Qwen-Image 2.1 対 LLaDA-Image-Turbo：二つのオープン画像モデル、まったく異なる二つのライセンス

2つのオープンウェイト画像モデルが、同じ3週間のうちに登場した。Qwen-Imageチームは2026年9月20日にQwen-Image 2.1を公開した——重み、ライセンスファイル、モデルカード、ブログ記事のすべてを同じ日に、しかも事前の準備期間はほとんどないまま。その16日前、2026年9月4日には、inclusionAI（アント・グループの研究ラボ）がLLaDA-Image-Turboを公開した。ローンチ記事もプレスリリースも、いかなる告知も一切なしで。どちらも今日ダウンロードできる。どちらにも独立したベンチマークスコアは一つもない。そして、どちらを使えるかを実際に決める違いは、どちらのモデルカードに書かれているわけではない——それは書類の上にある。Qwen-Image 2.1は商用利用を完全に禁じる研究ライセンスで提供されている。LLaDA-Image-Turboは、どのリポジトリにもライセンスが一切明記されないまま提供されている。

ライセンスの問題が最初に来ます。なぜなら、それだけが明確な答えを持つものだからです

ここから始めてください。この比較の中のほかのすべては暫定的であり、これだけはそうではないからです。

• Qwen-Image 2.1は、2026年9月20日付のQwen Research License Agreementに基づいてリリースされており、同契約は「非営利目的のみ」の権利を付与し、商用利用にはベンダーから別途ライセンスを申請する必要があると明記している。これは、Apache 2.0の下で提供されていた以前のQwen-Imageシリーズからの重大な変更である。これは明白だ。読んで、評価して、ベンチマークして、それについて書くことはできる。しかし、製品に組み込むことはできない。

• LLaDA-Image-Turboはライセンスを一切明示していない。寛容なライセンスでも、制限的なライセンスでも、プレースホルダーでもない。ライセンスのないリポジトリは、いかなる法的意味でも「自由に使用してよい」ものではない — それはデフォルトで全権利留保であり、Qwenの研究ライセンスよりも厳しい立場であって、より緩いものではない。もしこれを基盤に構築する予定なら、それはREADMEにではなく、ラボに問い合わせるべき問題だ。

この皮肉は率直に述べておく価値がある。公式で制約の多いライセンスを伴って登場したモデルのほうが、今日、それを前提に計画を立てられるモデルだ。自分が正確にどの立場にいるか分かるからだ。ライセンスのないモデルのほうは、それができないモデルである。

その2つのモデルが実際に何であるか

ライセンスの違いを取り除いてしまえば、これらは根本的に異なる2つの設計であり、それぞれ異なる理由で作られたものだ。

• アーキテクチャ — Qwen-Image 2.1は、視覚生成コンポーネントに70億パラメータを持つ32層の単一ストリーム拡散トランスフォーマーであり、Qwen3-VL 8Bテキストエンコーダーと、16倍の空間圧縮を行う64チャンネルRGBA VAEを備え、バンドル全体でおよそ33 GBです。LLaDA-Image-Turboは60億パラメータの統合生成・編集モデルで、ベースモデルと別個の編集経路ではなく、1セットの重みが両方のタスクを担います。

• 推論ステップ — Qwen-Image 2.1 はデフォルトで 2048×2048、40 ステップで、フローマッチングと Euler 離散スケジューリングを使用します。LLaDA-Image-Turbo は Twin-DMD によって 2〜4 ステップに蒸留されており、4 ステップが推奨され、Base モデルの 5.0 に対してガイダンススケール 1.0 で動作します。

• 精度オプション — Qwen-Image 2.1 は vLLM-Omni パスを通じて FP8 量子化サポートを公開しています。LLaDA-Image-Turbo は BF16 と FP8 の両方のチェックポイントを個別ダウンロードとして提供しています。

• 参照条件付け — Qwen-Image 2.1 は最大10枚の参照画像を受け入れ、円で囲む、ペイント注釈、または別個のマスクによるローカル編集をサポートし、透過レイヤー編集を備えたネイティブ RGBA を生成します。LLaDA-Image-Turbo のカードには参照画像の上限が公開されていません。

• 注意 — Qwen-Image 2.1 はブロック因果アテンションを採用しています。テキストにはトークンレベルの因果マスクを、画像生成にはチャンクレベルの双方向マスクを適用し、チェックポイントが causal_condition: true を持つ場合はプレフィックスKVキャッシュを再利用します。LLaDA-Image-Turbo のカードには、そのマスキング方式が同じ詳細さで説明されていません。

• ライセンス — 研究目的のみで明示的、対して未申告。

ステップ数がパラメータ数と合わせて何を意味するのかに注目してください。Qwen-Image 2.1 は、10倍のステップ数で実行される、より大きなモデルです。LLaDA-Image-Turbo は、ほんの数ステップに蒸留された、より小さなモデルです。これらは、画像生成のコストがどこにあるかについての正反対の賭けであり、正しい答えは、ボトルネックが画像あたりのGPU秒数なのか、それとも画像がどのように見えるかの上限なのかに完全にかかっています。

スピードの経済性：40ステップ対4

Turbo という名前はここで実際に効いている。Twin-DMD 蒸留は拡散軌道を少数の大きなジャンプに折りたたむ。そのため LLaDA-Image-Turbo は 4 ステップで実行できるが、その Base モデルは従来のスケジュールを必要とする。guidance 1.0 では、通常はステップあたりのフォワードパス数を 2 倍にする classifier-free guidance も省略される。したがって、実効的な差は、40 対 4 という数字だけが示唆するよりも大きい。

それによって得られるのはスループットと予測可能性です。4ステップの6Bモデルは、単一のコンシューマー向けカードに収まり、インタラクティブループの中に置けるほど高速にドラフト画像を生成できる類のものです。40ステップ、2048×2048でのQwen-Image 2.1は品質優先の構成です。制約のあるハードウェア向けにモデルカード自身が推奨しているのは、pipe.enable_model_cpu_offload()によるCPUオフロードですが、これは修正というよりは逃げ道です。

その釣り合いを取る要素は、蒸留が能力の圧縮であるという点であり、ここにあるものはどれも2つのラボの外の誰によっても測定されていない。どちらのモデルについても存在する唯一の独立したデータポイントは、Qwen AmbassadorプログラムのテスターによるQwen-Image 2.1のハンズオン早期アクセスレビューであり、そのテスターは最終ウェイトをModelScope Studioインターフェースで実行し、テキストから画像生成で約10–15秒、編集で18–23秒と報告した。これは1人のレビュアーによる、早期アクセスUI上での、タイマー表示なしの結果である—有益なシグナルではあるが、ベンチマークではない。LLaDA-Image-Turboには、公の場で比較可能なハンズオンレポートがまったく存在しない。

編集は、2つのデザインが最も大きく分かれる点だ

両モデルはテキストから画像生成と編集を行いますが、そこに至る道筋は異なり、その違いは出力ではなく内部の仕組みに現れます。

Qwen-Image 2.1は、指示追従性を独立して検査可能なコンポーネントとして扱います。画像モデルと併せて、このリリースには2つのプロンプト書き換えチェックポイント—Qwen/Qwen-Image-2.1-PE-T2IとQwen/Qwen-Image-2.1-PE-I2I、それぞれ約18.8 GBのファインチューニングされたQwen3.5-VL 9Bで、曖昧な指示を受け取り、拡散モデルが確認する前にそれを明確な指示へ書き換えます。I2I版は常に入力画像があるため、常に編集タスクであり、ゼロからの生成ではありません。重要なことに、このリライターにはsystem_prompt.txtが同梱されており、読んで上書きできます。また、言語について異例なほど明示的です。説明の言語はあなたの指示に従う一方、テキストが画像内に描かれるときの言語は、異なる言語でプロンプトを出した場合でも、入力画像の既存のラベル言語を保持する厳格な優先順位によって決まります。

それは小さなエンジニアリングだが、影響範囲は大きい。パッケージの文言が重要になる市場向けに製品画像を制作しているなら、「リライターが既存のラベルの言語を保持する」のか「リライターが親切にもすべてを英語に翻訳する」のかは、使えるアセットと却下されるアセットの違いになる——そして、それがホストされたブラックボックスの中ではなくシステムプロンプトに存在するからこそ、差分を取って変更できる。

LLaDA-Image-Turboは逆のトレードオフを取る。1つの6Bモデル、1組の重み、生成と編集がすべてを共有する。可動部品は少なく、設定も少なく、検査や上書きをするものは何もない。そのカードはQwen-Image-Benchの数値として英語53.53、中国語53.38を挙げ、オープンソースSOTAを主張している——ベンダー報告であり、再現されておらず、しかもそれが勝っているベンチマークが、暗に競合しているモデルの名前を冠していることに注意してほしい。

実際にそれらを動かす相手

ローンチ当日のエコシステム対応は、リリースの中で最も華やかさに欠ける部分であり、午後で済むか週末を潰すかを左右する部分でもある。

• Qwen-Image 2.1 が広く登場しました: QwenImage21Pipeline が day zero で Diffusers にマージされました。テキスト・トゥ・イメージとイメージ編集のワークフローテンプレートを備えたネイティブ ComfyUI サポート。ステップワイズ実行、プレフィックス KV キャッシュ、CUDA Graph デコード、FP8 量子化、テンソル/Ulysses 並列処理を備えた vLLM-Omni。9月17日にマージされたネイティブ SGLang サポートのプルリクエスト — 3日 前、重み — DiT、RGBA VAE、Qwen3-VL コンディショニング、マルチリファレンス入力をカバーし、H200、B200、RTX PRO 6000、RTX 5090、RTX 4090 で検証されました。そして、AMD Radeon を ROCm 経由で使用した LightX2V による day-zero アクセラレーションと、FlagOS によるマルチチップサポート。

• LLaDA-Image-Turboは2026年9月7日、重みの公開から3日後にComfyUI対応を果たし、さらにDiffusersとSafetensorsでの配布も始まった。これは実際に動かすための確かな道筋ではあるが、より細い道であり、言及できる同等のプレリリース配信の取り組みは存在しない。

Qwen-Image 2.1にとって、プレリリースのSGLangプルリクエストは決定的な証拠だ。重みより先にフレームワーク対応が登場するということは、誰かが後からモデルカードを見て書いたのではなく、チェックポイントに対してサービング経路をテストしていたことを意味する。

実験と並行して保持しているホストされたパス

どちらのモデルも、本稿執筆時点では OrcaRouter を介してルーティングすることはできません。また本記事は、そうでないかのように示唆するものではありません。どちらもセルフホストを前提とした提案であり、一方は本番利用を認めないライセンスの下にあり、もう一方はライセンスが一切ありません。これらを評価するチームにとって重要なのは、その評価がクリティカルパス上に置かれなくてもよいという点です。

OrcaRouter は 200 以上のモデルを、プロバイダー定価・マークアップなしの単一の OpenAI 互換エンドポイントの背後に配置し、プロバイダー間の自動フェイルオーバーと、複数のモデルを 1 回の呼び出しに組み合わせられるルーティング DSL を備えています。この判断にとっての実践的な姿は、すでに信頼しているモデルが本番トラフィックを担い、その横でセルフホストのチェックポイントを検証するルートです — そして定価はマークアップされるのではなくパススルーされるため、ルーティングされたモデルのベンダー価格の変更は、契約変更を待つことなく当社側で当日に反映されます。現在当社がルーティングしている画像モデルは、OpenAI の GPT-Image ファミリー、Google の Imagen 4 の各ティアと Gemini の画像プレビュー、そして xAI の Grok Imagine 画像エンドポイントです。33 GB の拡散トランスフォーマーを立ち上げて、それがホスト型モデルを上回るかどうかを一週間かけて突き止めるつもりなら、ホスト型モデルが対照群であり、その対照群をあらかじめ API キーで使える状態にしておく価値があります

この比較を変えるものは何でしょうか？

三つのこと、どれほど重要になるかの順に。

まず、どちらのモデルについても独立したベンチマークスコアが必要だ。どちらにも存在せず、それが変わるまでは、双方の品質に関する主張はすべて、ラボが自分の宿題を自分で採点しているようなものだ。次に、ライセンス：Qwen-Image 2.1の寛容なライセンスの変種があれば、7Bでのオープンな画像作業における明白なデフォルトとなるだろうし、LLaDA-Image-Turboに何らかのライセンスが明記されていれば、少なくとも計画を立てられるようになる。第三に、Qwenの9月17日のModelScopeプログラムのアーリーアクセステスターたちは、9月29日までにサンプルやレビューを公開するよう求められていた — 今から8日後だ。その時点で、これは2つのモデルカードの比較ではなくなり、本当の比較になる。それまでは、正直な要約はこうだ：Qwen-Image 2.1は商用化できない、より高性能に見えるモデルであり、LLaDA-Image-Turboは話し合いなしではまったく使用できない、より高速なモデルであり、ライセンスファイルだけが、どちらのリリースにおいても完全に確定している唯一の部分である。