Qwen-Image-2.1-Turbo לעומת Qwen-Image-2.1: מה באמת השתנה בין נקודת הבדיקה הבסיסית לזו המואצת

אותו רכיב יצירת תמונות ויזואלי 7B. אותן 32 שכבות DiT בזרם בודד. אותם שבעה פריסטים של רזולוציה, אותו משטח יצירה-ועריכה, אותו רישיון, ואותה מחלקת pipeline לטעינה. Qwen-Image-2.1-Turbo ו-Qwen-Image-2.1 אינם שני מודלים שבוחרים ביניהם — ה-checkpoint של Turbo הוא fine-tune של הבסיס, וזה כתוב במטא-דאטה של עצמו. מה שמפריד ביניהם הוא מסלול דגימה אחד, והאופן שבו המסלול הזה נשמר. האחד מריץ צעדים. האחר מריץ שמונה, ומסרב שיגידו לו אחרת בזמן הקריאה. כל מה שמעניין בצמד הזה נמצא במשפט השני.

התחל עם החלקים הזהים

לפני ההבדלים, כדאי למפות את הדמיון, משום שהוא נרחב יותר ממה שמרמזת התווית "Turbo", והוא מה שהופך את ההחלפה לאטרקטיבית.

• הארכיטקטורה. כרטיס ה-Turbo מציין שהוא "משתמש באותה ארכיטקטורת יצירה חזותית 7B" כמו Qwen-Image-2.1. הפרויקט מתאר את אותו רכיב כבעל 7B פרמטרים על פני 32 שכבות Single-Stream DiT. דבר במאגר Turbo אינו מכריז על עמוד שדרה קטן יותר, גזום או בעל ארכיטקטורה מחודשת.

• היכולות. שני הצ'קפוינטים מתוארים כמבצעים יצירת תמונה מטקסט ועריכת תמונות. Turbo יורש את המעטפת של מודל הבסיס במקום לנסח אותה מחדש: הכרטיס של מודל הבסיס מתעד שקיפות RGBA מקורית, עד 10 תמונות התייחסות, ועריכות מקומיות המפורטות באמצעות עיגולים, הערות מצוירות או מסכות נפרדות, עם שימור זהות עבור אנשים ומוצרים.

• הרזולוציות.הכרטיס של Turbo אומר "להשתמש באותם פריסטים של רזולוציה כמו Qwen-Image-2.1" ואז מפרט אותם: 1:1 ב-2048 × 2048, 4:3 ב-2400 × 1792, 3:4 ב-1792 × 2400, 3:2 ב-2528 × 1696, 2:3 ב-1696 × 2528, 16:9 ב-2752 × 1536 ו-9:16 ב-1536 × 2752. הכרטיס של מודל הבסיס מפרט את אותה טבלה. שני הכרטיסים משתמשים ברמת הרזולוציה 2048 בדוגמאות שלהם.

• נתיב הטעינה.שניהם נטענים דרך QwenImage21Pipeline ב-Diffusers. ההתחלה המהירה של כרטיס ה-Turbo היא ההתחלה המהירה של כרטיס הבסיס, כששם ה-checkpoint שונה ו-bfloat16 כתוב dtype במקום torch_dtype.

• הניירת. שניהם ברישיון במסגרת הסכם רישיון המחקר Qwen-Image-2.1, שניהם נושאים license: other עם license_name: qwen-research, ולשניהם יש קובץ LICENSE שמצוי במאגר לצד המשקלים.

אם כבר חיברת את Qwen-Image-2.1, אז משטח ההגירה הוא באמת קטן. וזו בדיוק הסיבה ששווה להתעכב על הארגומנט האחד שלא מתנהג כפי שאתה מצפה.

לוח הזמנים יצא מהקוד שלך ונכנס לנקודת הביקורת

במודל הבסיס, אתה קובע את מספר הצעדים. דוגמת הטקסט-לתמונה של כרטיס Qwen-Image-2.1, דוגמת העריכה שלו ודוגמת השקיפות RGBA שלו מעבירות כולן num_inference_steps=40, והמספר הוא ארגומנט בזמן קריאה בדרך הרגילה של Diffusers. שום דבר בכרטיס הזה לא אומר לך שלצ'קפוינט יש דעה לגבי לוח הזמנים.

ב-Turbo, לוח הזמנים הוא מטא-נתונים של הצ'קפוינט. הכרטיס מציין שהצ'קפוינט "כולל את לוח זמני הדגימה המומלץ שלו, כך שהוא מוכן לשימוש ללא הגדרה ידנית של המתזמן," ואז, בקטע הדגימה, מפרט מה זה אומר בפועל: "לוח זמני הדגימה המומלץ של 8 שלבים נשמר עם הצ'קפוינט ונטען אוטומטית. הגדרת num_inference_steps לבדה אינה עוקפת אותו."

שני דברים נובעים מכך, ושניהם קלים לטעות בהם בכיוונים מנוגדים.

הראשון הוא שמספר שמונה אינו ברירת מחדל שאפשר לכוונן כלפי מעלה. אם אתה רוצה לדעת איך Turbo נראה בשנים עשר צעדים או בעשרים, הכרטיס אומר לך שהמסלול היחיד הוא ארגומנט sigmas מפורש בזמן קריאה — ואז סוגר את הדלת בפני הניסוי בכך שהוא מציין שלוחות זמנים אחרים "לא הוערכו עבור נקודת ביקורת זו". זהו ספק שאומר לך שתצורת שמונת השלבים היא זו שהוא עומד מאחוריה, וכל דבר אחר הוא טריטוריה לא נחקרת שאתה נכנס אליה לבד. זהו משפט ישר באופן יוצא דופן ויש לקרוא אותו כגבול ולא כהזמנה.

השנייה היא מלכודת שחזור בלי הודעת שגיאה מצורפת. קחו את הדוגמה של מודל הבסיס, שנו את מחרוזת ה-repository ל-Turbo checkpoint, השאירו את num_inference_steps=40 במקום, והקוד ירוץ. הוא לא יזהיר אתכם. הוא יפיק תמונה באמצעות לוח הזמנים השמור של שמונה שלבים, וזו לא תהיה התוצאה שה-Turbo showcase מציג, כי המספר ארבעים מעולם לא נקרא. זה מצב הכשל שבו שום דבר לא נראה שבור — הרינדור מסתיים, התמונה סבירה, והדרך היחידה לגלות היא אם תחפשו הבדל. יש תלות שנייה קבורה לצדו: ה-checkpoint זקוק ל-build של Diffusers שמבין סיגמות דגימה המוגדרות ב-pipeline, שנוספו ב-PR #14950, שבזמן כתיבת שורות אלה נמצא בעץ המקור של Diffusers ולא ב-release מתויג. ההתקנה המוצהרת היא build של PyTorch תואם CUDA בתוספת קוד המקור של Diffusers, transformers>=5.17.0, accelerate ו-pillow.

מה משלם עבור 32 הצעדים שלא עשית

הכרטיס מציין שני מנגנומים, וכדאי להכיר את שניהם, כי הם מסבירים מה ה-checkpoint של Turbo מניח לגבי אופן הקריאה שלו.

• CFG 1 כברירת מחדל. "הג'נרציה משתמשת ב-CFG=1 כברירת מחדל." בסקאלת הנחיה ללא מסווג של 1, המודל לא מריץ את המעבר השני, הבלתי-מותנה, שבדרך כלל CFG דורש — וזה חלק גדול מהאופן שבו מסלול מתקצר בלי פשוט להיות מקוטע. זה גם אומר שההרגל של מודל הבסיס לכוונן סקאלת הנחיה לא עובר הלאה; אין כאן מה לכוונן, והכרטיס לא מציע המלצת סקאלת הנחיה שאליה לכוונן.

• מטמון KV לקידומת. הכרטיס של Turbo אומר ש"מטמון KV לקידומת עושה שימוש חוזר בהקשר של הטקסט ושל תמונת ההתייחסות לאורך שלבי ה-denoising." זהו מנגנון שעבר בירושה, ולא משהו חדש עבור ה-checkpoint המואץ: ההודעה על Qwen-Image-2.1 מפרטת שימוש חוזר במטמון KV לקידומת כאחד מארבעת השיפורים המרכזיים של מודל הבסיס, לצד attention בגרנולריות מעורבת, ואינטגרציות ההגשה מהיום הראשון עבור מודל הבסיס — הרשומות של vLLM-Omni ו-SGLang ברשימת החדשות של הפרויקט — מציינות במפורש מטמון KV לקידומת בין התכונות שהן תומכות בהן. בלולאה של ארבעים שלבים השימוש החוזר הזה הוא אופטימיזציה. בלולאה של שמונה שלבים הוא חשוב באופן יחסי יותר, מפני שכל שלב נשמר במטמון מייצג נתח גדול יותר מסך העבודה.

מה שהכרטיס אינו מציין הוא שום טכניקת זיקוק. הכרטיס של מודל הבסיס Qwen-Image-2.1 וה-README של הפרויקט מתארים ארכיטקטורה ויכולות; כרטיס ה-Turbo מתאר מכניקה. אם אתם מנסים להסיק מה עולים שמונה צעדים במונחי איכות, המאגר אינו נותן לכם שום שיטה שעל פיה להסיק — רק לוח זמנים ואוסף תמונות להדגמה.

ספירת הצעדים אינה אמת מידה

זה החלק בהשוואה שבו התשובה הכנה היא שאין השוואה, וכדאי להיות בוטים לגבי הסיבה.

• לצ'קפוינט Turbo אין ציון מפורסם. הכרטיס שלו אינו נושא שום מספר הערכה מכל סוג שהוא. אין תוצאת Qwen-Image-Bench עבור Turbo, אין השוואה זה לצד זה מול צ'קפוינט הבסיס, אין אבלציה על מספרי הצעדים, ואין טבלה שמראה היכן האיכות מתייצבת.

• הציון של הצ'קפוינט הבסיסי מדווח על ידי הספק. הנתון המרכזי היחיד של סדרת Qwen-Image-2.1 הוא תוצאת ה-Qwen-Image-Bench של המודל הבסיסי עצמו, כפי שהספק דיווח ביחס לצ'קפוינט הבסיסי. זה אינו מדד של צ'קפוינט Turbo ואין להעביר אותו אליו — ההאצה היא בדיוק הדבר שסביר שהיה מזיז מספר כזה, והספק לא אמר בכמה.

• אף אחד מהכרטיסים אינו מדווח על זמן או זיכרון. אין נתון השהיה, אין נתון תפוקה ואין טביעת זיכרון לאף אחד מהצ'קפוינטים, ואף אחד מהכרטיסים אינו מציין את החומרה שעליה הורצו הדוגמאות שלו. הכרטיס של מודל הבסיס לפחות מתעד פרק של אופטימיזציית זיכרון; כרטיס ה-Turbo מתעד התקנה, יצירה, עריכה, דגימה ויחסי גובה-רוחב, ושם זה נגמר.

אז הטיעון בעד Turbo על פני צ'קפוינט הבסיס הוא כרגע טיעון על כוונת תכנון, לא על תוצאות מדודות. שמונה צעדים באותה ארכיטקטורה ובאותה רמת רזולוציה של 2048 אמורים לעלות באופן משמעותי פחות לכל תמונה. "באופן משמעותי" עושה עבודה אמיתית במשפט הזה, והדרך היחידה להחליף אותו במספר היא להריץ את שני הצ'קפוינטים על עומס העבודה שלך, וזו גם הדרך היחידה לגלות מה המסלול המקוצר עושה לתמונות הספציפיות שאכפת לך מהן.

שום דבר אחר לא זז, כולל הרישיון

שני דברים שקורא עשוי היה לצפות באופן סביר שישתנו, ואכן השתנו.

הראשון הוא האקוסיסטם. כאשר Qwen-Image-2.1 שוחרר ב-20 בספטמבר 2026, רשימת החדשות של הפרויקט תיעדה חמש אינטגרציות יום-אפס נפרדות באותו היום: תמיכה ב-Diffusers דרך PR #14804, תמיכה מקורית ב-ComfyUI עם תבניות זרימה שפורסמו עבור טקסט-לתמונה ועריכה, תמיכה ב-vLLM-Omni עם הרצה שלב-אחר-שלב ופענוח CUDA Graph וכימות FP8 ומקביליות טנזורים, תמיכה ב-SGLang עם Cache-DiT ופריקת רכיבים, והאצה מפרויקט LightX2V. הרשומה מיום 9 באוקטובר 2026, העוסקת ב-Qwen-Image-2.1-Turbo, מתעדת את הצ'קפוינט עצמו וציון שממשקי ה-API של Pro ו-Turbo פעילים ב-Alibaba Cloud Model Studio. אין רשימת מסגרות יום-אפס עבור Turbo, וכל רשומת מסגרת ברשימת החדשות עדיין מתייחסת למודל הבסיס. הצ'קפוינט של Turbo נטען דרך מחלקת pipeline שכבר הייתה קיימת; התמיכה בלוח הזמנים השמור שלו היא הרכיב החדש היחיד, והיא מגיעה דרך קוד המקור של Diffusers ולא דרך מהדורה מתויגת.

השני הוא הרישיון. Turbo נושא את Qwen Research License Agreement, בדיוק כפי שמודל הבסיס עושה. ההאצה לא באה עם החרגה מסחרית, שכבה נפרדת, או הקלה בתנאים — ההגבלה שאינה מסחרית חלה על הכיוונון העדין באותה מידה כמו על הבסיס. המטא-דאטה של המאגר עצמו וקובץ הרישיון שלצד המשקלים הם הראיה; סעיף הרישיון בכרטיס הוא משפט אחד שמצביע על אותו הסכם. אם הסיבה ששמונה צעדים חשובים לך היא שזה הופך את המודל לזול מספיק כדי לשים במוצר, הרישיון עומד ממש בדרך, והספק — לא המאגר הזה — הוא זה שצריך לתת על כך את הדין.

נקודות קצה מתארחות, והיכן OrcaRouter משתלב

OrcaRouter לא מנתב את Qwen-Image-2.1-Turbo וגם לא את Qwen-Image-2.1. שניהם נעדרים מהקטלוג שלנו, ושום דבר כאן אינו הצעה לספק אף אחד מהם. אם אתה רוצה אותם, הנתיבים שלך הם ממשקי ה-API המתארחים של היצרן עצמו, מספר פלטפורמות צד שלישי, או המשקלים עם גרסת Diffusers חדשה מספיק כדי להתמודד עם לוח הדגימה השמור של ה-checkpoint של Turbo.

המקום שבו OrcaRouter רלוונטי להשוואה המסוימת הזו הוא ההחלפה שאתם מבצעים כשהרצה עצמית של צ'קפוינט מפסיקה להיות התשובה הנכונה. מעבר ממודל במשקלים פתוחים שאתם מריצים בעצמכם לנקודת קצה מתארחת של תמונות הוא לא רק שינוי של מודל — זהו שינוי של אופני כשל. תהליך מקומי נכשל בדרכים שאפשר לראות; נקודת קצה מתארחת נכשלת בדרכים שתלויות במי מהספקים ענה, ובמה שקורה כשאחד מהם מדרדר באמצע בקשה. OrcaRouter מציב למעלה מ-200 מודלים מאחורי נקודת קצה אחת תואמת OpenAI ומעביר את מחיר המחירון של הספק כפי שהוא, ללא תוספת, כך שהורדת מחיר מצד ספק באה לידי ביטוי אצלנו באותו היום במקום להמתין לסבב תמחור מחדש. בנוסף לכך הוא מוסיף מעבר אוטומטי בין ספקים בעת תקלה, DSL לניתוב שמאפשר לציין אילו מודלים וספקים בקשה רשאית להשתמש בהם, ומיזוג מודלים להרכבת כמה מודלים לקריאה אחת. מודלי התמונות שאנחנו כן מציגים הם משפחת OpenAI GPT-Image, דרגות Imagen 4 של גוגל כולל וריאנטי ה-fast וה-ultra, נקודות הקצה של Gemini לתצוגה מקדימה של תמונות, ונקודת הקצה לתמונות של xAI Grok Imagine.

באופן קונקרטי: אם אתה בוחר בין שני הצ'קפוינטים של Qwen, זו החלטה של אירוח עצמי, והסיבות להעדיף אחד על פני האחר הן התנהגות הסקדיול ומספר הצעדים. אם מה שאתה באמת צריך הוא תמונה בפרודקשן בלי להחזיק את ה-GPUs, זו ההחלטה שאנחנו יכולים לעזור בה, וזו החלטה אחרת.

הגרסה הקצרה

• בחרו ב-Qwen-Image-2.1 אם אתם רוצים את הצ'קפוינט שהתנהגות הדגימה שלו תואמת את התיעוד שלו, אם אתם צריכים לשנות את מספר הצעדים או לחקור תזמונים, או אם אתם רוצים את הגרסה שהגיעה עם תמיכה מיום אפס ב-Diffusers, ComfyUI, vLLM-Omni, SGLang ו-LightX2V.

• בחרו ב-Qwen-Image-2.1-Turbo אם אתם רוצים את אותה ארכיטקטורה ואותן יכולות עם מסלול קצר באופן דרמטי, ואתם מוכנים להתייחס לשמונה צעדים כקבועים, ולהתקין את Diffusers מהמקור כדי לטעון אותו.

• צפו לאותו רישיון בכל מקרה, ואל תצפו למספר איכות מפורסם כלשהו עבור הצ'קפוינט המואץ שאפשר להשוות מול הבסיס. הפחתת מספר הצעדים אמיתית ומתועדת. כמה איכות תמונה היא עולה — לא מתועד בשום מקום, ושום כמות של קריאה בשני הכרטיסים לא תגיד לכם — התשובה הזאת קיימת רק על החומרה שלכם, מול הפרומפטים שלכם.