Qwen-Image-2.1-Turbo: что такое 8-шаговый чекпоинт и чем он отличается от Qwen-Image-2.1

Qwen-Image-2.1-Turbo — это ускоренный чекпойнт Qwen-Image-2.1: та же 7B-основа для генерации изображений, те же две задачи — генерация изображений по тексту и редактирование изображений по инструкции — и восемь шагов шумоподавления, тогда как в собственных примерах базового чекпойнта используется сорок. Это не новая архитектура и не новое семейство моделей, и внутри файла нет второй модели. Чекпойнт был опубликован на Hugging Face 9 октября 2026 года; эта дата подтверждается как временной меткой создания репозитория, так и строкой в собственном списке новостей проекта Qwen-Image; всё ниже — это действующее описание модели, заново установленное 13 октября 2026 года на основе собственных материалов производителя, а не из чьего-либо пересказа о ней.

Если вы ввели название модели, чтобы узнать, что это такое, краткий ответ — предыдущий абзац. Полезный ответ — это контраст.

Вариант Turbo, по одному измерению за раз

Каждая из приведённых ниже строк взята из собственного репозитория чекпойнта — карточки модели, model_index.json, transformer/config.json и LICENSE — либо из репозитория проекта Qwen-Image на GitHub, прочитанного сегодня. Там, где поставщик ничего не публикует, это указано, а не додумано.

• Количество шагов — 8 шагов шумоподавления для Qwen-Image-2.1-Turbo против 40 для Qwen-Image-2.1. 40 — это собственный показатель производителя, используемый во всех примерах Qwen-Image-2.1 в его карточке и указанный по умолчанию в таблице параметров проекта на GitHub.

• Скорость — количество шагов — это единственное заявление о скорости, которое делает Qwen, и это количество, а не измерение. Ни для одного из чекпоинтов не приводятся данные о задержке, пропускной способности или количестве изображений на GPU, и ни одна из карточек не указывает, на каком оборудовании были сгенерированы её примеры.

• Компромисс по качеству — не поддаётся количественной оценке. Для Qwen-Image-2.1-Turbo нет оценочного балла, нет его и для Qwen-Image-2.1, и нигде в материалах производителя нет прямого сравнения между ними. Демонстрационные изображения на карточке Turbo — это результаты за восемь шагов, отобранные производителем; они показывают, что чекпойнт создаёт изображения, а не то, насколько пришлось пожертвовать точностью, чтобы достичь восьми шагов. На момент написания нам не был доступен сторонний бенчмарк ни для одного из этих чекпойнтов.

• Где хранится расписание сэмплирования — это единственное структурное различие, которое выявляют карточки. У Turbo model_index.json содержит sample_sigmas — массив из восьми значений, от 1,0 до 0,414568, и в карточке указано, что расписание сохраняется вместе с чекпойнтом и загружается автоматически — «установка одного лишь num_inference_steps не переопределяет его». Qwen-Image-2.1 принимает количество шагов во время вызова. Аварийный выход — это явное указание sigmas в качестве аргумента во время вызова, и в карточке отмечено, что другие расписания «не были оценены для этого чекпойнта».

• Базовая сеть — идентична. У Turbo transformer/config.json совпадает с базовым чекпоинтом поле за полем: 32 слоя, 32 головы внимания по 128 измерений каждая, размер патча 1, 64 входных и выходных канала, causal_condition true, размерность входного контекста 4096. Единственное значение, которое отличается между двумя файлами — записанная версия Diffusers.

• Текстовый энкодер, VAE и планировщик — модели Turbo model_index.jsonуказывает Qwen3VLForConditionalGeneration в качестве текстового энкодера с Qwen3VLProcessor, AutoencoderKLQwenImage21 VAE и FlowMatchEulerDiscreteScheduler. Это те же классы компонентов, которые объявляет Qwen-Image-2.1. В заметках об архитектуре проекта общий текстовый энкодер описывается как визуально-языковая модель Qwen3-VL 8B, а VAE — как 64-канальный RGBA-автоэнкодер с 16-кратным пространственным сжатием.

• Guidance по умолчанию — карточка Turbo по умолчанию указывает CFG 1, что убирает проход classifier-free guidance из каждого шага. Карточка базовой модели вообще не указывает значение guidance по умолчанию.

• Пресеты разрешения —те же семь в обоих, дословно взятые из карточки Turbo: 1:1 при 2048 × 2048, 4:3 при 2400 × 1792, 3:4 при 1792 × 2400, 3:2 при 2528 × 1696, 2:3 при 1696 × 2528, 16:9 при 2752 × 1536 и 9:16 при 1536 × 2752.

• Объём на диске — общий размер файлов в самом репозитории Turbo составляет примерно 32,5 ГБ, включая трансформер на 14,2 ГБ, текстовый энкодер на 17,5 ГБ и VAE на 0,7 ГБ, по опубликованным в репозитории размерам файлов на сегодня. Это набор компонентов базового чекпоинта с точностью bfloat16, а вендор не поставляет собственную квантованную сборку.

Что Qwen на самом деле говорит о компромиссе между скоростью и точностью

Заявление вендора скромнее, чем можно судить по заголовку, и его стоит прочитать дословно в самой карточке. Qwen-Image-2.1-Turbo описывается как «ускоренный чекпоинт Qwen-Image-2.1 для генерации изображений по тексту и редактирования изображений с 8 шагами удаления шума», который «использует ту же 7B-архитектуру визуальной генерации и загружается напрямую с помощью QwenImage21Pipeline». В карточке выгода описана процедурно, а не визуально: чекпоинт «включает рекомендуемое расписание сэмплирования, поэтому он готов к использованию без ручной настройки планировщика».

Названы три механизма, и только три. Сам восьмишаговый график. CFG 1 по умолчанию, который пропускает этап guidance. И кэширование префиксов KV, которое «переиспользует контекст текста и референсного изображения между шагами денойзинга» — механизм, который также описывает модель Base, и который имеет большее, а не меньшее значение, когда цикл длится всего восемь итераций.

Теперь о том, чего там нет. В карточке нигде не сказано, что чекпойнт Turbo соответствует по качеству выводу Qwen-Image-2.1. Не сказано и о том, сколько качества было принесено в жертву и какие категории деградируют первыми — текстуры, мелкий текст, лица, согласованность при нескольких референсах. Слово «дистилляция» не употребляется вовсе, и нигде в репозитории не говорится о связи «учитель — ученик». А вот что метаданные действительно сообщают, так это производный характер: в тегах Hugging Face указаны base_model:Qwen/Qwen-Image-2.1 и base_model:finetune:Qwen/Qwen-Image-2.1, а в записи модели на ModelScope тот же родитель указан с отношением «finetune». Собственная позиция Qwen, иными словами, — это файнтюн базового чекпойнта, а вопрос качества остаётся на усмотрение того, кто его запускает.

Это не столько критика, сколько форма выпуска. Вендор, выпускающий ускоренный чекпойнт без бенчмарка, сам провоцирует именно то сравнение, которое читателю теперь приходится проводить самостоятельно: тот же промпт, тот же seed, оба чекпойнта, сорок шагов против восьми.

Входы, выходы и насколько велика эта штука на самом деле

В карточке описаны две входные модальности и одна выходная, и они относятся к базовой модели, без изменений.

• Текст на входе — изображение на выходе — текстовый запрос создаёт растровое изображение. Разобранный в карточке пример — это постер в портретной ориентации размером 1696 × 2528, а демонстрация охватывает портретную фотографию, типографику и дизайн постеров, а также UI и информационную вёрстку, что является утверждением Qwen о точности отрисовки текста и вёрстки, а не измерением её.

• Изображение на входе — изображение на выходе — тот же конвейер принимает входное изображение вместе с промптом для редактирования по инструкции. В примере на карточке эскиз яхты превращается в фотореалистичную фотографию с разрешением 2048 × 2048, а входные данные загружаются в формате RGBA. В витрине также демонстрируются композиция с несколькими референсами и интерьерная композиция из четырёх изображений. Одно число, с которым здесь стоит быть внимательным: показатель «до 10 референсных изображений» относится к документации Qwen-Image-2.1, а в карточке Turbo ограничение на число референсных изображений не повторяется. Считайте 10 опубликованным показателем базовой модели, а не спецификацией Turbo.

• Прозрачность — в карточке генерация прозрачных изображений указана среди демонстрационных категорий, а поставляемый класс VAE — это тот же 64-канальный RGBA-автоэнкодер, который использует базовая модель, поэтому вывод альфа-канала задокументирован для этого чекпоинта, а не просто унаследован по названию.

• Разрешение вывода — те же семь предустановок, перечисленных выше, вплоть до 2752 × 1536 в альбомной ориентации и 1536 × 2752 в портретной, при этом уровень по умолчанию — 2048 × 2048. В проекте Qwen-Image-2.1 описывается как нативно поддерживающий разрешение 2K; ни в одном из репозиториев не заявлен нативный уровень выше этого, и нигде не документируется этап апскейлинга.

• Размер модели — 7 млрд параметров в компоненте визуальной генерации на 32 слоях DiT с одним потоком, в формате bfloat16, около 32,5 ГБ на диске для полного репозитория. Здесь нет окна текстового контекста, которое можно было бы привести, поскольку это не текстовая модель; 4096-мерный контекстный вход в конфигурации трансформера — это закодированное представление промпта и изображения-условия, а не окно токенов.

Лицензия и где находятся веса

Qwen-Image-2.1-Turbo выпущен по лицензии Qw​en Research License Agreement. В метаданных репозитория указано: license: other, а также license_name: qwen-research и license_link: LICENSE, а файл LICENSE находится в репозитории рядом с весами. Сегодня мы сравнили два файла лицензии: LICENSE из репозитория Turbo побайтово идентичен файлу базовой модели, и это стоит знать, потому что ускорение не принесло никаких изменений в условиях.

Что говорится в соглашении, если читать сам файл: предоставление прав осуществляется «ТОЛЬКО ДЛЯ НЕКОММЕРЧЕСКИХ ЦЕЛЕЙ», «Некоммерческое» определяется как «только для целей исследования или оценки», а коммерческое использование требует «отдельной коммерческой лицензии от нас», запрашиваемой по адресу model-business@notice.qwencloud.com. В самом заголовке соглашения указано, что версия датирована 20 сентября 2026 года. Если причина, по которой вы хотите восьмишаговую генерацию, состоит в том, что она делает модель достаточно дешёвой, чтобы использовать её в продукте, то связывающим ограничением здесь является лицензия, а не количество шагов, и ни одна страница в этом репозитории не решает этого.

Веса можно скачать в двух местах, оба — официальные: Hugging Face по адресу Qwen/Qwen-Image-2.1-Turbo, а ModelScope по адресу Qwen/Qwen-Image-2.1-Turbo. Доступ к репозиторию Hugging Face не ограничен. В его метаданных не указан ни один провайдер хостингового инференса, поэтому, насколько можно судить по собственному списку вендора, сегодня нет стороннего эндпоинта, который запустит для вас именно этот чекпоинт.

Для варианта с хостингом есть собственное решение Qwen: в списке новостей проекта указано, что API Qwen-Image-2.1 Pro и Turbo стали доступны в Alibaba Cloud Model Studio 9 октября 2026 года, а в README на GitHub предлагается «хостируемые API или запустите чекпойнт Turbo в собственной среде с помощью Diffusers». Цена за изображение для эндпоинта Turbo не указана на прочитанной нами странице справочника по API поставщика, которая вместо этого ссылается на отдельную страницу с ценами на модели, поэтому считайте цену неопубликованной в проверенных нами материалах и перед тем, как планировать на её основе, проверьте страницу цен поставщика.

Тонкая настройка: что задокументировано, а что — только на уровне сообщества

Честный ответ: карточка Turbo не документирует никакой тонкой настройки. В ней описаны установка, преобразование текста в изображение, редактирование изображений, сэмплирование и соотношения сторон — и на этом всё. В репозитории проекта Qwen-Image нигде нет ни раздела об обучении, ни инструкций по LoRA, ни указаний по адаптерам, ни заметок о наборах данных, ни скрипта обучения — мы проверили его дерево файлов, которое содержит только ресурсы и два файла данных для переписывания промптов.

Базовая модель показывает чуть лучший результат, и это документация другой модели: в материалах Qwen-Image-2.1 описано обучение LoRA через ModelScope на основе открытого фреймворка DiffSynth-Studio. Это утверждение относится к Qwen-Image-2.1, и ничто в карточке Turbo не распространяет его на ускоренный чекпоинт.

Всё, что существует для Turbo, — это работа сообщества. По состоянию на сегодня 47 репозиториев на Hugging Face указывают Qwen/Qwen-Image-2.1-Turbo в качестве своей базовой модели, и почти все они — порты квантизации: сборки GGUF, FP8, INT8, INT4, NVFP4, MLX, OpenVINO. Ровно один — это адаптер LoRA, адаптер для смены персонажа, опубликованный 10 октября 2026 года. Ничто из этого не является поддержкой вендора, ничто из этого не проверено Qwen, и адаптер, обученный на сорокашаговой траектории базового чекпоинта, не становится автоматически корректным для сохранённого восьмишагового расписания. Если вы попали сюда в поисках рабочего процесса Turbo LoRA, точный ответ таков: вендор его не публиковал.

Как это запустить и как это вызвать

Самостоятельный хостинг — это обычная задача для Diffusers с одной острой гранью. Установка, указанная в карточке, — это CUDA-совместимая сборка PyTorch, Diffusers из исходников (git+https://github.com/huggingface/diffusers.git), transformers>=5.17.0, accelerate и pillow. Острая грань в том, что этому чекпойнту нужна сборка Diffusers с поддержкой сигм сэмплирования, настраиваемых через пайплайн, добавленной в PR #14950, — которая на момент написания находится в дереве исходников, а не в тегированном релизе, поэтому в карточке не сказано устанавливать номер версии.

Строка загрузки — это класс пайплайна базовой модели с подменённым именем чекпоинта: QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16).to("cuda"). Затем генерация — это вызов с промптом, шириной и высотой из списка пресетов, use_kv_cache=True и seed генератора; пример текст-в-изображение из карточки использует 1696 × 2528 с seed 42, а её пример редактирования передаёт RGBA-изображение в качестве аргумента image при 2048 × 2048 с seed 20261009. Не передавайте num_inference_steps в расчёте, что это на что-то повлияет.

Один пробел, который стоит учесть при планировании: карточка Turbo не публикует рекомендаций по памяти. В карточке базовой модели есть раздел об оптимизации памяти, где показано pipe.enable_model_cpu_offload(); карточка Turbo просто заканчивается. С текстовым энкодером на 17,5 ГБ в репозитории именно на это число и нужно рассчитывать, а карточка не сообщает, на какую видеокарту это поместится.

Вызов его вместо запуска означает использование собственного размещённого Turbo API Qwen в Alibaba Cloud Model Studio. На странице справочника API поставщика нет опубликованной цены за изображение, которую мы могли бы проверить, и нет опубликованного ограничения частоты запросов, которое мы также могли бы проверить, — поэтому читателю, планирующему объёмы, нужно получить у поставщика два числа, прежде чем принимать решение.

Где находится OrcaRouter, если сказать прямо

OrcaRouter не маршрутизирует Qwen-Image-2.1-Turbo и не маршрутизирует Qwen-Image-2.1 — ни один из этих идентификаторов не фигурирует в нашем актуальном списке моделей, который мы проверили сегодня, и ничто на этой странице не следует воспринимать как предложение предоставлять любую из них. Линейка изображений, которую мы действительно предлагаем, — это хостируемые решения: семейство Open​AI GPT-Image, уровни Goog​le Imagen 4 и конечная точка генерации изображений x​AI Grok Imagine.

Именно это различие и имеет практическое значение для данной контрольной точки. OrcaRouter объединяет более 200 моделей за одной конечной точкой, совместимой с OpenAI, по прейскурантной цене провайдера без наценки, а также добавляет автоматическое переключение при сбое, если провайдер деградирует — то, что вам нужно, когда вы вызываете размещённую модель генерации изображений в продакшене, и то, что не имеет значения, когда речь идёт о загружаемой модели на 32,5 ГБ с исследовательской лицензией. Если вы планируете запускать Qwen-Image-2.1-Turbo самостоятельно, маршрутизирующий слой — не ограничение; ограничение — Qwen Research License Agreement.

Итак, решение делится чётко. Восемь шагов, сохранённое расписание, побайтово идентичная исследовательская лицензия и отсутствие бенчмарка означают, что чекпойнт — это инструмент для исследований и прототипирования, пока либо Qw​en не опубликует оценку, либо вы не проведёте собственную. Если вам на этой неделе нужен эндпоинт для изображений в продакшене, это отдельная покупка, и именно её мы продаём.