FLUX 3 Image Klein vs Qwen-Image 2.1 Turbo: A licença decide isto antes que os benchmarks o façam

FLUX 3 Image Klein, da Black Forest Labs em 15 de outubro de 2026, e Qwen-Image 2.1 Turbo, da Alibaba uma semana antes, em 9 de outubro de 2026, parecem o mesmo produto de duas empresas: pequenos geradores de imagens de pesos abertos que lidam com texto para imagem, edição e composição com múltiplas referências em um único conjunto de pesos, ambos aceitando até dez imagens de referência, ambos vindo com caminhos de inferência acelerada. Coloque as fichas técnicas lado a lado e o Qwen-Image 2.1 Turbo vence na maioria das linhas — mais parâmetros, menos etapas de denoising, transparência, máscaras. Depois leia as duas licenças, e o modelo menor, aparentemente mais lento e mais caro de se raciocinar sobre, acaba sendo o único dos dois no qual você pode construir um negócio sem assinar nada.

Essa inversão é a comparação inteira. Todo o resto — as contagens de parâmetros, os preços, os tempos de renderização — é um detalhe que você pondera depois de tê-la superado.

O que cada modelo realmente é

FLUX 3 Image Klein é um transformador de imagens de 5,6B parâmetros sob a FLUX Kommunity License, lançado como pesos abertos mais um endpoint com medição na própria API da BFL a partir de US$ 0,009 por 1 mil imagens. É o membro menor da família FLUX 3 Image e herda a superfície dessa família: saída 4K nativa, caixas delimitadoras escritas como [superior, esquerda, inferior, direita] numa grade de 0 a 1000, e até dez imagens de referência. É disponibilizado em dois checkpoints — uma versão destilada por passos com 16 passos para geração, e uma base não destilada com 50 passos para ajuste fino e treino de LoRA — além de quantizações FP8, INT8 e NVFP4. Os 5,6B referem-se apenas ao transformador de imagens; o codificador de texto, Qwen3-VL-4B-Instruct, é um download separado.

O Qwen-Image 2.1 Turbo é um checkpoint acelerado do Qwen-Image 2.1, mantendo a mesma arquitetura de geração visual de 7B — 32 camadas DiT de fluxo único — e reduzindo a inferência para 8 etapas de remoção de ruído com um cronograma de amostragem salvo e cache KV de prefixo. É um modelo unificado de geração e edição com uma lista de recursos que o Klein não iguala: transparência nativa, de modo que gera e edita imagens RGBA diretamente; e edições locais por meio de círculos desenhados, anotações pintadas ou máscaras separadas, em vez de caixas delimitadoras. Os pesos estão sob o Qwen Research License Agreement, e a versão hospedada tem preço de $0.016 por imagem por meio do Alibaba Cloud Model Studio e do QwenCloud.

Ambos são verdadeiros lançamentos de pesos abertos no sentido que importa para quem faz download: você pode obter os arquivos, executá-los localmente e fazer ajuste fino neles. O que você pode então fazer com a saída é uma questão diferente, e é a que os dois fornecedores respondem de maneira diferente.

A licença é o ponto em que eles se separam.

O Contrato de Licença de Pesquisa Qwen é inequívoco logo no início: a concessão é "APENAS PARA FINS NÃO COMERCIAIS", e a seção 2(b) diz que você "não deverá usar os Materiais para qualquer finalidade comercial sem obter uma licença comercial separada conosco". O termo que o contrato usa para Não Comercial é "fins de pesquisa ou avaliação". Isso significa que os pesos do Qwen-Image 2.1 Turbo não podem entrar em um produto sem uma licença negociada com o Hangzhou Tongyi Laboratory. Comprar o modelo por meio da API hospedada da Alibaba é um serviço comercial e está sujeito aos seus próprios termos — a restrição se aplica à auto-hospedagem do checkpoint, que é exatamente o que uma equipe pretende fazer ao escolher um modelo de pesos abertos.

O FLUX 3 Image Klein segue o caminho oposto. Sob a FLUX Kommunity License v1.0, os pesos são gratuitos para uso não comercial, e há uma exceção de uso comercial do resultado para "Usuários Qualificados" — indivíduos e empresas com receita bruta anualizada inferior a US$ 5 milhões. Abaixo desse limite, você pode comercializar o resultado do Klein sem custo além da sua própria capacidade de computação. Acima dele, você precisa de uma licença auto-hospedada da BFL ou então usar a API.

Então a divisão não é "um é aberto e o outro é fechado". Ambos podem ser baixados. Um pode ser baixado para pesquisa, o outro pode ser baixado para uso empresarial até um determinado limite de receita. Para um desenvolvedor independente ou um pequeno estúdio, essa única cláusula decide a disputa de imediato.

Vale a pena conhecer mais dois termos antes de se decidir por uma das opções. A licença do Klein proíbe usar o modelo, seus derivados ou seus resultados para melhorar outro modelo de IA que desempenhe função semelhante — a geração de dados sintéticos para treinar um modelo de imagem rival é o caso coberto por essa cláusula. E o acordo do Qwen exige que cópias redistribuídas incluam seu aviso de atribuição e que quaisquer arquivos modificados sejam marcados como alterados, o que é um procedimento administrativo comum em código aberto, mas é uma obrigação real se você planeja publicar um fine-tune.

Especificações, linha por linha

• Gerador de imagens — FLUX 3 Image Klein 5,6B de parâmetros vs Qwen-Image 2.1 Turbo 7B (32 camadas DiT de fluxo único), cada um contabilizado da forma como seu publicador o contabiliza, com codificadores de texto excluídos de ambos.

• Passos de remoção de ruído — Klein destilado em 16 passos, base em 50 vs Qwen Turbo em 8, com seu cronograma de amostragem salvo dentro do checkpoint.

• Saída máxima — Klein até 4K nativo de classe 4096px vs. os presets publicados do Qwen Turbo, que chegam no máximo a 2752×1536 (cerca de 4,2 MP), com 2048×2048 sendo o maior quadrado.

• Imagens de referência — dez em ambos.

• Controle de região — caixas delimitadoras em uma grade de 0–1000 para o Klein (posicionamento e escala, explicitamente não uma máscara de pixels rígida) vs. círculos desenhados, anotações pintadas ou uma máscara separada para o Qwen-Image 2.1.

• Transparência — Qwen-Image 2.1 gera e edita RGBA nativo; FLUX 3 Image Klein não faz nenhuma alegação de transparência nem em seu model card nem em sua página de produto.

• Tratamento do prompt — o Klein exige um upsampler de prompt antes de si, e seu cartão de modelo diz explicitamente para não executá-lo sem um; o Qwen Turbo aceita o prompt como escrito, com a extensão de prompt disponível como parâmetro de API.

• Licença — Licença FLUX Kommunity, produção comercial gratuita para receitas inferiores a 5 M$, em comparação com a Licença Qwen Research, apenas para uso não comercial, sendo necessária uma licença separada para utilizar os pesos comercialmente.

• Preço da API do fornecedor — $0,009 por 1 mil imagens, subindo para $0,036 em 4K, em comparação com um valor fixo de $0,016 por imagem em todas as predefinições.

O que as duas tabelas de preços realmente fazem em volume

A tabela de preços da Klein escala com a resolução; a do Qwen Turbo, não. Isso produz um ponto de cruzamento fácil de passar despercebido quando você compara os números principais.

• 10.000 imagens em 1K — Klein $90 vs. Qwen-Image 2.1 Turbo $160. Klein é 44% mais barato.

• 10.000 imagens em 2K — Klein $140 vs Qwen-Image 2.1 Turbo $160. Klein ainda é mais barato, em 12,5%.

• 10.000 imagens em 4K — Klein US$ 360. O Qwen-Image 2.1 Turbo não tem predefinição em 4K para servir de comparação de preço; a sua maior é 2752×1536 pelo mesmo valor de US$ 160.

Esses são cálculos sobre duas tabelas de preços publicadas, não orçamentos. O ponto de virada fica entre 2K e 4K, e existe porque os dois fornecedores precificaram em unidades diferentes: a BFL cobra por imagem por faixa de resolução, a Alibaba cobra um valor fixo por imagem. Se a sua carga de trabalho estiver em 1K ou 2K, Klein é a opção mais barata em ambas as APIs, o que é o oposto do que "o modelo Qwen barato" levaria você a esperar. Se ela estiver em 4K real, o Qwen-Image 2.1 Turbo não consegue atendê-la de forma alguma por meio dos presets publicados, então a questão não é preço.

A comparação ganha mais uma nuance quando você hospeda por conta própria em vez de chamar uma API. No seu próprio hardware, não existe nenhuma tarifa por imagem — há um custo fixo para a GPU e um custo por imagem em segundos — e os dois modelos não estão nem perto no que precisam para rodar.

Executando-os você mesmo

Some as listagens de arquivos publicadas e a disparidade é gritante. Os três componentes BF16 do FLUX 3 Image Klein — um transformer de 11,1 GB, um codificador de texto de 8,9 GB e um autoencoder de 0,34 GB — somam cerca de 20,3 GB, e a build INT8 roda em uma RTX com apenas 8 GB de VRAM, com a documentação da BFL colocando o mínimo em uma RTX 3090. O download BF16 do Qwen-Image 2.1 Turbo é dominado por um codificador de texto de 17,53 GB, com o transformer dividido em um fragmento de 9,97 GB e um de 4,26 GB e um VAE de 0,68 GB — cerca de 32,4 GB no total, então só seu codificador de texto é maior do que tudo o que o Klein precisa em conjunto. Ambos os números são nossas somas das próprias listagens de arquivos dos fornecedores, não totais publicados pelos fornecedores.

A velocidade é onde a contagem de passos engana. O checkpoint destilado do Klein executa duas vezes mais passos do que os oito do Qwen Turbo, mas os números medidos da BFL — obtidos pela NVIDIA, no ComfyUI, na build destilada INT8 — colocam uma imagem de 1 MP em cerca de 4 segundos numa RTX 5090 e em menos de 9 segundos numa RTX 4070, caindo para menos de 0,6 segundos numa GB300 em NVFP4. A Alibaba não publica um número comparável por GPU para o Turbo, pelo que a posição honesta é que os oito passos do Turbo são arquiteturalmente o caminho mais curto e que ninguém fora da Alibaba publicou segundos para ele em hardware de consumidor.

Reserve orçamento para o upsampler do Klein, seja qual for o modelo que escolher. O upsampler de prompt não é opcional para ele — flux-3-image-klein-pup é um modelo de visão-linguagem separado de 9B, um download de 18,8 GB em BF16 que adiciona cerca de 28 GB de memória de GPU em uma placa de 80 GB quando é executado junto com o gerador. Essa única dependência elimina a vantagem de VRAM do Klein para quem implanta em uma única placa pequena, a menos que a legenda seja produzida em outro lugar e passada como entrada.

Nenhum dos modelos tem uma pontuação de qualidade independente.

Esta é a linha que ambas as fichas técnicas deixam em branco, e vale a pena ser preciso sobre o quão em branco. Em 16 de outubro de 2026, a Artificial Analysis mantém quadros separados de texto para imagem e de edição de imagem, e nenhum deles traz uma entrada para FLUX 3 Image Klein ou para Qwen-Image 2.1 Turbo. O que os quadros trazem é a geração anterior de cada família, que é o mais próximo que há de uma leitura independente disponível:

• Texto para imagem — Qwen-Image 2.1 (o checkpoint base, não o Turbo) ocupa a 20ª posição, com 1.041 Elo em 5.356 comparações, lançado em setembro de 2026. O FLUX 3 Image, o irmão maior sob o qual o Klein se enquadra, ocupa a 13ª posição, com 1.114 Elo em 5.769 comparações.

• Edição de imagens — O Qwen-Image 2.1 ocupa o 19º lugar, com 1.081 Elo em 6.138 comparações. O FLUX 3 Image não tem nenhuma entrada no ranking de edição; o modelo FLUX mais próximo listado é o FLUX.2 [Klein] 9B, com 1.015 Elo em 6.905 comparações.

Leia esses dados como contexto, não como uma previsão. O Qwen-Image 2.1 base não é o Turbo — um checkpoint destilado troca qualidade por passos, e o quanto exatamente é justamente a questão que a ausência do Turbo no ranking deixa em aberto. O FLUX 3 Image também não é o Klein, e o próprio post de lançamento da Black Forest Labs nunca compara os dois, o que significa que não há nenhum número publicado em lugar nenhum que diga o quanto o Klein fica abaixo de seu irmão maior. E no ranking de edição, o modelo que a BFL diz que o Klein supera em 70 Elo — FLUX.2 [klein] 9B — está em 1.015, cerca de 66 Elo abaixo de onde o Qwen-Image 2.1 fica. A alegação da BFL é que o Klein supera essa diferença e mais; a única evidência disso no momento é o próprio gráfico da BFL.

Qual escolher

Escolha o FLUX 3 Image Klein se o resultado tiver de ser comercial e a empresa for pequena. É o único dos dois cujos pesos vêm com um caminho comercial utilizável associado, sem necessidade de negociação, é mais barato por imagem em ambas as APIs a 1K e 2K, e atinge 4K. Reserve orçamento para o upsampler e leia as restrições da licença quanto ao treino de concorrentes e à redistribuição de fine-tunes antes de construir um pipeline de dados em torno dele.

Escolha o Qwen-Image 2.1 Turbo se a transparência ou a edição local baseada em máscara for o recurso de que você realmente precisa — o Klein não oferece nenhum dos dois — ou se você estiver executando pesquisa, avaliação ou um protótipo interno em que a cláusula de uso não comercial nunca se aplica. Oito passos e uma arquitetura 7B tornam-no eficiente para experimentar localmente; o consumo de 32,4 GB em BF16 é o custo dessa experiência.

Se você precisar dos dois, a divisão é legítima: Qwen-Image 2.1 Turbo para a fase de exploração e seu caminho de transparência, FLUX 3 Image Klein para o caminho de entrega. Isso é uma decisão de licenciamento tanto quanto técnica.

Onde realmente ligar para elas

Ambos os modelos estão acessíveis por meio da própria API do fornecedor — BFL para o Klein, Alibaba Cloud Model Studio e QwenCloud para o Turbo — e por várias plataformas de terceiros. Nenhum dos dois está no catálogo da OrcaRouter hoje, e preferimos dizer isso a fazer alusão a uma história de roteamento que não podemos sustentar. O que podemos dizer é onde o fluxo de trabalho em torno deles se encaixa: a OrcaRouter já roteia um conjunto de modelos de imagem hospedados ao lado de mais de 200 modelos de texto e multimodais por trás de uma única chave de API, com 0% de markup sobre o preço de tabela do fornecedor e failover automático entre fornecedores. Equipes que usam um modelo de imagem hospedado para o caminho interativo e mantêm um checkpoint de pesos abertos para trabalho em lote estão executando exatamente a divisão para a qual um endpoint único foi criado, e, se um desses dois entrar no catálogo, será aí que ele aparecerá.

O que é preciso observar não é a próxima ficha técnica. É o primeiro Elo independente para qualquer um dos modelos, no mesmo quadro onde os seus antecessores já se encontram. Até isso acontecer, as duas alegações em jogo — a da BFL de "qualidade de pesos abertos líder com menos parâmetros" e a da Alibaba de "mais equilibrado e com melhor relação custo-benefício" — são ambas publicidade, e as únicas linhas desta comparação sobre as quais pode agir com confiança são a licença, a lista de preços e o limite mínimo de VRAM.

Essa lacuna entre o que um placar mede e o que uma implantação enfrenta é a razão pela qual o registro importa: as falhas de IA documentadas e os incidentes com agentes envolvendo modelos dessa classe estão reunidos em o OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e indicador de contestação.