Qwen-Image 2.1 vs Z-Image Turbo: step, licenze e dove si colloca ciascuno

Otto passi contro quaranta, e una licenza che dice sì contro una che dice no. Qwen-Image 2.1è il modello open-weights di generazione e modifica di immagini del fornitore, rilasciato il 20 settembre 2026 con un accordo di sola ricerca, che esegue il denoising in 40 passaggi per impostazione predefinita. Z-Image Turboè il checkpoint distillato dell'organizzazione Tongyi-MAI della stessa famiglia aziendale, rilasciato il 26 novembre 2025, che svolge lo stesso lavoro in 8 passaggi sotto Apache-2.0. Quasi undici mesi li separano, il più recente è il download più piccolo sulla carta, e il più vecchio è quello che puoi mettere in un prodotto commerciale senza chiedere il permesso a nessuno. Questa inversione è l'intero confronto.

La risposta breve, se la vuoi prima del ragionamento: scegli Z-Image Turbo quando il vincolo è la velocità per immagine, la VRAM su hardware consumer o una licenza permissiva. Scegli Qwen-Image 2.1 quando devi modificare un'immagine esistente, vuoi la trasparenza nativa o vuoi il punteggio più alto sulla classifica indipendente. Nessuno con un carico di lavoro misto deve sceglierne solo uno, e la maggior parte di questa pagina è dedicata alle due ragioni per cui le persone pensano di doverlo fare.

Innanzitutto, il problema della denominazione

Due cose in questo confronto si chiamano turbo e non sono lo stesso turbo. Qwen-Image 2.1 ha la sua variante accelerata — "la variante turbo di Qwen-Image 2.1", rilasciata il 9 ottobre 2026, che condivide l'architettura e la classe pipeline del modello base ma esegue il denoising in 8 passaggi con CFG predefinito a 1. Non è il modello con cui questa pagina fa il confronto. Z-Image Turbo è un modello separato di una linea separata, creato dal gruppo Tongyi-MAI, e distilla una base diversa — il checkpoint Z-Image, che funziona a 50 passaggi.

Essi differiscono anche per ciò da cui sono stati distillati e per come. Tongyi-MAI descrive Z-Image Turbo come distillato con Decoupled-DMD più una fase che chiama DMDR, che fonde DMD con l'apprendimento per rinforzo. La variante turbo di Qwen-Image 2.1 è presentata dal suo fornitore come un cambio di checkpoint anziché come una nuova architettura. Entrambi si attestano su 8 step; nessuno dei due è l'altro, e una frase scritta su uno non dovrebbe essere interpretata come se riguardasse anche l'altro.

Se stai confrontando "il modello Qwen-Image più veloce" con Z-Image Turbo, questa è la pagina sbagliata — quel confronto è con la variante turbo di Qwen-Image 2.1, e l'inquadramento dei due checkpoint a 8 step è una domanda diversa con una risposta diversa.

Cosa offre davvero Z-Image Turbo

Prendi questo dal materiale del fornitore stesso anziché dai siti di riepilogo, perché la maggior parte di essi sbaglia la dimensione o la omette. La famiglia Z-Image è documentata a 6B parametri, con un design diffusion-transformer a flusso singolo in cui token di testo, token semantici visivi e token VAE dell'immagine vengono concatenati in un'unica sequenza di input. Turbo è il membro distillato di quella famiglia e funziona a 8 NFE — il codice di riferimento imposta num_inference_steps=9 e osserva che questo produce 8 passaggi in avanti attraverso il transformer — con la guidance disabilitata.

Le dichiarazioni sulle prestazioni del fornitore sono queste, e sono dichiarazioni del fornitore: latenza di inferenza inferiore al secondo su GPU H800 di classe enterprise, e un'occupazione che rientra "comodamente entro 16G di VRAM" su dispositivi consumer. Da allora, gli strumenti della comunità hanno riportato di eseguirlo a circa 4GB tramite stable-diffusion.cpp, che è un dato della comunità e non del fornitore. La risoluzione non è pubblicata come intervallo sulla model card; gli esempi documentati generano a 1024×1024. La card elenca inoltre conteggi di adapter, finetune e quantizzazione pari a 879, 170 e 93 modelli, più circa 100 Spaces — una misura dell'attività dell'ecosistema sulla piattaforma di hosting, non della qualità.

Sulla classifica indipendente text-to-image, Z-Image Turbo si trova a 941 Elo, intervallo al 95% da 933 a 949, su 8.991 campioni, posizione 83 su 168, a $5,00 per 1.000 immagini, con il set di indicatori open-weights e la classifica che data la riga a dicembre 2025. Tutti i dati provengono da Artificial Analysis, acquisiti in tempo reale in inglese il 13 ottobre 2026.

Una nota storica che il materiale del fornitore riporta e che vale la pena leggere correttamente: l'8 dicembre 2025, Artificial Analysis ha collocato Z-Image Turbo all'ottavo posto in assoluto e al primo tra i modelli open source. Era vero quando è stato scritto ed è un'affermazione datata. Oggi non è più vero: la classifica ha ora sedici righe di modelli chiusi e aperti sopra di esso. Il motivo non è che Z-Image Turbo sia peggiorato; è che sono passati dieci mesi.

Cosa include effettivamente Qwen-Image 2.1

Una forma del tutto diversa. Qwen-Image 2.1 ha 7B parametri nella sua componente di generazione visiva distribuiti su 32 layer DiT a singolo stream, con un text encoder molto più grande — Qwen3-VL 8B — e un VAE RGBA a 64 canali con compressione spaziale 16×. Quest'ultimo elemento è ciò da cui deriva la trasparenza: viene generata nativamente anziché ritagliata a posteriori. Il campionamento predefinito è di 40 passi sul checkpoint di base, a una risoluzione predefinita di 2048×2048, attraverso sette preset pubblicati da 1:1 a 9:16.

• Flessibilità di input — un prompt da solo, un prompt con un'immagine, o un prompt con fino a 10 immagini di riferimento.

• Controllo di modifica locale — cerchi disegnati, annotazioni dipinte o una maschera separata passata come proprio input, così che la fotografia originale rimanga non contrassegnata.

• Trasparenza in entrambe le direzioni — genera RGBA, modifica all'interno di un livello trasparente oppure estrai un soggetto da una normale fotografia RGB come livello RGBA.

• Dimensione del download — il repository Diffusers su Qwen/Qwen-Image-2.1 misura 33,1 GB, di cui circa 17,5 GB sono occupati dall'encoder di testo. Questo è il costo pratico di avere un modello vision-language nello stack.

Sulla stessa classifica, Qwen-Image 2.1 si trova a 1.038 Elo, intervallo da 1.029 a 1.047, su 5.554 campioni, posizione 20 su 168, con l'indicatore open-weights attivo e «Nessuna API disponibile» nella colonna del prezzo. Nella classifica di editing è l'unico dei due a comparire: 1.072 Elo, intervallo da 1.063 a 1.081, su 6.132 campioni, posizione 21 su 81. Z-Image Turbo non ha alcuna riga nella classifica di editing.

Quelle due righe — 1.038 contro 941, un divario di novantasette punti con intervalli che non si sovrappongono — sono le prove indipendenti più solide in questo articolo, e andrebbero comunque lette con l’avvertenza che qui Elo è un punteggio di preferenza basato su voti ciechi. Indica quale output una folla ha preferito, non quale modello sia più veloce, più economico o con licenza per il tuo utilizzo.

I passi non sono secondi

L'errore più comune nel leggere questo confronto è trattare 8 passaggi e 40 passaggi come un rapporto di velocità di cinque volte. Non sono unità comparabili tra due modelli. Il numero di passaggi è il numero di volte in cui il denoiser viene eseguito; quanto tempo richiede ciascuna di queste esecuzioni dipende dalle dimensioni del transformer, dalla risoluzione, dalla precisione, dall'implementazione dell'attenzione e dall'hardware. Il fornitore di Z-Image Turbo pubblica un dato di latenza a una risoluzione su una classe di GPU. Il fornitore di Qwen-Image 2.1 non pubblica alcun dato di latenza.

Ciò che può essere confrontato onestamente è la direzione e i vincoli. Z-Image Turbo è progettato per funzionare a 8 NFE su VRAM consumer, con un limite di 16 GB dichiarato dal produttore e segnalazioni della community al di sotto di tale valore. Il checkpoint base di Qwen-Image 2.1 esegue 40 step oltre a un download di 33 GB e a un encoder Qwen3-VL 8B; la sua variante turbo esiste proprio perché 40 step non sono una configurazione veloce. Se il costo di inferenza è il tuo vincolo stringente, la direzione non è in dubbio anche se il rapporto lo è.

Esiste anche un compromesso qualità-per-passo che nessuno dei due fornitori quantifica. I checkpoint distillati a pochi passi sono addestrati ad approssimare una traiettoria a molti passi, e il punto in cui tale approssimazione è più debole — testo fine, layout densi, piccoli dettagli ripetuti — è specifico del modello e non viene pubblicato. Non presumere che l'ottavo passo di un modello a otto passi equivalga al quarantesimo di un modello a quaranta passi; le prove indipendenti a confronto diretto per questa specifica coppia non esistono a parità di impostazioni, e questa pagina non inventerà una classifica che le prove non supportano.

La licenza è il punto in cui si prende la decisione

Z-Image Turbo è Apache-2.0. Questa è la licenza del repository, dichiarata in modo chiaro, senza barriere, senza registrazione e senza condizioni legate ai ricavi. Puoi eseguirlo, modificarlo, sottoporlo a fine-tuning, ridistribuirne i derivati e distribuire il suo output commerciale senza contattare Tongyi-MAI.

Qwen-Image 2.1 non è questo. Il suo repository riporta license: other con il nome della licenza qwen-research, e il file LICENSE è il Qwen Research License Agreement datato 20 settembre 2026. Letto il 13 ottobre 2026, concede una licenza non esclusiva, mondiale e senza royalty per usare, riprodurre, distribuire e modificare i materiali solo per scopi non commerciali, definendo "Non-Commercial" come scopi di ricerca o valutazione, e richiedendo una licenza commerciale separata — da richiedere via email — per qualsiasi altro uso. La ridistribuzione comporta ulteriori condizioni: trasmettere l'accordo, contrassegnare i file modificati, mantenere l'avviso che cita Hangzhou Tongyi Laboratory Technology Co., Ltd, visualizzare "Built with Qwen" se gli output vengono usati per addestrare un altro modello distribuito, e non usare "Qwen" come nome principale di un derivato.

Vale la pena affermarlo come un fatto che riguarda la famiglia anziché come un caso isolato, perché è un cambio di direzione. I checkpoint Qwen-Image precedenti — Qwen-Image, Qwen-Image-Edit, le release -2501, -2511, -Layered e -2512 — sono tutti Apache-2.0 come letto il 13 ottobre 2026. Qwen-Image 2.1 rappresenta la rottura di questo schema. Le licenze già concesse non cambiano retroattivamente, quindi i checkpoint più vecchi restano utilizzabili secondo i loro termini originali, ma nessuno dovrebbe pianificare una pipeline commerciale sull'assunto che il modello Qwen-Image più recente sia permissivo.

Questo conferisce ai due modelli la stessa forma dei loro file di licenza anziché delle loro schede tecniche: Z-Image Turbo è quello che puoi rilasciare oggi senza alcuna conversazione, e Qwen-Image 2.1 è quello che richiede una trattativa che potresti non voler intavolare.

In cosa puoi eseguire ciascuno di essi

Qwen-Image 2.1 è stato rilasciato con un supporto runtime documentato anziché acquisirlo in seguito: Diffusers tramite QwenImage21Pipeline, ComfyUI nativo con workflow template, serving offline e online di vLLM-Omni, SGLang tramite sglang generate, e LightX2V per l'accelerazione, con AMD ROCm e un percorso FlagOS che copre otto piattaforme chip. Due checkpoint di riscrittura dei prompt sono pubblicati insieme ad esso come download separati.

Il supporto di Z-Image Turbo è più ampio sotto un aspetto specifico: poiché è piccolo, con licenza Apache-2.0 e ha quasi un anno, ha accumulato un ampio ecosistema di quantizzazione e packaging — conversioni GGUF, varianti FP8 e SDNQ, build int4 e reimpacchettamenti single-file per ComfyUI — ed è ciò che rende possibili i percorsi sotto i 16 GB e sotto gli 8 GB. Un modello da 6B con una licenza permissiva viene portato; uno da 33 GB con licenza per ricerca viene portato più lentamente e con maggiore cautela. Questo effetto di secondo ordine è facile da non notare su una scheda tecnica ed è spesso ciò che determina cosa un lettore può effettivamente fare questa settimana.

Lavorando in entrambi, senza un secondo stack

OrcaRouter non effettua il routing di Qwen-Image 2.1 e non effettua il routing di Z-Image Turbo. Abbiamo controllato il nostro elenco dei modelli in tempo reale il 13 ottobre 2026 e nessuno dei due compare, quindi nulla di quanto segue costituisce un'affermazione che li serviamo — le route per entrambi sono il self-hosting o gli endpoint ospitati del fornitore stesso.

Il pattern che li accomuna è quello che questa coppia invita a usare: Z-Image Turbo come primo passaggio economico e un modello più potente come render finale. È una pipeline sensata, e il suo costo nascosto è operativo: due stack di download, due set di impostazioni e una seconda integrazione nel momento in cui uno dei due cambia. OrcaRouter mette oltre 200 modelli dietro un unico endpoint compatibile con OpenAI, al prezzo di listino del provider e senza alcun ricarico, con failover automatico tra provider quando uno peggiora, così una pipeline draft-and-final può mettere i modelli che effettivamente chiama dietro un'unica chiave e un unico client, e un singhiozzo del provider diventa un nuovo tentativo anziché un batch bloccato. Il DSL di routing fa lo stesso lavoro per la composizione stessa, consentendo di indirizzare più modelli come un'unica chiamata anziché come diverse integrazioni.

Quale, per chi

• Stai distribuendo un prodotto commerciale — Z-Image Turbo. Apache-2.0, nessuna conversazione, nessuna voce di ricavi da controllare.

• Devi modificare un'immagine esistente, usare maschere o produrre asset trasparenti — Qwen-Image 2.1. La modalità documentata di Z-Image Turbo è prompt-to-image; non esiste alcun checkpoint di editing in quella famiglia né alcun input di maschera nel percorso documentato.

• Il tuo vincolo è la VRAM o il costo per immagine — Z-Image Turbo. Un modello da 6B con un decennio di lavoro sulla quantizzazione alle spalle, contro uno stack da 33 GB con un encoder vision-language da 8B.

• Il tuo vincolo è la qualità dell'output giudicata da estranei — Qwen-Image 2.1, di circa cento punti Elo sulla classifica in cui entrambi sono presenti, con intervalli non sovrapposti.

• Stai facendo ricerca, non produzione — Qwen-Image 2.1 è concesso in licenza proprio per questo, e la sua superficie di editing è il motivo per cui vale la pena affrontare il costo del download.

Il fatto che lo decide più spesso, in una frase: Z-Image Turbo vince ogni volta che la risposta deve essere distribuita o deve girare sulla macchina che il lettore già possiede, e Qwen-Image 2.1 vince ogni volta che il compito riguarda un'immagine che esiste già.