onze mois les séparent, le plus récent est le plus petit téléchargement sur le papier, et le plus ancien est celui que vous pouvez intégrer dans un produit commercial sans demander la permission à qui que ce soit. Cette inversion, c'est toute la comparaison.

La réponse courte, si vous la voulez avant le raisonnement : choisissez Z-Image Turbo lorsque la contrainte est la vitesse par image, la VRAM sur du matériel grand public ou une licence permissive. Choisissez Qwen-Image 2.1 lorsque vous devez modifier une image existante, que vous voulez une transparence native ou que vous visez le meilleur score sur le tableau indépendant. Personne ayant une charge de travail mixte n’est obligé d’en choisir un seul, et l’essentiel de cette page est consacré aux deux raisons pour lesquelles les gens pensent devoir le faire.

D'abord, le problème de nommage

Deux choses dans cette comparaison s’appellent turbo, et ce ne sont pas le même turbo. Qwen-Image 2.1 a sa propre variante accélérée — « la variante turbo de Qwen-Image 2.1 », sortie le 9 octobre 2026, qui partage l’architecture et la classe de pipeline du modèle de base, mais effectue le débruitage en 8 étapes avec un CFG par défaut à 1. Ce n’est pas le modèle auquel cette page se réfère pour la comparaison. Z-Image Turbo est un modèle distinct d’une gamme distincte, développé par le groupe Tongyi-MAI, et il distille une base différente — le checkpoint Z-Image, qui fonctionne en 50 étapes.

Ils diffèrent également par ce à partir de quoi ils ont été distillés et par la manière dont ils l’ont été. Tongyi-MAI décrit Z-Image Turbo comme distillé avec Decoupled-DMD, plus une étape qu’il appelle DMDR, laquelle fusionne DMD avec l’apprentissage par renforcement. La variante turbo de Qwen-Image 2.1 est présentée par son fournisseur comme un changement de checkpoint plutôt que comme une nouvelle architecture. Les deux aboutissent à 8 étapes ; ni l’un ni l’autre n’est l’autre, et une phrase écrite à propos de l’un ne doit pas être lue comme couvrant l’autre.

Si vous comparez « le modèle Qwen-Image le plus rapide » à Z-Image Turbo, cette page n'est pas la bonne — cette comparaison porte sur la variante turbo de Qwen-Image 2.1, et la formulation des deux checkpoints à 8 étapes est une question différente avec une réponse différente.

Ce que Z-Image Turbo livre réellement

Prenez ceci dans la documentation du fournisseur lui-même plutôt que sur les sites de résumé, car la plupart d'entre eux se trompent sur la taille ou l'omettent. La famille Z-Image est documentée à 6 milliards de paramètres, avec une conception de transformateur de diffusion à flux unique dans laquelle les jetons de texte, les jetons sémantiques visuels et les jetons VAE d'image sont concaténés en une seule séquence d'entrée. Turbo est le membre distillé de cette famille et fonctionne à 8 NFE — le code de référence définit num_inference_steps=9 et note que cela produit 8 passes avant dans le transformateur — avec le guidage désactivé.

Les affirmations de performance du fournisseur sont les suivantes, et ce sont bien des affirmations du fournisseur : une latence d’inférence inférieure à la seconde sur des GPU H800 de classe entreprise, et une empreinte qui tient « confortablement dans 16 Go de VRAM » sur les appareils grand public. Des outils communautaires ont depuis signalé son exécution à environ 4 Go via stable-diffusion.cpp, un chiffre communautaire plutôt qu’un chiffre du fournisseur. La résolution n’est pas publiée sous forme de plage sur la fiche du modèle ; les exemples documentés génèrent en 1024×1024. La fiche indique aussi des décomptes d’adaptateurs, de finetunes et de quantifications de 879, 170 et 93 modèles, plus environ 100 Spaces — une mesure de l’activité de l’écosystème sur la plateforme d’hébergement, et non de la qualité.

Sur le tableau indépendant de génération d'images à partir de texte, Z-Image Turbo se situe à 941 Elo, intervalle à 95 % de 933 à 949, sur 8 991 échantillons, classé 83e sur 168, à 5,00 $ pour 1 000 images, avec le marqueur open-weights activé et le tableau datant la ligne de décembre 2025. Tous les chiffres proviennent d'Artificial Analysis, capturés en direct en anglais le 13 octobre 2026.

Une note historique que contient la documentation du fournisseur et qu’il vaut la peine de lire correctement : le 8 décembre 2025, Artificial Analysis a classé Z-Image Turbo huitième au classement général et premier parmi les modèles open source. C’était vrai au moment de sa rédaction, et c’est une affirmation datée. Ce n’est plus vrai aujourd’hui — le classement compte désormais seize lignes de modèles fermés et ouverts au-dessus de lui. La raison n’est pas que Z-Image Turbo a empiré ; c’est que dix mois se sont écoulés.

Ce que Qwen-Image 2.1 embarque réellement

Une architecture entièrement différente. Qwen-Image 2.1 compte 7B de paramètres dans son composant de génération visuelle, répartis sur 32 couches DiT à flux unique, avec un encodeur de texte bien plus volumineux — Qwen3-VL 8B — et un VAE RGBA à 64 canaux offrant une compression spatiale de 16×. C'est ce dernier élément qui est à l'origine de la transparence : elle est générée nativement plutôt que découpée après coup. L'échantillonnage par défaut est de 40 étapes sur le checkpoint de base, à une résolution par défaut de 2048×2048, avec sept préréglages publiés allant de 1:1 à 9:16.

• Flexibilité des entrées — un prompt seul, un prompt accompagné d'une image, ou un prompt accompagné de jusqu'à 10 images de référence.

• Contrôle des modifications locales — cercles dessinés, annotations peintes, ou un masque distinct transmis comme entrée à part, afin que la photographie d’origine reste intacte.

• Transparence dans les deux sens — générez du RGBA, modifiez à l’intérieur d’un calque transparent, ou détourez un sujet d’une photographie RGB ordinaire sous forme de calque RGBA.

• Taille du téléchargement — le dépôt Diffusers sur Qwen/Qwen-Image-2.1 pèse 33,1 Go, dont environ 17,5 Go pour l'encodeur de texte. C'est le coût pratique d'avoir un modèle vision-langage dans la pile.

Sur le même tableau, Qwen-Image 2.1 se situe à 1 038 Elo, intervalle de 1 029 à 1 047, sur 5 554 échantillons, rang 20 sur 168, avec le marqueur open-weights défini et « Aucune API disponible » dans la colonne des prix. Sur le tableau d’édition, il est le seul des deux à apparaître : 1 072 Elo, intervalle de 1 063 à 1 081, sur 6 132 échantillons, rang 21 sur 81. Z-Image Turbo n’a aucune ligne dans le tableau d’édition.

Ces deux lignes — 1 038 contre 941, un écart de quatre-vingt-dix-sept points avec des intervalles qui ne se chevauchent pas — constituent la preuve indépendante la plus solide de cet article, et il faut néanmoins les lire avec la réserve que l'Elo, ici, est un score de préférence issu d'un vote à l'aveugle. Il indique quelle sortie une foule a préférée, et non quel modèle est plus rapide, moins cher ou sous licence pour votre usage.

Les pas ne sont pas des secondes

L'erreur la plus fréquente lorsqu'on interprète cette confrontation est de considérer 8 étapes et 40 étapes comme un rapport de vitesse de cinq pour un. Ce ne sont pas des unités comparables entre deux modèles. Le nombre d'étapes correspond au nombre de fois où le débruiteur s'exécute ; la durée de chacune de ces exécutions dépend de la taille du transformer, de la résolution, de la précision, de l'implémentation de l'attention et du matériel. Le fournisseur de Z-Image Turbo publie une mesure de latence pour une résolution donnée sur une classe de GPU donnée. Le fournisseur de Qwen-Image 2.1 ne publie aucune mesure de latence.

Ce qui peut être comparé honnêtement, c'est la direction et les contraintes. Z-Image Turbo est conçu pour tourner à 8 NFEs sur de la VRAM grand public, avec une enveloppe de 16 Go annoncée par le fournisseur et des retours de la communauté en dessous. Le checkpoint de base de Qwen-Image 2.1 tourne en 40 étapes au-dessus d'un téléchargement de 33 Go et d'un encodeur Qwen3-VL 8B ; sa propre variante turbo existe précisément parce que 40 étapes n'est pas une configuration rapide. Si le coût d'inférence est votre contrainte déterminante, la direction ne fait aucun doute, même si le ratio, lui, est incertain.

Il existe également un compromis entre qualité et nombre d’étapes qu’aucun des deux fournisseurs ne quantifie. Les points de contrôle distillés à quelques étapes sont entraînés à approximer une trajectoire à de nombreuses étapes, et l’endroit où cette approximation est la plus faible — texte fin, mises en page denses, petits détails répétés — est propre au modèle et n’est pas publié. Ne partez pas du principe que la huitième étape du modèle à huit étapes équivaut à la quarantième étape d’un modèle à quarante étapes ; les preuves indépendantes en comparaison directe pour cette paire précise n’existent pas à réglages identiques, et cette page n’inventera pas un classement que les preuves ne soutiennent pas.

C’est au niveau de la licence que la décision est prise.

Z-Image Turbo est sous licence Apache-2.0. C'est la licence du dépôt, énoncée clairement, sans barrière, sans inscription ni condition de revenus. Vous pouvez l'exécuter, le modifier, l'affiner, redistribuer des dérivés et commercialiser les résultats obtenus sans contacter Tongyi-MAI.

Qwen-Image 2.1 n’est pas cela. Son dépôt porte licence : autre avec le nom de licence qwen-research, et le fichier LICENSE est le Qwen Research License Agreement daté du 20 septembre 2026. Lu le 13 octobre 2026, il accorde une licence non exclusive, mondiale et sans redevances pour utiliser, reproduire, distribuer et modifier les matériaux à des fins non commerciales uniquement, définissant « Non-Commercial » comme des fins de recherche ou d’évaluation, et exigeant une licence commerciale distincte — demandée par courriel — pour tout le reste. La redistribution est soumise à d’autres conditions : transmettre l’accord, marquer les fichiers modifiés, conserver la mention indiquant Hangzhou Tongyi Laboratory Technology Co., Ltd, afficher « Built with Qwen » si les sorties sont utilisées pour entraîner un autre modèle distribué, et ne pas utiliser « Qwen » comme nom principal d’une œuvre dérivée.

Cela mérite d'être présenté comme un fait propre à cette famille de modèles plutôt que comme un cas isolé, car il s'agit d'un changement d'orientation. Les checkpoints Qwen-Image antérieurs — Qwen-Image, Qwen-Image-Edit, les versions -2509, -2511, -Layered et -2512 — sont tous sous Apache-2.0, comme relevé le 13 octobre 2026. Qwen-Image 2.1 constitue la rupture dans ce schéma. Les licences déjà accordées ne changent pas rétroactivement, de sorte que les anciens checkpoints restent utilisables selon leurs conditions d'origine, mais personne ne devrait planifier un pipeline commercial en partant du principe que le modèle Qwen-Image le plus récent est permissif.

Cela donne aux deux modèles le même profil qu'à leurs fichiers de licence plutôt qu'à leurs fiches techniques : Z-Image Turbo est celui que vous pouvez déployer dès aujourd'hui sans avoir à discuter, et Qwen-Image 2.1 est celui qui exige une négociation que vous n'avez peut-être pas envie d'engager.

Dans quoi vous pouvez exécuter chacun d'eux

Qwen-Image 2.1 est livré avec un support d'exécution documenté plutôt que de l'acquérir plus tard : Diffusers via QwenImage21Pipeline, ComfyUI natif avec des workflows modèles, le service hors ligne et en ligne de vLLM-Omni, SGLang via sglang generate, et LightX2V pour l'accélération, avec AMD ROCm et un chemin FlagOS couvrant huit plateformes de puces. Deux points de contrôle de réécriture de prompt sont publiés à ses côtés en tant que téléchargements séparés.

Le support de Z-Image Turbo est plus étendu sur un point précis : parce qu'il est petit, sous Apache-2.0 et qu'il a presque un an, il a accumulé un vaste écosystème de quantification et d'empaquetage — conversions GGUF, variantes FP8 et SDNQ, builds int4 et reconditionnements en fichier unique pour ComfyUI — ce qui rend possibles les parcours sous 16 Go et sous 8 Go. Un modèle de 6B sous licence permissive se voit porté ; un modèle de 33 Go sous licence de recherche se voit porté plus lentement et plus prudemment. Cet effet de second ordre est facile à manquer sur une fiche technique, et c'est souvent lui qui détermine ce qu'un lecteur peut réellement faire cette semaine.

Travailler dans les deux, sans second stack

OrcaRouter ne route ni Qwen-Image 2.1 ni Z-Image Turbo. Nous avons vérifié notre liste de modèles en direct le 13 octobre 2026 et aucun des deux n’y apparaît, donc rien ci-dessous n’affirme que nous les servons — les routes pour les deux relèvent de l’auto-hébergement ou des endpoints hébergés du fournisseur lui-même.

Le schéma qui les réunit est celui que ce duo appelle : Z-Image Turbo comme première passe économique et un modèle plus puissant pour le rendu final. C'est un pipeline sensé, et son coût caché est opérationnel — deux piles de téléchargement, deux ensembles de réglages, et une seconde intégration dès que l'un ou l'autre change. OrcaRouter place plus de 200 modèles derrière un seul point de terminaison compatible OpenAI, au prix catalogue du fournisseur et sans marge, avec un basculement automatique entre fournisseurs lorsqu'un modèle se dégrade, si bien qu'un pipeline brouillon-puis-final peut placer les modèles qu'il appelle réellement derrière une seule clé et un seul client, et qu'un hoquet d'un fournisseur devient une nouvelle tentative plutôt qu'un lot bloqué. Le DSL de routage fait le même travail pour la composition elle-même, en permettant d'adresser plusieurs modèles en un seul appel plutôt qu'en plusieurs intégrations.

Lequel, pour qui

• Vous lancez un produit commercial — Z-Image Turbo. Apache-2.0, aucune conversation, aucune ligne de revenus à vérifier.

• Vous devez modifier une image existante, utiliser des masques ou produire des ressources transparentes — Qwen-Image 2.1. Le mode documenté de Z-Image Turbo est le texte-vers-image ; il n'existe aucun checkpoint d'édition dans cette famille et aucune entrée de masque dans le chemin documenté.

• Votre contrainte est la VRAM ou le coût par image — Z-Image Turbo. Un modèle 6B avec une décennie de travail de quantification derrière lui, face à une pile de 33 Go dotée d'un encodeur vision-langage 8B.

• Votre contrainte est la qualité de sortie jugée par des inconnus — Qwen-Image 2.1, par environ cent points Elo sur le tableau où les deux sont classés, avec des intervalles non chevauchants.

• Vous faites de la recherche, pas de la production — Qwen-Image 2.1 est sous licence précisément pour cela, et sa surface d’édition est la raison d’accepter le coût du téléchargement.

Le fait qui tranche le plus souvent, en une phrase : Z-Image Turbo l'emporte dès que la réponse doit être livrée ou tourner sur la machine que le lecteur possède déjà, et Qwen-Image 2.1 l'emporte dès que la tâche porte sur une image qui existe déjà.