Qwen-Image-2.1-Turbo su un desktop: BaoCut 3.5 e le prime tempistiche locali

Il repository per Qwen-Image-2.1-Turbo è apparso su Hugging Face il 9 ottobre 2026 con 707 like, i pesi, un file di licenza e una singola riga nella lista delle novità su GitHub di Qwen-Image-2.1 come unico annuncio. Cinque giorni dopo è già in esecuzione sui desktop delle persone. BaoCut 3.5, uno strumento di editing desktop cinese, ha integrato il checkpoint e ha iniziato a generare immagini sulla macchina locale invece che tramite un server; X/@dotey ha riportato il 13 ottobre 2026 che un'immagine richiede all'incirca da tre a cinque minuti a 1080p sul loro Mac Mini M2 e quasi venti minuti a 2K. Separatamente, un'app macOS open-source chiamata Siliconed ha pubblicato sul forum di discussione del modello stesso l'11 ottobre 2026 con una misurazione di 118 secondi a 1024² su un M1 Pro, e la stessa macchina che esegue Z-Image Turbo — l'altro checkpoint aperto a 8 step tra cui le persone stanno scegliendo — in 82-85 secondi. Qwen-Image-2.1, il modello base da cui derivano entrambe le versioni locali, è stato rilasciato il 20 settembre 2026. Il checkpoint accelerato è tre settimane più giovane del suo genitore e non ha una valutazione indipendente propria.

Questa è la forma di questa storia: un checkpoint che non è mai stato lanciato, solo pubblicato, e che ora arriva all'interno del software desktop prima che il fornitore abbia detto granché al riguardo in pubblico. Quanto segue separa ciò che il repository afferma effettivamente da ciò che i primi utenti stanno segnalando, perché le due cose non sono lo stesso tipo di affermazione.

Ciò che il repository conferma, e ciò che non conferma

Tutto ciò che segue proviene dalla scheda del modello, dal file di licenza e dal changelog del progetto — fonti primarie, verificabili da chiunque.

• Datato, e datato dove conta. L'API di Hugging Face riporta che il repository è stato creato il 2026-10-09T04:50:01Z e modificato l'ultima volta il 2026-10-12. L'elenco delle novità GitHub di Qwen-Image-2.1 contiene la voce corrispondente: "2026.10.09: Abbiamo rilasciato Qwen-Image-2.1-Turbo per la generazione e la modifica di immagini in appena 8 passaggi di denoising." Lo stesso changelog registra che le API Pro e Turbo sono state rese disponibili su Alibaba Cloud Model Studio quello stesso giorno. Questa è una release; è una release senza un lancio.

• Che cos'è. La scheda lo definisce "un checkpoint accelerato di Qwen-Image-2.1 per la generazione text-to-image e l'editing di immagini con 8 passaggi di denoising", basato sulla stessa architettura di generazione visiva da 7B. Non è una nuova famiglia né una nuova architettura. È il checkpoint di base ripacchettizzato attorno a una traiettoria di campionamento molto più breve.

• Entrambe le funzionalità in un unico download. La generazione da testo a immagine e l'editing guidato da istruzioni sono forniti da questo singolo checkpoint. Gli esempi della scheda stessa usano lo stesso programma salvato in 8 passaggi e lo stesso CFG=1 predefinito per entrambe, e mostrano l'editing trasformando uno schizzo di uno yacht in un'immagine fotorealistica.

• Il programma viaggia insieme ai pesi. Il checkpoint include il suo programma di campionamento consigliato, quindi Diffusers lo carica automaticamente. La scheda specifica chiaramente che impostare solo `num_inference_steps` non sovrascrive il programma salvato. La cache KV del prefisso riutilizza il contesto del testo e dell'immagine di riferimento tra i passaggi di denoising.

• Sono necessarie due versioni del toolkit. L'installazione indicata consiste in una build di PyTorch compatibile con CUDA, Diffusers dal codice sorgente, transformers 5.17.0 o successivo, accelerate e pillow. Il checkpoint richiede il supporto di Diffusers per i sigma di campionamento configurati nella pipeline, aggiunto nella PR #14950 — albero dei sorgenti, non una release con tag al momento della stesura.

• La licenza è invariata, ed è la barriera commerciale. Il repository adotta la licenza qwen-research. Tale accordo concede diritti «FOR NON-COMMERCIAL PURPOSES ONLY» e afferma che l'uso commerciale richiede una licenza separata da richiedere al fornitore. Nulla relativo a Turbo la rende meno restrittiva.

• Nessun tipo di benchmark. Non c'è alcun punteggio per il checkpoint Turbo sulla scheda, nessun confronto con la base, nessun dato sulla latenza e nessun dato sulla memoria. Il fornitore non ne pubblica nessuno.

• Da non confondere con i numeri del modello base. Se vedi un punteggio Elo o un'affermazione sulla qualità associati al nome Qwen-Image-2.1, verifica a quale checkpoint appartengono. La riga pubblica della image-arena appartiene a Qwen-Image-2.1, il modello base del 20 settembre, non a Turbo.

I primi due report locali, e perché non concordano

Entro quattro giorni dalla comparsa del repository, due persone indipendenti hanno pubblicato numeri sull’inferenza locale. Hanno misurato macchine diverse, risoluzioni diverse e pipeline diverse, e i loro risultati differiscono di circa un ordine di grandezza a parità di compito nominale. Vale la pena leggerli entrambi; nessuno dei due è un benchmark.

Il resoconto dell'editor desktop. X/@dotey, 13 ottobre 2026: BaoCut 3.5 ha integrato Qwen-Image-2.1-Turbo, e la generazione delle immagini avviene sulla macchina locale anziché tramite un server. Sul loro Mac Mini M2, un'immagine 1080p richiede da tre a cinque minuti circa e un'immagine 2K quasi venti. Segnalano inoltre che lo strumento produrrà output NSFW e che un agente può essere indirizzato verso il servizio di immagini locale della macchina.

Il rapporto sull'app nativa. L'11 ottobre 2026 l'autore di Siliconed ha pubblicato sulla bacheca di discussione Hugging Face del checkpoint stesso. Siliconed è un'app macOS open source con licenza Apache-2.0 che esegue il modello in Swift e Metal senza Python e senza ComfyUI nel flusso, confrontando ogni stadio — text encoder, transformer, VAE — canale per canale con l'implementazione Diffusers in fp32. Sulla macchina di riferimento, un MacBook Pro M1 Pro con 16 GB di memoria unificata, a 1024², 8 step e CFG 1, Qwen-Image-2.1-Turbo viene renderizzato in 118 secondi; un render a 1024×1536 richiede 190 secondi, un edit con un'immagine di riferimento 212 secondi e un edit con due immagini di riferimento 285 secondi. La memoria di picco resta tra 1,8 e 2,7 GB con zero swap-out. Z-Image Turbo sulla stessa macchina e alla stessa risoluzione impiega da 82 a 85 secondi.

• Perché 3–5 minuti e 118 secondi non sono una contraddizione. Il dato riportato dal poster è un Mac Mini M2 a 1080p all'interno di un'applicazione; il dato riportato dall'app è un M1 Pro a 1024² eseguito direttamente. Silicio diverso, numero di pixel diverso, diversa quantità di lavoro svolto attorno al modello. Nessuno dei due numeri ti dice cosa farà la tua macchina.

• Ciò che l'app riporta è autodichiarato, e lo dichiara. L'autore è l'autore. A fronte di ciò: il metodo è pubblicato, ogni numero è accompagnato da uno strumento di misurazione dichiarato — `phys_footprint` campionato ogni 100 ms, swap da `vm_stat` — e il progetto pubblica una tabella dei chip con una riga compilata e un modulo pubblico per consentire ai lettori di aggiungere la propria. Questo è più di quanto ti dia il fornitore, e meno di quanto ti dia un laboratorio indipendente.

• La memoria è il numero che decide la fattibilità. Un'installazione Standard da 31,2 GB funziona su un Mac da 16 GB perché i pesi vengono letti in streaming dal disco man mano che servono, entro un budget dichiarato di tre quarti della memoria di sistema meno 2 GB. Ecco perché una dimensione di installazione maggiore della RAM non è automaticamente un ostacolo, e perché è il throughput in lettura del disco — non la VRAM — il vincolo.

• Il tetto di risoluzione è un limite reale. La versione per macOS limita l'output a una superficie di 1024×1536, con qualsiasi lato pari o superiore a 512 e multiplo di 16, sulla base del fatto che questa è la dimensione più grande misurata con zero swap su una macchina da 16 GB. I rendering più grandi vengono rifiutati in partenza anziché essere lasciati andare in thrashing. Se il tuo lavoro richiede i preset di classe 2048 del modello base, questo percorso locale non te li fornirà.

I pesi locali implicano l'assenza di un livello di moderazione, e questo è un'arma a doppio taglio

La frase più citata dal post del 13 ottobre è che il modello genera immagini NSFW. Vale la pena essere precisi su cosa questo significhi e cosa no.

Non è una funzione che il fornitore pubblicizza. La model card non dice nulla sulla politica sui contenuti per il checkpoint aperto, e la licenza non prevede alcuna eccezione: concede l'uso non commerciale e richiede di rispettare la legge applicabile, punto e basta. Quello che il rapporto descrive è la normale conseguenza dell'eseguire un modello di diffusione sul proprio hardware — non c'è alcun provider tra il tuo prompt e il sampler, quindi non c'è alcun filtro lato provider da far scattare. Ogni checkpoint aperto per immagini si comporta così. La differenza qui è la velocità e il packaging: un modello a 8 step di questa classe è ormai abbastanza veloce su hardware consumer che il percorso locale non sembra più un compromesso.

La questione della conformità passa interamente a te. Se intendi distribuire qualsiasi cosa costruita su questo checkpoint, la licenza è il vincolo determinante, e non è una licenza permissiva — il modello di base è distribuito con gli stessi termini di ricerca non commerciale, e il checkpoint Turbo li eredita invariati. L'inferenza locale non cambia ciò che ti è consentito fare con l'output.

La parte davvero nuova: uno strumento che un agente può chiamare

Entrambi i rapporti convergono sullo stesso dettaglio, ed è quello con la coda più lunga. Il post del 13 ottobre menziona che un agente può essere indirizzato al servizio immagini locale della macchina. La versione per macOS include esattamente quell'interfaccia: un binario ausiliario chiamato `silicontrol` all'interno del bundle dell'app che pilota la finestra in esecuzione da un terminale, con comandi per elencare i modelli, accodare un rendering con `--wait --out` e leggere lo stato, emettendo righe JSON con un campo finale `"ok"`. C'è una sola coda e mai due rendering contemporaneamente.

Un endpoint locale per immagini che risponde in JSON lines e restituisce un percorso di file è un target per chiamate di strumento. È una proposta diversa rispetto a incollare prompt in una web UI: un agente di coding può decidere di aver bisogno di un diagramma, di un segnaposto o di una variante, chiamare il servizio locale e continuare a lavorare senza API key, senza fatturazione per immagine e senza che i dati lascino la macchina. Per il lavoro non commerciale — ricerca, prototipi interni, harness di valutazione — si tratta di una capacità davvero nuova con 8 passi e meno di 3 GB di memoria di picco.

Ha anche un confine netto, e a tracciarlo è la stessa licenza. Nel momento in cui ciò che stai costruendo è un prodotto anziché un artefatto di ricerca, il percorso locale smette di essere la soluzione facile e la restrizione non commerciale diventa il fatto decisivo.

Dove un livello di routing ha senso, e dove no

Qwen-Image-2.1-Turbo è un download di pesi con licenza per la ricerca. Non è un endpoint ospitato su OrcaRouter, e nulla di quanto qui affermato deve essere interpretato diversamente. La distinzione onesta è in base al carico di lavoro.

Se le tue immagini devono essere prodotte su una macchina che controlli, per privacy, per costi o perché non c'è connettività, allora questo checkpoint e un runner locale sono la risposta, e la questione del routing non si pone nemmeno — la licenza non commerciale e lo spazio su disco sono i tuoi due vincoli. Se invece chiami modelli di immagini in produzione, dove una richiesta deve arrivare da qualche parte in modo affidabile e preferiresti non mantenere un rapporto con un fornitore per ogni modello, è per questo problema che OrcaRouter esiste: oltre 200 modelli dietro un unico endpoint compatibile con OpenAI al prezzo di listino del fornitore, senza alcun ricarico, failover automatico quando un fornitore peggiora le proprie prestazioni, e un DSL di routing per i casi in cui vuoi esprimere una preferenza invece di accettare un'impostazione predefinita. Le due soluzioni non sono in competizione. Un checkpoint locale è uno strumento sulla tua scrivania; un router è ciò che metti davanti ai modelli ospitati che chiami quando il lavoro esce dalla scrivania.

La ragione pratica per tenerli separati nella tua mente è che falliscono in modi diversi. Un render locale fallisce quando la macchina è occupata, il disco è lento o il budget di memoria viene superato. Una chiamata a un servizio hosted fallisce quando fallisce un provider. Solo uno di questi vale la pena risolvere con il failover.

Ciò che ancora non possiamo dire

Tre cose consoliderebbero la reputazione di questo checkpoint, e nessuna di esse esiste ancora.

• Nessuna valutazione indipendente. Turbo non ha una riga nell'arena, nessun Elo pubblicato e nessun confronto di qualità di terze parti con Qwen-Image-2.1 o Z-Image Turbo. Il costo in termini di qualità derivante dal passare dalla traiettoria di campionamento più lunga del modello base a 8 passaggi semplicemente non è stato misurato pubblicamente.

• Nessun dato del fornitore su throughput o memoria. La scheda caratterizza il checkpoint e non dice nulla su quanto costi eseguirlo. Ogni numero in questo articolo che non è una data proviene da un utente, e ognuno di questi è contrassegnato con la macchina su cui è stato misurato.

• Un solo chip nella tabella pubblica. La tabella dei risultati del port per macOS ha esattamente una riga compilata, un M1 Pro, e un invito per tutti gli altri ad aggiungere la propria. Se stai per acquistare hardware per questo, stai estrapolando da quella riga più un aneddoto su un Mac Mini M2.

Ciò che si può dire con sicurezza è più circoscritto e più utile. Il checkpoint esiste, è datato 9 ottobre 2026, fa generazione e editing in 8 passaggi a 7B, la sua schedulazione è incorporata nei pesi, non è commerciale, ed è passato da un repository all'esecuzione dentro un software desktop in meno di una settimana senza alcun lancio. Questo è un vero evento nella generazione di immagini locale, e sta accadendo prima che chiunque abbia pubblicato un numero di cui si possa chiedere conto al fornitore.

Anche le scelte di modello come questa sono dove emergono le modalità di guasto: gli incidenti AI documentati e i guasti degli agenti dietro i modelli di questa classe sono raccolti in l'Archivio degli incidenti AI di OrcaRouter, dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di contestazione.