Qwen-Image-2.1-Turbo vs Z-Image Turbo: due modelli a otto step, due scommesse diverse

Qwen-Image-2.1-Turbo e Z-Image Turbo sono i due checkpoint aperti per immagini tra cui la maggior parte delle persone finisce per scegliere proprio adesso, e il motivo per cui il confronto continua a girare in tondo è che pubblicizzano lo stesso numero di punta. Entrambi girano in otto passaggi di denoising. Entrambi sono abbastanza aperti da poter essere scaricati ed eseguiti sulla propria macchina. Entrambi sono pubblicizzati come drasticamente più veloci di ciò da cui sono stati derivati. Tutto ciò che decide quale dei due si vuole davvero sta sotto quel numero condiviso, e niente di tutto ciò è il numero di passaggi. Z-Image Turbo è stato pubblicato il 25 novembre 2025 come modello da 6B con licenza Apache-2.0, distillato dalla linea Z-Image con una ricetta in due fasi pubblicata. Qwen-Image-2.1-Turbo è apparso il 9 ottobre 2026 come checkpoint accelerato di Qwen-Image-2.1 — il modello base rilasciato il 20 settembre 2026 — mantenendo l'architettura da 7B e la licenza di ricerca non commerciale del fornitore. Otto mesi separano i due repository, e la differenza nel modo in cui sono stati costruiti è più ampia di quanto suggerisca il divario tra le date.

Otto passi è il sintomo condiviso, non la causa condivisa

Quando due modelli arrivano allo stesso numero di step per strade diverse, il numero di step smette di essere un confronto utile. Ti dice solo che i due modelli sono stati tarati per una latenza comparabile, e nient'altro.

• Z-Image Turbo ci è arrivato tramite distillazione, poi con il reinforcement learning. La scheda della famiglia Z-Image lo descrive come «una versione distillata di Z-Image che eguaglia o supera i principali concorrenti con soli 8 NFE». Il documento tecnico ne indica il meccanismo: Decoupled-DMD, una variante della Distribution Matching Distillation che separa due meccanismi che i metodi DMD esistenti trattavano come uno solo, seguita da DMDR, che fonde DMD e RL durante il post-training. La tabella delle varianti riportata sulla scheda mostra esplicitamente il percorso di addestramento — pre-training, SFT e RL tutti contrassegnati, 8 passaggi, CFG disabilitato.

• Qwen-Image-2.1-Turbo ci è arrivato riconfezionando una base solida. La sua scheda lo descrive come "un checkpoint accelerato di Qwen-Image-2.1 per la generazione text-to-image e la modifica delle immagini con 8 passaggi di denoising", sulla stessa architettura di generazione visiva da 7B. Non esiste una ricetta di distillazione pubblicata. Ciò che è documentato è che il checkpoint porta con sé il proprio schema di campionamento consigliato, quindi Diffusers lo carica automaticamente e impostare solo `num_inference_steps` non lo sovrascriverà, e che la generazione usa per impostazione predefinita CFG=1 con il caching KV del prefisso che riutilizza il contesto testuale e dell'immagine di riferimento tra i passaggi.

La conseguenza pratica: con Z-Image Turbo stai eseguendo un modello la cui velocità è il prodotto di un processo di addestramento, mentre con Qwen-Image-2.1-Turbo stai eseguendo un checkpoint di un modello che era già buono, con il percorso di campionamento abbreviato e congelato nel file. Entrambi sono legittimi. Falliscono in modo diverso. Un modello distillato ha un budget di qualità che è stato speso durante l'addestramento; un checkpoint riconfezionato ne ha uno che è stato speso durante la creazione del checkpoint. Nessuna delle due card pubblica quanto è stato speso.

Le linee che effettivamente li separano

Cinque dimensioni decidono questo confronto. Ognuna è dichiarata su una fonte primaria che puoi aprire.

• Dimensione: 6B parametri per Z-Image Turbo contro 7B per Qwen-Image-2.1-Turbo. Entrambi sono abbastanza piccoli per l'hardware di consumo, e il divario non è ciò che deciderà il tuo risultato.

• Licenza: Apache-2.0 per Z-Image Turbo; l'accordo qwen-research per Qwen-Image-2.1-Turbo, che concede diritti "FOR NON-COMMERCIAL PURPOSES ONLY" e richiede una licenza richiesta separatamente per l'uso commerciale. Questa è la differenza più ampia tra i due modelli e l'unica di natura binaria.

• Modifica:Qwen-Image-2.1-Turbo esegue text-to-image ed editing guidato da istruzioni con un singolo download — la sua scheda dimostra entrambi utilizzando lo stesso schedule salvato. Z-Image Turbo è un modello di generazione; l'editing risiede in Z-Image-Edit, una variante separata che la scheda della famiglia elenca ancora come "da rilasciare". Se la tua pipeline necessita oggi di modifiche basate su istruzioni, quella riga risolve la questione.

• Rendering del testo e lingua: la scheda di Z-Image indica il rendering di testo bilingue, in inglese e cinese, come punto di forza principale di Turbo. La scheda di Qwen-Image-2.1-Turbo non avanza alcuna affermazione equivalente: la sua vetrina è organizzata per categoria di output (ritratto, posa e movimento, RGBA trasparente, tipografia e progettazione di poster, layout UI, trasformazione di singola immagine, composizione multi-riferimento) anziché per lingua.

• Memoria e maturità del deployment: la scheda di Z-Image dichiara che Turbo "entra comodamente nei dispositivi consumer con 16G di VRAM" e sostiene un'inferenza in meno di un secondo su hardware di classe H800 — dichiarazioni del fornitore, non correlate ad alcun metodo di misurazione. La scheda di Qwen-Image-2.1-Turbo non pubblica alcun dato sulla memoria né sulla latenza. Nei quattro giorni successivi alla sua comparsa, un port macOS indipendente lo ha misurato a un picco di 1,8–2,7 GB con zero swap su un M1 Pro da 16 GB, con un limite di output di 1024×1536; si tratta di un dato di terze parti relativo a un'implementazione di terze parti, non di un dato del fornitore.

Cosa coprono le classifiche, e le due righe che non esistono

È qui che il confronto viene frainteso più spesso, quindi vale la pena essere precisi su a quale modello appartenga ciascun numero.

Nell'arena pubblica text-to-image c'è una riga per Z-Image Turbo a 941 Elo da circa 9.000 voti, e una riga separata per Z-Image Base a 877. C'è una riga per Qwen-Image-2.1 a 1.038 Elo da circa 5.500 voti, datata settembre 2026 e contrassegnata come priva di API disponibile. Anche la board di editing riporta una riga per Qwen-Image-2.1.

Osserva cosa manca. Non c’è alcuna riga per Qwen-Image-2.1-Turbo su nessuna delle due classifiche — il checkpoint è datato 9 ottobre 2026 e non è stato valutato separatamente. E non c’è alcuna riga per Z-Image Turbo sulla classifica di editing, perché Z-Image Turbo non fa editing. Quindi il confronto dall’aria pulita «Qwen a 1.034 contro Z-Image a 941» non è un confronto tra i due checkpoint di cui parla questo articolo; è un confronto tra il modello da cui è stato distillato Z-Image Turbo e il modello da cui è stato accelerato Qwen-Image-2.1-Turbo. La qualità di Qwen-Image-2.1-Turbo in otto passaggi non è misurata pubblicamente, e nemmeno quanto della posizione del modello base sopravviva al programma abbreviato.

Il modo corretto di leggere quei numeri è come un limite superiore con un'avvertenza allegata: la famiglia da cui discende Qwen-Image-2.1-Turbo si colloca circa 97 Elo al di sopra della famiglia da cui discende Z-Image Turbo nella classifica text-to-image, e nessuno ha pubblicato se il checkpoint Turbo preservi quel divario.

La licenza non è una nota a piè di pagina in questo confronto

Tra due modelli così vicini in quanto a capacità, la licenza è spesso l'intera decisione, e qui i due non sono affatto vicini.

Z-Image Turbo è distribuito con licenza Apache-2.0. Si tratta di una licenza permissiva: usalo, modificalo, distribuiscilo, vendi ciò che costruisci con esso, fatte salve le consuete condizioni di attribuzione e di avviso.

Qwen-Image-2.1-Turbo eredita il Qwen Research License Agreement invariato dal modello di base. Leggendolo, la frase operativa non è ambigua — la concessione è «FOR NON-COMMERCIAL PURPOSES ONLY», e l'uso commerciale richiede una licenza separata ottenuta dal fornitore. L'accordo vieta inoltre di usare «Qwen» come nome o identificatore principale di un'opera derivata, pur consentendo un uso descrittivo come «fine-tuned from Qwen Image».

Se stai facendo prototipazione, valutazione o ricerca, questa differenza non ti costa nulla e puoi scegliere in base alle prestazioni. Se stai costruendo qualcosa che intendi vendere o gestire commercialmente, uno di questi due è utilizzabile e l'altro richiede un colloquio con Alibaba Cloud. Questo è un fatto ben più rilevante di un programma in 8 tappe.

Eseguendo l'una o l'altra, e dove un router diventa rilevante

Entrambi questi sono download di pesi che ospiti tu stesso. Nessuno dei due è un endpoint ospitato su OrcaRouter, e sarebbe disonesto insinuare il contrario — i modelli di immagini che instradiamo sono della famiglia O​penAI GPT-Image. Il motivo per cui il prodotto appartiene a questa conversazione è ciò che accade nel momento in cui un checkpoint come uno di questi ottiene un provider ospitato dietro di sé.

Il giorno in cui ciò accade, la decisione smette di essere "quale file scarico" e diventa "quante integrazioni con fornitori sto mantenendo". Questo è il problema per cui OrcaRouter è stato creato: oltre 200 modelli dietro un unico endpoint compatibile con OpenAI, al prezzo di listino del fornitore e senza alcun ricarico, un DSL di routing per esprimere quale modello vuoi e in quali condizioni, failover automatico quando un fornitore peggiora le prestazioni, e fusione di modelli per combinare gli output. Un checkpoint aperto a 8 step e un router non sono risposte in competizione; uno è un file sul tuo disco e l'altro è il modo in cui smetti di preoccuparti di quale endpoint ci sia dietro il nome di un modello.

Fino ad allora, il percorso locale è l'intero percorso, e i vincoli sono quelli che le carte e le licenze dichiarano.

Quale scaricare prima?

La versione onesta più breve della decisione:

• Scegli Z-Image Turbo se devi distribuire qualcosa di commerciale, se vuoi la ricetta di accelerazione più ampiamente documentata con un percorso di training pubblicato, se il rendering bilingue di testo cinese e inglese è un requisito reale, oppure se ti rivolgi a un dispositivo da 16 GB e desideri un limite di memoria dichiarato dal fornitore.

• Scegli Qwen-Image-2.1-Turbo se hai bisogno di editing guidato da istruzioni e text-to-image da un unico checkpoint oggi anziché aspettare una variante di editing separata, se il tuo lavoro è ricerca o valutazione, e se preferisci la discendenza del modello base più forte e accetti che la sua qualità dopo otto passi al momento non sia misurata.

• Prendili entrambi se stai scegliendo per un team. Sono abbastanza piccoli da stare fianco a fianco sullo stesso disco, entrambi sono serviti dalla stessa classe di runner locale, e l'unica cosa che non puoi fare con entrambi installati è distribuire commercialmente il checkpoint Qwen.

Quello che nessuno dei due ti offre oggi è un benchmark. Otto passaggi, 6B contro 7B, Apache-2.0 contro una licenza di ricerca: sono tutti fatti su una scheda. Quale dei due produca immagini migliori dopo otto passaggi di denoising è una domanda a cui nessuna fonte primaria ha ancora risposto, e per ora la cosa onesta è metterli entrambi alla prova con i tuoi prompt invece di fidarti di una riga di classifica che appartiene a un checkpoint diverso.

Confronti come questo sono anche il punto in cui emergono le modalità di fallimento: gli incidenti AI documentati e i fallimenti degli agenti relativi ai modelli di questa classe sono raccolti in l'Archivio degli Incidenti AI di OrcaRouter, dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di affidabilità e l'indicatore di contestazione.