FLUX 3 Image Klein vs Qwen-Image 2.1 Turbo: Licencja rozstrzyga ten pojedynek, zanim zrobią to benchmarki

FLUX 3 Image Klein, od Black Forest Labs z 15 października 2026 r., oraz Qwen-Image 2.1 Turbo, od Alibaba tydzień wcześniej, 9 października 2026 r., wyglądają jak ten sam produkt dwóch firm: małe generatory obrazów z otwartymi wagami, które obsługują zamianę tekstu na obraz, edycję i kompozycję wieloreferencyjną w ramach jednego zestawu wag, oba przyjmują do dziesięciu obrazów referencyjnych i oba są dostarczane z przyspieszonymi ścieżkami wnioskowania. Postaw obok siebie karty specyfikacji, a Qwen-Image 2.1 Turbo wygrywa w większości wierszy — więcej parametrów, mniej kroków odszumiania, przezroczystość, maski. Potem przeczytaj obie licencje i okazuje się, że mniejszy, sprawiający wrażenie wolniejszego i droższy w rozumowaniu model jest jedynym z tej dwójki, na którym możesz zbudować biznes, nie podpisując niczego.

Ta inwersja to całe porównanie. Wszystko inne — liczba parametrów, ceny, czasy renderowania — to szczegół, który rozważasz dopiero wtedy, gdy już przez nią przebrniesz.

Czym tak naprawdę jest każdy model

FLUX 3 Image Klein to transformator obrazu o 5,6 mld parametrów objęty licencją FLUX Kommunity License, udostępniony jako otwarte wagi wraz z rozliczanym endpointem w API BFL, od 0,009 USD za 1000 obrazów. Jest mniejszym członkiem rodziny FLUX 3 Image i dziedziczy jej zestaw funkcji: natywne wyjście 4K, pola ograniczające (bounding boxes) zapisywane jako [góra, lewo, dół, prawo] na siatce 0–1000 oraz do dziesięciu obrazów referencyjnych. Jest dostarczany w dwóch checkpointach — wersji destylowanej krokowo (step-distilled) przy 16 krokach do generowania oraz niedestylowanej wersji bazowej przy 50 krokach do dostrajania i trenowania LoRA — a także w kwantyzacjach FP8, INT8 i NVFP4. Liczba 5,6 mld dotyczy samego transformatora obrazu; enkoder tekstu, Qwen3-VL-4B-Instruct, jest osobnym plikiem do pobrania.

Qwen-Image 2.1 Turbo to przyspieszony checkpoint Qwen-Image 2.1, zachowujący tę samą architekturę generowania wizualnego 7B — 32 warstwy DiT z pojedynczym strumieniem — i skracający wnioskowanie do 8 kroków odszumiania dzięki zapisanemu harmonogramowi próbkowania i buforowaniu KV prefiksu. To zunifikowany model generowania i edycji z listą funkcji, której Klein nie dorównuje: natywna przezroczystość, więc generuje i edytuje obrazy RGBA bezpośrednio; oraz lokalne edycje za pomocą rysowanych okręgów, malowanych adnotacji lub osobnych masek zamiast ramek ograniczających. Wagi są objęte Umową licencyjną Qwen Research, a wersja hostowana jest wyceniona na 0,016 USD za obraz za pośrednictwem Alibaba Cloud Model Studio i QwenCloud.

Oba są prawdziwymi wydaniami z otwartymi wagami w sensie, który ma znaczenie dla osoby pobierającej: możesz pobrać pliki, uruchomić je lokalnie i dostroić je. To, co możesz następnie zrobić z wynikiem, to już inne pytanie — i to właśnie na nie dwaj dostawcy odpowiadają różnie.

Licencja jest punktem, w którym się rozchodzą.

Umowa licencyjna Qwen Research License Agreement jest jednoznaczna już na samym początku: licencja jest udzielana „WYŁĄCZNIE DO CELÓW NIEKOMERCYJNYCH", a sekcja 2(b) mówi, że „nie wolno wykorzystywać Materiałów do żadnych celów komercyjnych bez uzyskania od nas odrębnej licencji komercyjnej". Słowem, którego umowa używa na określenie celu niekomercyjnego, jest „cele badawcze lub ewaluacyjne". Oznacza to, że Qwen-Image 2.1 Turbo w postaci wag nie może trafić do produktu bez wynegocjowanej licencji od Hangzhou Tongyi Laboratory. Zakup modelu za pośrednictwem hostowanego API Alibaby to usługa komercyjna i wiąże się z własnymi warunkami — ograniczenie dotyczy samodzielnego hostowania checkpointu, czyli dokładnie tego, po co zespół sięga po model z otwartymi wagami.

FLUX 3 Image Klein działa odwrotnie. Na mocy licencji FLUX Kommunity License v1.0 wagi są darmowe do użytku niekomercyjnego, a istnieje wyjątek dotyczący komercyjnego wykorzystania wyników dla „Qualifying Users” — osób i firm o rocznym przychodzie brutto poniżej 5 mln USD. Poniżej tego progu możesz komercyjnie rozpowszechniać wyniki działania Kleina bez żadnych kosztów poza własną mocą obliczeniową. Powyżej niego potrzebujesz licencji na własny hosting od BFL albo korzystasz z API.

Więc podział nie polega na tym, że „jeden jest otwarty, a drugi zamknięty”. Oba można pobrać. Jeden można pobrać do celów badawczych, drugi można pobrać dla firmy do pewnego progu przychodów. Dla niezależnego dewelopera lub małego studia ta pojedyncza klauzula przesądza o wyniku starcia.

Warto znać jeszcze dwa warunki, zanim dokonasz wyboru. Licencja Kleina zabrania wykorzystywania modelu, jego pochodnych lub jego wyników do ulepszania innego modelu AI pełniącego podobną funkcję — generowanie danych syntetycznych do trenowania konkurencyjnego modelu obrazowego to przypadek objęty tą klauzulą. Natomiast umowa Qwen wymaga, aby redystrybuowane kopie zawierały notę o autorstwie Qwen, a wszelkie zmodyfikowane pliki były oznaczone jako zmienione; to zwykła formalność w open source, ale prawdziwy obowiązek, jeśli planujesz opublikować dostrojony model.

Specyfikacje, wiersz po wierszu

• Generator obrazów — FLUX 3 Image Klein 5,6 mld parametrów vs Qwen-Image 2.1 Turbo 7B (32 jednostrumieniowe warstwy DiT), każdy liczony tak, jak liczy go jego wydawca, z pominięciem enkoderów tekstu w obu przypadkach.

• Kroki odszumiania — Klein destylowany przy 16 krokach, base przy 50 vs Qwen Turbo przy 8, z harmonogramem próbkowania zapisanym wewnątrz checkpointu.

• Maks. rozdzielczość wyjściowa — Klein do natywnego 4K klasy 4096px vs publikowane presety Qwen Turbo sięgające maksymalnie 2752×1536 (około 4,2 MP), przy czym 2048×2048 to największy kwadrat.

• Zdjęcia referencyjne — po dziesięć na obu.

• Sterowanie regionem — ramki ograniczające na siatce 0–1000 dla Klein (położenie i skala, wyraźnie nie twarda maska pikselowa) kontra narysowane okręgi, namalowane adnotacje lub osobna maska dla Qwen-Image 2.1.

• Przezroczystość — Qwen-Image 2.1 generuje i edytuje natywne RGBA; FLUX 3 Image Klein nie deklaruje obsługi przezroczystości ani na karcie modelu, ani na stronie produktu.

• Obsługa promptów — Klein wymaga upsamplera promptu przed sobą, a jego karta modelu wprost mówi, żeby nie uruchamiać go bez niego; Qwen Turbo przyjmuje prompt tak, jak został zapisany, z rozszerzeniem promptu dostępnym jako parametr API.

• Licencja — FLUX Kommunity License, komercyjne wykorzystanie wyników bezpłatne przy przychodach poniżej 5 mln USD, w porównaniu z Qwen Research License, wyłącznie niekomercyjna, do komercyjnego wykorzystania wag wymagana jest odrębna licencja.

• Cena API dostawcy — 0,009 USD za 1 tys. obrazów, rosnąca do 0,036 USD przy 4K w porównaniu ze stałą stawką 0,016 USD za obraz przy każdym presecie.

Co tak naprawdę robią dwie listy cenowe przy dużym wolumenie

Cennik Kleina skaluje się wraz z rozdzielczością; cennik Qwen Turbo już nie. Daje to punkt przecięcia, który łatwo przeoczyć, porównując liczby z nagłówka.

• 10 000 obrazów w 1K — Klein 90 USD vs Qwen-Image 2.1 Turbo 160 USD. Klein jest o 44% tańszy.

• 10 000 obrazów w 2K — Klein 140 USD vs Qwen-Image 2.1 Turbo 160 USD. Klein jest nadal tańszy, o 12,5%.

• 10 000 obrazów w 4K — Klein 360 USD. Qwen-Image 2.1 Turbo nie ma presetu 4K, z którym można by porównać cenę; jego największy to 2752×1536 przy tej samej cenie 160 USD.

To obliczenia na podstawie dwóch opublikowanych cenników, a nie wyceny. Punkt przecięcia wypada między 2K a 4K i istnieje, ponieważ obaj dostawcy wyceniali w różnych jednostkach: BFL pobiera opłatę za obraz według przedziału rozdzielczości, a Alibaba pobiera stałą opłatę za obraz. Jeśli Twoje obciążenie pracuje na poziomie 1K lub 2K, Klein jest tańszym wyborem w obu API, co jest odwrotnością tego, czego można by oczekiwać po „tanim modelu Qwen”. Jeśli pracuje w prawdziwym 4K, Qwen-Image 2.1 Turbo nie może obsłużyć takiego obciążenia w ogóle za pomocą opublikowanych presetów, więc nie chodzi o cenę.

Porównanie zyskuje jeszcze jeden niuans, gdy hostujesz samodzielnie zamiast wywoływać API. Na własnym sprzęcie nie ma w ogóle stawki za obraz — jest stały koszt GPU i koszt za obraz wyrażony w sekundach — a oba modele nie są nawet blisko pod względem tego, czego potrzebują do uruchomienia.

Uruchamianie ich samodzielnie

Zsumuj opublikowane wykazy plików, a różnica jest uderzająca. Trzy komponenty BF16 modelu FLUX 3 Image Klein — transformer o rozmiarze 11,1 GB, enkoder tekstu 8,9 GB i autoenkoder 0,34 GB — dają w sumie około 20,3 GB, a wersja INT8 działa na karcie RTX z zaledwie 8 GB VRAM, przy czym dokumentacja BFL jako minimum podaje RTX 3090. Pobieranie wersji BF16 Qwen-Image 2.1 Turbo jest zdominowane przez enkoder tekstu o rozmiarze 17,53 GB, a transformer podzielono na shardy o rozmiarach 9,97 GB i 4,26 GB oraz VAE o rozmiarze 0,68 GB — łącznie około 32,4 GB, więc sam jego enkoder tekstu jest większy niż wszystko, czego potrzebuje Klein razem wzięte. Obie liczby to nasze sumy własnych wykazów plików dostawców, a nie sumy opublikowane przez dostawców.

Szybkość to obszar, w którym liczby kroków mogą wprowadzać w błąd. Destylowany checkpoint Kleina wykonuje dwa razy więcej kroków niż osiem kroków Qwen Turbo, ale zmierzone wartości BFL — uzyskane przez NVIDIA, w ComfyUI, na destylowanej kompilacji INT8 — wskazują, że obraz 1 MP zajmuje około 4 sekund na RTX 5090 i poniżej 9 sekund na RTX 4070, spadając poniżej 0,6 sekundy na GB300 w NVFP4. Alibaba nie publikuje porównywalnych danych na GPU dla Turbo, więc uczciwe stanowisko jest takie, że osiem kroków Turbo to architektonicznie krótsza ścieżka, a nikt poza Alibabą nie opublikował dla niego czasów w sekundach na sprzęcie konsumenckim.

Uwzględnij w budżecie upsampler Kleina, niezależnie od tego, który model wybierzesz. Upsampler podpowiedzi nie jest dla niego opcjonalny — flux-3-image-klein-pup to oddzielny 9B model wizyjno-językowy, plik BF16 o rozmiarze 18,8 GB do pobrania, który dodaje około 28 GB pamięci GPU na karcie 80 GB, gdy działa równolegle z generatorem. Ta pojedyncza zależność niweczy przewagę Kleina pod względem VRAM u każdego, kto wdraża go na jednej małej karcie, chyba że opis jest tworzony gdzie indziej i przekazywany.

Żaden z modeli nie ma niezależnej oceny jakości

To jest wiersz, który obie karty specyfikacji pozostawiają pusty, i warto być precyzyjnym co do tego, jak bardzo pusty. Na dzień 16 października 2026 r. Artificial Analysis prowadzi osobne rankingi text-to-image i image-editing i żaden z nich nie zawiera wpisu dla FLUX 3 Image Klein ani dla Qwen-Image 2.1 Turbo. To, co te rankingi zawierają, to poprzednia generacja z każdej rodziny, czyli najbliższy dostępny odpowiednik niezależnego odczytu:

• Tekst na obraz — Qwen-Image 2.1 (podstawowy checkpoint, nie Turbo) zajmuje 20. miejsce z wynikiem 1 041 Elo na podstawie 5 356 porównań; wydany we wrześniu 2026 r. FLUX 3 Image, większy krewniak, w ramach którego plasuje się Klein, zajmuje 13. miejsce z 1 114 Elo na podstawie 5 769 porównań.

• Edycja obrazów — Qwen-Image 2.1 zajmuje 19. miejsce z wynikiem 1 081 Elo na podstawie 6 138 porównań. FLUX 3 Image w ogóle nie ma wpisu na tablicy edycji; najbliższym wymienionym modelem FLUX jest FLUX.2 [Klein] 9B z wynikiem 1 015 Elo na podstawie 6 905 porównań.

Czytaj to jako kontekst, a nie jako prognozę. Bazowy Qwen-Image 2.1 nie jest Turbo — destylowany checkpoint oddaje jakość w zamian za kroki, a ile dokładnie, to właśnie pytanie, które nieobecność Turbo na tablicy pozostawia otwarte. FLUX 3 Image też nie jest Klein, a własny wpis premierowy Black Forest Labs nigdy nie porównuje tych dwóch, co oznacza, że nigdzie nie ma opublikowanej liczby mówiącej, jak daleko Klein ustępuje swojemu większemu bratu. A na tablicy edycyjnej model, o którym BFL twierdzi, że Klein bije go o 70 Elo — FLUX.2 [klein] 9B — znajduje się na poziomie 1 015, czyli około 66 Elo poniżej miejsca, na którym ląduje Qwen-Image 2.1. Twierdzenie BFL jest takie, że Klein pokonuje tę lukę i to z nawiązką; jedynym dowodem na to w tej chwili jest własny wykres BFL.

Który wybrać

Wybierz FLUX 3 Image Klein, jeśli wynik ma być komercyjny, a firma jest mała. To jedyny z tych dwóch, którego wagi mają dołączoną użyteczną ścieżkę komercyjną bez konieczności negocjacji, jest tańszy za obraz w przypadku obu API przy 1K i 2K, a do tego sięga 4K. Zaplanuj budżet na upsampler i zapoznaj się z ograniczeniami licencji dotyczącymi trenowania konkurencji oraz redystrybucji dostrojonych modeli, zanim zbudujesz wokół tego rozwiązania pipeline danych.

Wybierz Qwen-Image 2.1 Turbo, jeśli przezroczystość lub lokalna edycja oparta na maskach to funkcja, której naprawdę potrzebujesz — Klein nie oferuje żadnej z nich — albo jeśli prowadzisz badania, ewaluację lub wewnętrzny prototyp, w których klauzula niekomercyjna nigdy nie wiąże. Osiem kroków i architektura 7B sprawiają, że lokalne eksperymentowanie z nim jest wydajne; kosztem tego eksperymentu jest zapotrzebowanie na 32,4 GB w BF16.

Jeśli potrzebujesz obu, podział jest uzasadniony: Qwen-Image 2.1 Turbo do fazy eksploracji i jego ścieżki przezroczystości, FLUX 3 Image Klein do ścieżki produkcyjnej. To decyzja licencyjna w takim samym stopniu jak techniczna.

Gdzie właściwie do nich zadzwonić

Oba modele są dostępne przez własne API dostawcy — BFL w przypadku Klein, Alibaba Cloud Model Studio i QwenCloud w przypadku Turbo — oraz za pośrednictwem kilku platform zewnętrznych. Żaden z nich nie znajduje się dziś w katalogu OrcaRouter i wolimy powiedzieć to wprost, niż sugerować historię routingu, której nie możemy poprzeć. Możemy natomiast powiedzieć, gdzie wpisuje się otaczający je przepływ pracy: OrcaRouter już kieruje zestawem hostowanych modeli obrazów obok ponad 200 modeli tekstowych i multimodalnych za jednym kluczem API, przy 0% narzutu na cenę katalogową dostawcy i z automatycznym przełączaniem awaryjnym między dostawcami. Zespoły, które używają hostowanego modelu obrazów do ścieżki interaktywnej, a checkpoint z otwartymi wagami zachowują do pracy wsadowej, realizują dokładnie ten podział, dla którego stworzono pojedynczy punkt końcowy, a jeśli którykolwiek z tych dwóch trafi do katalogu, to właśnie tam się pojawi.

Na co warto zwracać uwagę, to nie kolejna karta specyfikacji. To pierwszy niezależny ranking Elo dla obu tych modeli, na tej samej tablicy rankingowej, na której są już ich poprzednicy. Dopóki to się nie pojawi, oba twierdzenia w grze — BFL o „wiodącej jakości otwartych wag przy mniejszej liczbie parametrów” i Alibaba o „najbardziej zrównoważonym i opłacalnym” — są reklamą, a jedyne wiersze w tym porównaniu, na których możesz z pewnością polegać, to licencja, cennik i minimalny poziom VRAM.

Ta luka między tym, co mierzy tablica wyników, a tym, co napotyka wdrożenie, jest powodem, dla którego ten rejestr ma znaczenie: udokumentowane awarie AI i incydenty z agentami dotyczące modeli z tej klasy są gromadzone w Archiwum Incydentów AI OrcaRouter, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporności.