데스크톱에서의 Qwen-Image-2.1-Turbo: BaoCut 3.5와 최초의 로컬 타이밍

의 저장소는 Qwen-Image-2.1-Turbo2026년 10월 9일 Hugging Face에 등장했으며, 좋아요 707개, 가중치, 라이선스 파일, 그리고 Qwen-Image-2.1 GitHub 뉴스 목록의 한 줄이 발표 내용의 전부였다. 닷새 후, 그것은 이미 사람들의 책상 위에서 돌아가고 있다. 중국의 데스크톱 편집 도구인 BaoCut 3.5는 이 체크포인트를 통합하고 서버를 거치는 대신 로컬 머신에서 이미지를 생성하기 시작했다. X/@dotey는 2026년 10월 13일, 자신의 Mac Mini M2에서 1080p로 그림 한 장에 대략 3~5분, 2K에서는 거의 20분이 걸린다고 보도했다. 한편, Siliconed라는 오픈소스 macOS 앱은 2026년 10월 11일 해당 모델 자체의 토론 게시판에 글을 올렸는데, M1 Pro에서 1024² 기준 118초가 측정되었고, 같은 머신에서 Z-Image Turbo — 사람들이 그 사이에서 고르는 또 다른 8단계 오픈 체크포인트 — 를 돌리면 82~85초가 걸린다고 밝혔다. Qwen-Image-2.1은 두 로컬 포팅이 파생된 기반 모델로, 2026년 9월 20일에 공개되었다. 가속 체크포인트는 그 원본보다 3주 더 젊으며, 자체적인 독립 평가가 없다.

그것이 이 이야기의 형태다. 출시된 적 없이 오직 공개만 된 체크포인트가, 이제 벤더가 그것에 대해 공개적으로 거의 아무 말도 하기 전에 데스크톱 소프트웨어 안으로 들어오고 있다. 이어지는 내용은 저장소가 실제로 명시하는 것과 최초 사용자들이 보고하는 것을 구분한다. 왜냐하면 둘은 같은 종류의 주장이 아니기 때문이다.

저장소가 확인해 주는 것, 그리고 확인해 주지 않는 것

아래의 모든 내용은 모델 카드, 라이선스 파일, 프로젝트 변경 로그에서 가져온 것으로, 누구나 확인할 수 있는 1차 자료입니다.

• 날짜가 있고, 중요한 부분에서도 날짜가 있다. Hugging Face API는 해당 저장소가 2026-10-09T04:50:01Z에 생성되었고 2026-10-12에 마지막으로 수정되었다고 보고합니다. Qwen-Image-2.1 GitHub 뉴스 목록에는 일치하는 항목이 있습니다: "2026.10.09: 단 8번의 디노이징 단계만으로 이미지 생성 및 편집을 위한 Qwen-Image-2.1-Turbo를 출시했습니다." 같은 변경 로그에는 Pro 및 Turbo API가 같은 날 Alibaba Cloud Model Studio에서 서비스를 시작했다고 기록되어 있습니다. 이것은 릴리스입니다; 런칭이 없는 릴리스입니다.

• 무엇인가. 카드에서는 이를 "8개의 디노이징 단계로 텍스트-투-이미지 생성 및 이미지 편집을 위한 Qwen-Image-2.1의 가속화된 체크포인트"라고 부르며, 동일한 7B 비주얼 생성 아키텍처를 기반으로 합니다. 새로운 제품군도 아니고 새로운 아키텍처도 아닙니다. 훨씬 더 짧은 샘플링 궤적을 중심으로 재패키징된 기본 체크포인트입니다.

• 두 가지 기능을 한 번의 다운로드로. 텍스트-투-이미지와 지시 기반 편집이 이 단일 체크포인트 하나로 제공됩니다. 카드 자체의 예시에서는 두 기능 모두에 동일한 저장된 8단계 스케줄과 동일한 기본 CFG=1을 사용하며, 요트 스케치를 사실적인 이미지로 변환하는 방식으로 편집 기능을 보여줍니다.

• 스케줄은 가중치와 함께 따라옵니다. 체크포인트는 권장 샘플링 스케줄을 함께 제공하므로 Diffusers가 이를 자동으로 로드합니다. 이 카드에서는 `num_inference_steps`만 설정하는 것으로는 저장된 스케줄을 재정의할 수 없다고 명확히 밝히고 있습니다. Prefix KV 캐싱은 디노이징 단계 전반에 걸쳐 텍스트 및 참조 이미지 컨텍스트를 재사용합니다.

• 툴킷의 두 가지 버전이 필요합니다. 명시된 설치 구성은 CUDA 호환 PyTorch 빌드, 소스에서 설치하는 Diffusers, transformers 5.17.0 이상, accelerate 및 pillow입니다. 체크포인트에는 파이프라인으로 구성된 샘플링 시그마에 대한 Diffusers 지원이 필요한데, 이는 PR #14950에서 추가되었습니다 — 작성 시점 기준으로 태그가 지정된 릴리스가 아닌 소스 트리입니다.

• 라이선스는 변경되지 않았으며, 그것이 바로 상업적 장벽입니다. 이 저장소는 qwen-research 라이선스를 따릅니다. 해당 계약은 권리를 "비상업적 목적으로만" 부여하며, 상업적 사용을 위해서는 공급업체에 별도 라이선스를 요청해야 한다고 명시하고 있습니다. Turbo와 관련해 이를 완화하는 내용은 없습니다.

• 어떤 종류의 벤치마크도 없습니다. 카드에는 Turbo 체크포인트에 대한 점수가 없고, 베이스와의 비교도 없으며, 지연 시간 수치도, 메모리 수치도 없습니다. 벤더는 이 중 어느 것도 공개하지 않습니다.

• 베이스 모델의 수치와 혼동하지 마세요. Qwen-Image-2.1이라는 이름에 Elo나 품질 관련 주장이 붙어 있다면, 그것이 어느 체크포인트에 속하는지 확인하세요. 공개된 이미지 아레나 항목은 Turbo가 아니라, 9월 20일자 베이스 모델인 Qwen-Image-2.1에 해당합니다.

처음 두 지역 보고서, 그리고 그것들이 서로 일치하지 않는 이유

두 명의 독립적인 사람이 저장소가 등장한 지 나흘 만에 로컬 추론에 관한 수치를 내놓았다. 그들은 서로 다른 머신, 서로 다른 해상도, 서로 다른 파이프라인을 측정했으며, 같은 명목상 작업에서 결과가 대략 10배 차이 난다. 둘 다 읽어볼 가치가 있지만, 어느 것도 벤치마크는 아니다.

데스크톱 편집기 관련 보고. X/@dotey, 2026년 10월 13일: BaoCut 3.5가 Qwen-Image-2.1-Turbo를 통합했으며, 이미지 생성이 서버를 거치지 않고 로컬 머신에서 이루어진다. 그들의 Mac Mini M2에서는 1080p 이미지에 약 3~5분, 2K 이미지에는 거의 20분이 걸린다. 또한 이 도구가 NSFW 출력을 생성한다는 점, 그리고 에이전트를 해당 머신의 로컬 이미지 서비스로 지정할 수 있다는 점도 언급한다.

네이티브 앱 보고서. 2026년 10월 11일, Siliconed의 작성자가 해당 체크포인트 자체의 Hugging Face 토론 게시판에 글을 올렸습니다. Siliconed는 모델을 Swift와 Metal로 실행하는 오픈소스 Apache-2.0 라이선스 macOS 앱으로, Python도 ComfyUI도 관여하지 않으며 텍스트 인코더, 트랜스포머, VAE 등 모든 단계를 fp32의 Diffusers 구현과 채널별로 비교합니다. 레퍼런스 머신인 16GB 통합 메모리 MacBook Pro M1 Pro에서 1024², 8스텝, CFG 1 기준으로 Qwen-Image-2.1-Turbo는 118초에 렌더링됩니다. 1024×1536 렌더는 190초, 참조 이미지 1장을 사용한 편집은 212초, 참조 이미지 2장을 사용한 편집은 285초가 걸립니다. 최대 메모리는 1.8~2.7GB 사이를 유지하며 스왑 아웃은 전혀 발생하지 않습니다. 같은 머신, 같은 해상도에서 Z-Image Turbo는 82~85초가 걸립니다.

• 3–5분과 118초가 모순이 아닌 이유. 게시물 작성자의 수치는 애플리케이션 내부에서 1080p로 실행한 Mac Mini M2이고, 앱의 수치는 직접 구동한 M1 Pro의 1024²입니다. 서로 다른 실리콘, 서로 다른 픽셀 수, 모델 주변에서 이루어지는 서로 다른 작업량. 어느 수치도 당신의 머신이 어떤 성능을 낼지 알려주지 않습니다.

• 앱이 보고하는 것은 자기 신고이며, 그렇게 밝히고 있다. 작성자는 작성자일 뿐이다. 그에 반해: 방법은 공개되어 있고, 모든 수치에는 명시된 측정 도구가 따라붙는다 — `phys_footprint`는 100ms마다 샘플링하고, 스왑은 `vm_stat`에서 가져온다 — 그리고 이 프로젝트는 한 줄만 채워진 칩 표와 독자가 직접 자기 것을 추가할 수 있는 공개 양식을 공개한다. 이는 벤더가 제공하는 것보다 많고, 독립 실험실보다는 적다.

• 메모리는 실행 가능성을 결정하는 수치입니다. 31.2GB Standard 설치가 16GB Mac에서 실행되는 것은 가중치가 필요할 때마다 디스크에서 스트리밍되며, 시스템 메모리의 4분의 3에서 2GB를 뺀 명시된 예산 안에서 처리되기 때문입니다. 그래서 설치 크기가 RAM보다 커도 자동으로 걸림돌이 되지는 않으며, 제약이 되는 것은 VRAM이 아니라 디스크 읽기 처리량입니다.

• 해상도 상한은 실제 한계입니다. macOS 포트는 출력을 1024×1536 서피스로 제한하며, 각 변은 512 이상이면서 16의 배수여야 합니다. 이는 16GB 머신에서 스왑 없이 측정된 최대 크기라는 근거에 따른 것입니다. 더 큰 렌더는 스래싱을 허용하기보다 애초에 거부됩니다. 작업에 기본 모델의 2048급 프리셋이 필요하다면, 이 로컬 경로는 그것을 제공하지 않습니다.

로컬 가중치는 모더레이션 계층이 없다는 뜻이며, 이는 양날의 검이다.

10월 13일 게시물에서 가장 많이 인용된 대목은 해당 모델이 NSFW 이미지를 생성한다는 점이다. 그것이 무엇인지, 무엇이 아닌지를 분명히 하는 것이 좋다.

업체가 광고하는 기능이 아니다. 모델 카드는 오픈 체크포인트의 콘텐츠 정책에 관해 아무것도 말하지 않으며, 라이선스에도 예외 조항이 없다. 비상업적 사용을 허가하고 관련 법규를 준수할 것을 요구할 뿐, 그게 전부다. 보고서가 서술하는 것은 자신의 하드웨어에서 확산 모델을 실행할 때 나타나는 지극히 평범한 결과다. 프롬프트와 샘플러 사이에 제공자가 없으니 걸릴 만한 제공자 측 필터도 없는 것이다. 모든 오픈 이미지 체크포인트가 이렇게 작동한다. 여기서 차이라면 속도와 패키징이다. 이 등급의 8스텝 모델은 이제 소비자용 하드웨어에서도 충분히 빨라서, 로컬 경로가 더 이상 타협처럼 느껴지지 않는다.

컴플라이언스 문제는 전적으로 여러분에게 넘어갑니다. 이 체크포인트를 기반으로 구축한 무엇이든 출시할 의도라면, 라이선스가 구속력 있는 제약 조건이며, 이는 허용적인 라이선스가 아닙니다 — 기본 모델은 동일한 비상업적 연구 조건에 따라 배포되며, Turbo 체크포인트는 이를 변경 없이 승계합니다. 로컬 추론은 출력물로 무엇을 할 수 있는지를 바꾸지 않습니다.

진정으로 새로운 부분: 에이전트가 호출할 수 있는 도구

두 보고서는 동일한 세부 사항에 수렴하며, 그것은 더 긴 꼬리를 가진 쪽입니다. 10월 13일 게시물은 에이전트가 머신의 로컬 이미지 서비스를 가리킬 수 있다고 언급합니다. macOS 포트는 정확히 그 인터페이스를 제공합니다: 앱 번들 내부에 있는 `silicontrol`이라는 도우미 바이너리로, 터미널에서 실행 중인 창을 제어하며, 모델을 나열하고, `--wait --out`으로 렌더를 대기열에 추가하고, 상태를 읽는 명령을 제공하며, 최종 `"ok"` 필드가 포함된 JSON 라인을 출력합니다. 대기열은 하나뿐이며, 동시에 두 개의 렌더가 실행되는 일은 없습니다.

JSON lines로 응답하고 파일 경로를 반환하는 로컬 이미지 엔드포인트는 툴 호출 대상이다. 이는 웹 UI에 프롬프트를 붙여 넣는 것과는 다른 차원의 이야기다. 코딩 에이전트가 다이어그램, 플레이스홀더, 또는 변형본이 필요하다고 스스로 판단해 로컬 서비스를 호출하고, API 키도, 이미지당 과금도, 데이터가 머신 밖으로 나가는 일도 없이 작업을 계속할 수 있다. 비상업적 작업 — 연구, 내부 프로토타입, 평가 하네스 — 에서 이는 8단계, 최대 메모리 3GB 미만으로 실현되는 진정으로 새로운 역량이다.

그것은 또한 가혹한 경계를 갖고 있으며, 같은 라이선스가 그 경계를 긋는다. 당신이 만드는 것이 연구 산출물이 아니라 제품이 되는 순간, 로컬 경로는 더 이상 쉬운 해답이 아니게 되고, 비상업적 제한이 결정적 사실이 된다.

라우팅 계층이 적합한 곳과 그렇지 않은 곳

Qwen-Image-2.1-Turbo는 연구용 라이선스로 제공되는 가중치 다운로드입니다. OrcaRouter의 호스팅 엔드포인트가 아니며, 여기에서 그렇게 해석될 만한 내용은 없습니다. 정직한 구분은 워크로드에 따릅니다.

이미지를 개인정보 보호, 비용, 또는 연결성 부재 때문에 직접 통제하는 머신에서 생성해야 한다면, 이 체크포인트와 로컬 러너가 답이며 라우팅 문제는 아예 생기지 않습니다 — 비상업적 라이선스와 디스크 예산이 두 가지 제약입니다. 반대로 프로덕션에서 이미지 모델을 호출하며, 요청이 신뢰할 수 있는 곳에 도달해야 하고 모델마다 공급업체 관계를 유지하고 싶지 않다면, 그것이 바로 그 문제를 해결하기 위해 OrcaRouter가 존재합니다: 공급자 정가로 마크업 없이 하나의 OpenAI 호환 엔드포인트 뒤에 있는 200개 이상의 모델, 공급자가 성능 저하될 때 자동 장애 조치, 그리고 기본값을 받아들이기보다 선호를 표현하고 싶은 경우를 위한 라우팅 DSL. 두 방식은 경쟁 관계가 아닙니다. 로컬 체크포인트는 책상 위의 도구이고, 라우터는 작업이 책상을 떠날 때 호출하는 호스팅 모델 앞에 두는 것입니다.

머릿속에서 이 둘을 분리해 두는 실용적인 이유는 그것들이 서로 다르게 실패하기 때문이다. 로컬 렌더는 머신이 바쁘거나, 디스크가 느리거나, 메모리 예산을 초과할 때 실패한다. 호스티드 호출은 제공자가 실패할 때 실패한다. 그중 오직 하나만이 페일오버로 해결할 가치가 있다.

우리가 여전히 말할 수 없는 것

이 체크포인트의 평판을 결정지을 세 가지가 있는데, 그중 어느 것도 아직 존재하지 않는다.

• 독립적인 평가가 없습니다. Turbo는 아레나 순위 항목도, 공개된 Elo 점수도, Qwen-Image-2.1이나 Z-Image Turbo 어느 쪽과 비교한 제3자 품질 비교도 없습니다. 기본 모델의 더 긴 샘플링 궤적에서 8단계로 낮췄을 때 치르는 품질 비용은 공개적으로는 그저 측정된 바가 없습니다.

• 벤더가 제공한 처리량이나 메모리 수치는 없습니다. 이 카드는 체크포인트의 특성을 설명할 뿐, 실행하는 데 드는 비용에 대해서는 아무것도 말하지 않습니다. 이 글에서 날짜가 아닌 모든 숫자는 사용자로부터 나온 것이며, 그 하나하나에는 측정에 사용된 기기가 명시되어 있습니다.

• 공개 표에 칩 하나뿐. macOS 이식판의 결과 표에는 채워진 행이 정확히 하나 있고, 그 행은 M1 Pro이며, 나머지 모두에게 자기 결과를 추가하라는 초대가 있습니다. 이걸 위해 하드웨어를 사려는 참이라면, 그 한 행에 Mac Mini M2 관련 일화 하나를 더해 추측하는 셈입니다.

자신 있게 말할 수 있는 것은 더 좁고, 그만큼 더 유용하다. 체크포인트는 존재하고, 날짜는 2026년 10월 9일이며, 7B에서 8단계로 생성과 편집을 수행하고, 그 스케줄은 가중치에 내장되어 있으며, 비상업용이고, 아무런 출시도 없이 일주일이 채 안 되어 저장소에서 데스크톱 소프트웨어 안에서 실행되는 상태로 넘어갔다. 그것은 로컬 이미지 생성에서 실제 사건이며, 누구도 공급업체에 책임을 물을 수 있는 수치를 공개하기 전에 일어나고 있다.

이와 같은 모델 선택은 또한 실패 모드가 드러나는 지점이기도 합니다: 이 부류의 모델에서 발생한 문서화된 AI 사고와 에이전트 실패가 수집되는 곳은 OrcaRouter AI Incident Archive이며, 각 항목은 자체 출처, 심각도, 신뢰도 등급 및 이의 제기 플래그를 포함합니다.