Qwen-Image 2.1 לעומת LLaDA-Image-Turbo: שני מודלים פתוחים לתמונות, שני רישיונות שונים מאוד

שני מודלים של תמונה עם משקלים פתוחים יצאו לאור בתוך אותם שלושה שבועות. צוות Qwen-Image פרסם Qwen-Image 2.1 ב-20 בספטמבר 2026 — משקלים, קובץ רישיון, כרטיס מודל ופוסט בבלוג, הכול באותו יום, וכמעט בלי שום הודעה מוקדמת. שישה-עשר ימים קודם לכן, ב-4 בספטמבר 2026, inclusionAI (מעבדת המחקר של קבוצת אנט) פרסמה LLaDA-Image-Turbo בלי פוסט השקה, בלי הודעה לעיתונות ובלי שום הכרזה מכל סוג. את שניהם אפשר להוריד היום. לאף אחד מהם אין אפילו ציון בנצ'מרק עצמאי אחד. וההבדל שבאמת יכריע באיזה מהם תוכלו להשתמש אינו נמצא באף אחד מכרטיסי המודל — הוא נמצא בניירת. Qwen-Image 2.1 מופץ תחת רישיון מחקרי שאוסר שימוש מסחרי באופן גורף. LLaDA-Image-Turbo מופץ בלי שום רישיון מוצהר באף אחד מהמאגרים שלו.

שאלת הרישיון באה ראשונה, כי היא היחידה עם תשובה ברורה

התחילו כאן, כי כל השאר בהשוואה הזו הוא זמני, וזה לא.

• Qwen-Image 2.1 משוחרר תחת הסכם רישיון המחקר של Qwen, מיום 20 בספטמבר 2026, המעניק זכויות "למטרות לא-מסחריות בלבד" וקובע כי שימוש מסחרי מחייב רישיון נפרד שיש לבקש מהספק. זהו שינוי מהותי לעומת סדרת Qwen-Image הקודמת, ששוחררה תחת Apache 2.0. הדבר חד-משמעי: אפשר לקרוא אותו, להעריך אותו, למדוד את ביצועיו ולכתוב עליו. אי אפשר לשלב אותו במוצר.

• LLaDA-Image-Turboאינו מצהיר על רישיון כלל. לא רישיון מתירני, לא רישיון מגביל, לא ממלא מקום. מאגר ללא רישיון אינו "חופשי לשימוש" בשום מובן משפטי — כברירת מחדל כל הזכויות שמורות, וזו עמדה מחמירה יותר מרישיון המחקר של Qwen, לא מקלה יותר. אם אתם מתכננים לבנות עליו, זו שאלה למעבדה, לא ל-README.

האירוניה ראויה להיאמר בבירור: המודל שהגיע עם רישיון רשמי ומגביל הוא זה שאפשר לתכנן סביבו היום, כי אתה יודע בדיוק היכן אתה עומד. המודל בלי רישיון הוא זה שאי אפשר.

מה שני המודלים בעצם

הסר את הרישוי, ואלה שני עיצובים שונים בתכלית, שנבנו מסיבות שונות.

• ארכיטקטורה — Qwen-Image 2.1 הוא טרנספורמר דיפוזיה חד-זרימי בעל 32 שכבות עם 7B פרמטרים ברכיב היצירה החזותית, מקודד טקסט Qwen3-VL 8B ו-VAE בעל 64 ערוצים מסוג RGBA בדחיסה מרחבית של פי 16, בסך הכול כ-33 GB בכל החבילה. LLaDA-Image-Turbo הוא מודל מאוחד ליצירה ולעריכה בן 6B — מערכת משקולות אחת שמבצעת את שני התפקידים במקום מודל בסיס בתוספת נתיב עריכה נפרד.

• שלבי הסקה — Qwen-Image 2.1 מגיע כברירת מחדל ב-2048×2048 ב-40 צעדים עם flow matching ותזמון אוילר דיסקרטי. LLaDA-Image-Turbo מזוקק באמצעות Twin-DMD ל-2–4 צעדים, כאשר 4 מומלצים, ופועל ב-guidance scale של 1.0 לעומת 5.0 של מודל הבסיס.

• אפשרויות דיוק — Qwen-Image 2.1 מפרסמת תמיכה בכימות FP8 דרך נתיב ה-vLLM-Omni שלה. LLaDA-Image-Turbo מספקת צ׳קפוינטים הן ב-BF16 והן ב-FP8 כהורדות נפרדות.

• התניית תמונות ייחוס — Qwen-Image 2.1 מקבל עד 10 תמונות ייחוס, תומך בעריכות מקומיות באמצעות סימון בעיגול, הערת ציור או מסכה נפרדת, ומייצר RGBA מקורי עם עריכת שכבה שקופה. הכרטיס של LLaDA-Image-Turbo אינו מפרסם תקרה של תמונות ייחוס.

• קשב — Qwen-Image 2.1 משתמש בקשב סיבתי-בלוקי: מסכה סיבתית ברמת הטוקן עבור טקסט ומסכה דו-כיוונית ברמת המקטע עבור יצירת תמונות, עם שימוש חוזר במטמון KV של הקידומת כאשר נקודת הבדיקה נושאת causal_condition: true. הכרטיס של LLaDA-Image-Turbo אינו מתאר את סכימת המיסוך שלו באותה רמת פירוט.

• רישיון — למחקר בלבד ומפורש, לעומת לא מוצהר.

שימו לב למשמעות של מספרי הצעדים יחד עם מספרי הפרמטרים. Qwen-Image 2.1 הוא מודל גדול יותר שמופעל למשך פי עשרה יותר צעדים; LLaDA-Image-Turbo הוא מודל קטן יותר שזוקק לכמה צעדים בודדים. אלה הימורים מנוגדים על היכן טמונה העלות של יצירת תמונות, והתשובה הנכונה תלויה לחלוטין בשאלה אם צוואר הבקבוק שלכם הוא שניות GPU לתמונה או התקרה של איך תמונה יכולה להיראות.

כלכלת מהירות: 40 צעדים לעומת 4

השם Turbo עושה כאן עבודה של ממש. זיקוק Twin-DMD מצמצם מסלול דיפוזיה לכמה קפיצות גדולות, וזו הסיבה ש-LLaDA-Image-Turbo יכול לרוץ ב-4 צעדים, בעוד שמודל ה-Base שלו דורש לוח זמנים קונבנציונלי. ברמת הנחיה 1.0 הוא גם מדלג על הנחיה ללא מסווג, שבדרך כלל מכפילה את מספר המעברים קדימה בכל צעד — כך שהפער האפקטיבי רחב יותר ממה ש-40 מול 4 מרמז בפני עצמו.

מה שזה קונה לך הוא תפוקה ויכולת חיזוי. מודל 6B בארבעה צעדים הוא מסוג הדברים שנכנסים לכרטיס צרכני בודד ומייצר תמונת טיוטה מהר מספיק כדי לשבת בתוך לולאה אינטראקטיבית. Qwen-Image 2.1 ב-40 צעדים וב-2048×2048 הוא תצורה שמעדיפה איכות; ההמלצה של כרטיס המודל עצמו לחומרה מוגבלת היא פריקת עומס CPU דרך pipe.enable_model_cpu_offload(), שזה פתח מילוט ולא תיקון.

המשקל שכנגד הוא שזיקוק הוא דחיסה של יכולת, ושום דבר כאן לא נמדד על ידי איש מחוץ לשתי המעבדות. נקודת הנתונים הבלתי-תלויה היחידה שקיימת לאף אחד מהמודלים היא סקירה מעשית של גישה מוקדמת של Qwen-Image 2.1 מסוקר בתוכנית Qwen Ambassador, שהריץ את המשקלים הסופיים דרך ממשק ModelScope Studio ודיווח על כ-10–15 שניות ליצירת תמונה מטקסט ו-18–23 שניות לעריכה. זהו סוקר אחד, בממשק של גישה מוקדמת, ללא טיימר מוצג — אות שימושי, לא מדד ביצועים. ל-LLaDA-Image-Turbo אין כלל דיווח מעשי דומה בפומבי.

העריכה היא המקום שבו שני העיצובים נבדלים ביותר

שני המודלים גם מייצרים תמונות מטקסט וגם עורכים אותן, אבל הם מגיעים לשם בדרכים שונות, וההבדל מתבטא בצנרת ולא בפלט.

Qwen-Image 2.1 מתייחס לעמידה בהוראות כרכיב נפרד שניתן לבדיקה. לצד מודל התמונות, הגרסה כוללת שתי נקודות ביקורת לשכתוב פרומפטים — Qwen/Qwen-Image-2.1-PE-T2I ו-Qwen/Qwen-Image-2.1-PE-I2I, שכל אחת מהן היא Qwen3.5-VL 9B שעבר כוונון עדין בנפח של כ-18.8 GB — שלוקחות הוראה מעורפלת ומשכתבות אותה להנחיה חד-משמעית לפני שמודל הדיפוזיה רואה אותה. לווריאנט ה-I2I תמיד יש תמונת קלט, ולכן זו תמיד משימת עריכה ולעולם לא יצירה מאפס. באופן קריטי, המשכתב מגיע עם קובץ system_prompt.txt שאפשר לקרוא ולעקוף, והוא מפורש באופן יוצא דופן בנוגע לשפה: שפת התיאור עוקבת אחר ההוראה שלכם, בעוד ששפת הטקסט שצויר לתוך התמונה נקבעת לפי סדר עדיפויות קפדני ששומר על שפת התוויות הקיימת של תמונת הקלט גם כשאתם מנסחים פרומפט בשפה אחרת.

זהו חלק קטן של הנדסה עם רדיוס השפעה גדול. אם אתה מייצר תמונות מוצר עבור שוק שבו טקסט האריזה חשוב, "המשכתב משמר את שפת התווית הקיימת" ו"המשכתב מתרגם באדיבות את הכול לאנגלית" הם ההבדל בין נכס שמיש לנכס שנדחה — ומכיוון שהוא נמצא בהנחיית מערכת ולא בתוך קופסה שחורה מתארחת, אתה יכול לעשות לו דיף ולשנות אותו.

LLaDA-Image-Turbo מבצע את הפשרה ההפוכה: מודל 6B אחד, סט משקלים אחד, והיצירה והעריכה חולקות הכול. פחות חלקים נעים, פחות מה להגדיר, ואין מה לבחון או לעקוף. הכרטיס שלו מצטט נתוני Qwen-Image-Bench של 53.53 באנגלית ו-53.38 בסינית עם טענת open-source-SOTA — מדווח על ידי הספק, לא משוחזר, ושימו לב שהבנצ'מרק שהוא מנצח בו נקרא על שם המודל שאיתו הוא מתחרה בעקיפין.

מה שהיית מריץ אותם עליו בפועל

תמיכת אקוסיסטם ביום ההשקה היא החלק הכי פחות זוהר בשחרור, והחלק שקובע אם תבלה אחר הצהריים או סוף שבוע.

• Qwen-Image 2.1 הושקה באופן נרחב: QwenImage21Pipeline שולב ב-Diffusers ביום האפס; תמיכה נייטיבית ב-ComfyUI עם תבניות זרימת עבודה של טקסט-לתמונה ועריכת תמונה; vLLM-Omni עם הרצה שלבית, מטמון KV מקדים, פענוח CUDA Graph, כימות FP8 ומקביליות Tensor/Ulysses; בקשת Pull Request לתמיכה נייטיבית ב-SGLang שנחתה ב-17 בספטמבר — שלושה ימים לפני המשקלים — המכסה את ה-DiT, את ה-RGBA VAE, את ההתניה של Qwen3-VL וקלט רב-הפניות, שנבדקה על H200, B200, RTX PRO 6000, RTX 5090 ו-RTX 4090; והאצה מיום האפס דרך LightX2V עם AMD Radeon באמצעות ROCm ותמיכה בריבוי שבבים דרך FlagOS.

• LLaDA-Image-Turbo קיבל תמיכה ב-ComfyUI ב-7 בספטמבר 2026, שלושה ימים לאחר המשקולות, וכן הפצה של Diffusers ו-Safetensors. זהו נתיב אמיתי להרצה שלו, אבל הוא דק יותר, ואין עבודת הגשה מקבילה מלפני השחרור שאפשר להצביע עליה.

בקשת ה-pull request של SGLang שלפני השחרור היא הסימן המסגיר ל-Qwen-Image 2.1. תמיכת פריימוורק שנוחתת לפני המשקלים משמעה שמישהו בדק את נתיב ההגשה מול הצ'קפוינט, ולא כתב אותו בדיעבד מתוך כרטיס המודל.

הנתיב המתארח שאתה מחזיק לצד הניסוי

אף אחד מהמודלים האלה אינו ניתן לניתוב דרך OrcaRouter בזמן כתיבת שורות אלה, והמאמר הזה לא ירמז אחרת — שניהם הצעות לאירוח עצמי, האחד תחת רישיון ששולל שימוש בפרודקשן והאחר ללא רישיון כלל. מה שחשוב לצוות שמעריך אותם הוא שההערכה לא חייבת לשבת על המסלול הקריטי.

OrcaRouter מציבה יותר מ-200 מודלים מאחורי נקודת קצה אחת תואמת OpenAI במחיר המחירון של הספק וללא תוספת, עם מעבר אוטומטי בין ספקים ושפת DSL לניתוב שמאפשרת להרכיב כמה מודלים לקריאה אחת. הצורה המעשית של זה עבור ההחלטה הזו היא נתיב שבו המודל שאתם כבר סומכים עליו נושא בתעבורת הפרודקשן, בעוד שצ׳קפוינט באירוח עצמי נבחן לצדו — ומכיוון שמחיר המחירון מועבר הלאה ולא נמכר בתוספת, שינוי מחיר של ספק במודל מנותב כלשהו חי אצלנו באותו יום במקום להמתין לתיקון חוזה. מודלי התמונות שאנחנו כן מנתבים היום הם משפחת GPT-Image של OpenAI, שכבות Imagen 4 של Google ותצוגות מקדימות של תמונות Gemini, ונקודת הקצה לתמונות Grok Imagine של xAI. אם אתם מתכוונים לבזבז שבוע על הקמה של טרנספורמר דיפוזיה בנפח 33 GB כדי לגלות אם הוא טוב ממודל מתארח, המודל המתארח הוא קבוצת הביקורת, וכדאי שקבוצת הביקורת כבר תהיה על מפתח.

מה ישנה את ההשוואה הזו?

שלושה דברים, לפי סדר המידה שבה הם ישנו.

ראשית, ציון בנצ'מרק בלתי־תלוי לכל אחד מהמודלים. לשניהם אין כזה, ועד שזה ישתנה, כל טענת איכות משני הצדדים היא מעבדה שבודקת לעצמה את שיעורי הבית. שנית, רישיון: גרסה מתירנית של Qwen-Image 2.1 תהפוך אותו לברירת המחדל המובנת מאליה לעבודה פתוחה עם תמונות ב־7B, וכל הצהרת רישיון שהיא ב־LLaDA-Image-Turbo תאפשר לכל הפחות לתכנן איתו. שלישית, בודקי הגישה המוקדמת מתוכנית ModelScope של Qwen מ־17 בספטמבר התבקשו לפרסם דוגמאות או ביקורות עד 29 בספטמבר — שמונה ימים מהיום. אז זה מפסיק להיות השוואה בין שני כרטיסי מודל ומתחיל להיות השוואה אמיתית. עד אז, הסיכום הכנה הוא ש־Qwen-Image 2.1 הוא המודל שנראה היכולתי יותר שאי אפשר לעשות בו שימוש מסחרי, LLaDA-Image-Turbo הוא המהיר יותר שאי אפשר להשתמש בו כלל בלי שיחה, וקובץ הרישיון הוא החלק היחיד בכל אחד מהשחרורים שהוא סופי לחלוטין.