Qwen-Image-2.1-Turbo против Z-Image Turbo: две восьмишаговые модели, две разные ставки

Qwen-Image-2.1-Turbo и Z-Image Turbo — это два открытых чекпоинта для генерации изображений, между которыми большинство людей сейчас в итоге выбирает, и причина, по которой сравнение ходит по кругу, в том, что они заявляют одну и ту же ключевую цифру. Оба работают за восемь шагов денойзинга. Оба достаточно открыты, чтобы скачать и запустить на своей машине. Оба заявлены как значительно более быстрые, чем то, из чего они были получены. Всё, что определяет, какой из них вам действительно нужен, скрывается за этой общей цифрой, и ничто из этого не является числом шагов. Z-Image Turbo был опубликован 25 ноября 2025 года как модель на 6B под лицензией Apache-2.0, дистиллированная из линейки Z-Image с опубликованным двухэтапным рецептом. Qwen-Image-2.1-Turbo появился 9 октября 2026 года как ускоренный чекпоинт Qwen-Image-2.1 — базовой модели, выпущенной 20 сентября 2026 года, — сохраняя архитектуру на 7B и некоммерческую исследовательскую лицензию производителя. Два репозитория разделяют восемь месяцев, и разница в том, как они были созданы, больше, чем предполагает разрыв в датах.

Восемь шагов — это общий симптом, а не общая причина.

Когда две модели приходят к одному и тому же количеству шагов разными дорогами, количество шагов перестаёт быть полезным для сравнения. Оно говорит лишь о том, что обе модели настраивались на сопоставимую задержку, и ничего больше.

• Z-Image Turbo добилась этого путём дистилляции, а затем обучения с подкреплением. В карточке семейства Z-Image она описывается как «дистиллированная версия Z-Image, которая соответствует ведущим конкурентам или превосходит их всего при 8 NFE». В техническом описании назван механизм: Decoupled-DMD — вариант Distribution Matching Distillation, который разделяет два механизма, тогда как существующие методы DMD рассматривали их как один, а затем DMDR, объединяющий DMD и RL во время постобучения. Таблица вариантов в карточке явно показывает путь обучения — предобучение, SFT и RL отмечены, 8 шагов, CFG отключён.

• Qwen-Image-2.1-Turbo добился этого, переупаковав сильную базу. В его карточке он описывается как «ускоренный чекпойнт Qwen-Image-2.1 для генерации изображений по тексту и редактирования изображений с 8 шагами шумоподавления», на той же 7B-архитектуре визуальной генерации. Опубликованного рецепта дистилляции нет. Документировано то, что чекпойнт содержит собственное рекомендованное расписание сэмплирования, поэтому Diffusers загружает его автоматически, и установка только `num_inference_steps` не переопределит его, а также что генерация по умолчанию использует CFG=1 с префиксным KV-кэшированием, повторно использующим текстовый контекст и контекст референсного изображения между шагами.

Практическое следствие: с Z-Image Turbo вы запускаете модель, скорость которой является продуктом процесса обучения, а с Qwen-Image-2.1-Turbo вы запускаете чекпойнт модели, которая уже была хороша, с сокращённым и зафиксированным в файле путём сэмплирования. Оба варианта правомерны. Они отказывают по-разному. У дистиллированной модели есть бюджет качества, израсходованный во время обучения; у переупакованного чекпойнта — тот, что был израсходован при создании чекпойнта. Ни одна карточка не сообщает, сколько было потрачено.

Линии, которые на самом деле их разделяют

Пять измерений решают исход этого противостояния. Каждое из них указано в первоисточнике, который вы можете открыть.

• Размер: 6B параметров у Z-Image Turbo против 7B у Qwen-Image-2.1-Turbo. Оба достаточно малы для потребительского оборудования, и эта разница не станет решающим фактором вашего результата.

• Лицензия:Apache-2.0 для Z-Image Turbo; соглашение qwen-research для Qwen-Image-2.1-Turbo, которое предоставляет права «ТОЛЬКО ДЛЯ НЕКОММЕРЧЕСКИХ ЦЕЛЕЙ» и требует отдельно запрашиваемой лицензии для коммерческого использования. Это самое значительное различие между двумя моделями и единственное, которое носит бинарный характер.

• Редактирование:Qwen-Image-2.1-Turbo выполняет преобразование текста в изображение и редактирование по инструкциям в рамках одной загрузки — в её карточке демонстрируются обе возможности с использованием одного и того же сохранённого расписания. Z-Image Turbo — это модель генерации; редактирование реализовано в Z-Image-Edit, отдельном варианте, который в карточке семейства по-прежнему указан как «ещё не выпущен». Если вашему конвейеру редактирование по инструкциям нужно уже сегодня, эта строка решает вопрос.

• Рендеринг текста и языки: в карточке Z-Image двуязычный рендеринг текста — на английском и китайском — заявлен как ключевое преимущество Turbo. В карточке Qwen-Image-2.1-Turbo аналогичного утверждения нет — её демонстрационные материалы организованы по категориям результатов (портрет, поза и движение, прозрачный RGBA, типографика и дизайн постеров, UI-верстка, преобразование одного изображения, композиция по нескольким референсам), а не по языкам.

• Память и зрелость развёртывания: в карточке Z-Image указано, что Turbo «с комфортом умещается в потребительские устройства с 16 ГБ видеопамяти», и заявлен вывод за доли секунды на оборудовании класса H800 — это заявления вендора, не подкреплённые описанием метода измерений. Карточка Qwen-Image-2.1-Turbo вообще не публикует ни показателей памяти, ни задержки. За четыре дня после его появления независимый порт для macOS измерил пиковое потребление в 1,8–2,7 ГБ при нулевом использовании swap на M1 Pro с 16 ГБ и при ограничении вывода 1024×1536; это сторонняя цифра, полученная на сторонней реализации, а не показатель вендора.

Что охватывают таблицы лидеров, и две строки, которых не существует

Именно здесь сравнение чаще всего понимают неправильно, поэтому стоит точно указать, к какой модели относится каждое число.

На публичной арене текст-в-изображение есть строка для Z-Image Turbo с 941 Elo по результатам примерно 9 000 голосов и отдельная строка для Z-Image Base с 877. Есть строка для Qwen-Image-2.1 с 1 038 Elo по результатам примерно 5 500 голосов, датированная сентябрём 2026 года и с пометкой об отсутствии доступного API. На табло редактирования также есть строка Qwen-Image-2.1.

Обратите внимание, чего не хватает. Ни на одной из таблиц нет строки для Qwen-Image-2.1-Turbo — этот чекпоинт датируется 9 октября 2026 года и не оценивался отдельно. И на таблице редактирования нет строки Z-Image Turbo, потому что Z-Image Turbo не умеет редактировать. Так что внешне чистое сравнение «Qwen — 1 034 против Z-Image — 941» — это не сравнение двух чекпоинтов, о которых идёт речь в этой статье; это сравнение модели, из которой был дистиллирован Z-Image Turbo, с моделью, из которой был ускорен Qwen-Image-2.1-Turbo. Качество Qwen-Image-2.1-Turbo за восемь шагов публично не измерено, как и то, насколько позиция базовой модели сохраняется при сокращённом расписании.

Правильно читать эти числа как верхнюю границу с прилагающейся оговоркой: семейство, от которого происходит Qwen-Image-2.1-Turbo, находится примерно на 97 Elo выше семейства, от которого происходит Z-Image Turbo, в рейтинге text-to-image, и никто не публиковал сведений о том, сохраняет ли Turbo-чекпоинт этот разрыв.

Лицензия — не сноска в этом противостоянии

Когда две модели настолько близки по возможностям, решение нередко целиком определяется лицензией, а здесь эти две совсем не близки.

Z-Image Turbo распространяется под лицензией Apache-2.0. Это разрешительная лицензия: используйте её, изменяйте её, распространяйте её, продавайте то, что создадите с её помощью, при условии соблюдения обычных требований об указании авторства и уведомлениях.

Q​wen-Image-2.1-Turbo наследует Q​wen Research License Agreement без изменений от базовой модели. Прочитайте его — и ключевое предложение не двусмысленно: предоставляемое право — «ТОЛЬКО ДЛЯ НЕКОММЕРЧЕСКИХ ЦЕЛЕЙ», а коммерческое использование требует отдельной лицензии, полученной у поставщика. Соглашение также запрещает использовать «Q​wen» в качестве основного названия или идентификатора производной работы, но допускает описательное использование, например «дообучена на основе Q​wen Image».

Если вы создаёте прототип, проводите оценку или занимаетесь исследованиями, эта разница ничего вам не стоит, и вы можете выбирать, ориентируясь на возможности. Если вы создаёте что-то, что намереваетесь продавать или коммерчески эксплуатировать, одно из этих двух можно использовать, а для другого потребуется разговор с A​libaba Cloud. Это гораздо более значимый факт, чем график из 8 шагов.

Запуск любого из них и когда становится важен роутер

Оба они — это загружаемые веса, которые вы размещаете самостоятельно. Ни один из них не является конечной точкой, размещённой на OrcaRouter, и было бы нечестно подразумевать обратное — модели изображений, которые мы маршрутизируем, относятся к семейству OpenAI GPT-Image. Причина, по которой этот продукт вообще присутствует в этом разговоре, заключается в том, что происходит в тот момент, когда за таким чекпоинтом, как любой из них, встаёт провайдер хостинга.

В тот день, когда это произойдёт, решение перестанет быть вопросом «какой файл мне скачать» и станет вопросом «сколько интеграций с поставщиками я поддерживаю». Именно для этой задачи и создан OrcaRouter: более 200 моделей за одним OpenAI-совместимым эндпоинтом по прайсовой цене провайдера без наценки, DSL маршрутизации для описания того, какую модель вы хотите при каких условиях, автоматическое переключение при деградации провайдера и слияние моделей для объединения выходных данных. Открытый чекпоинт на 8 шагов и роутер — не конкурирующие ответы; один — это файл на вашем диске, а другой — это способ перестать беспокоиться о том, какой эндпоинт стоит за именем модели.

До тех пор локальный путь — это весь путь, а ограничения — те, что указаны в карточках и лицензиях.

Что скачать первым?

Самая короткая честная версия решения:

• Выбирайте Z-Image Turbo, если вам нужно выпустить что-то коммерческое, если вы хотите более подробно документированный рецепт ускорения с опубликованным путём обучения, если двуязычный рендеринг текста на китайском и английском действительно требуется, или если вы ориентируетесь на устройство с 16 ГБ и хотите заявленный производителем объём памяти.

• Выбирайте Qwen-Image-2.1-Turbo, если вам нужно управляемое инструкциями редактирование и генерация изображений по тексту из одной контрольной точки уже сегодня, а не ожидание отдельного варианта для редактирования, если ваша работа — это исследования или оценка, и если вы предпочитаете происхождение более сильной базовой модели и готовы принять, что её качество после восьми шагов в настоящее время не измерено.

• Возьмите оба, если вы выбираете для команды. Они достаточно малы, чтобы уместиться бок о бок на одном диске, обе обслуживаются одним и тем же классом локального раннера, и единственное, чего нельзя сделать, когда установлены обе, — это поставлять чекпойнт Q​wen на коммерческой основе.

Чего ни один из них не даёт вам сегодня — так это бенчмарка. Восемь шагов, 6B против 7B, Apache-2.0 против исследовательской лицензии — всё это факты на карточке. Какой из двух делает лучшие изображения после восьми шагов шумоподавления — на этот вопрос пока не ответил ни один первоисточник, и сейчас честнее всего будет прогнать оба на ваших собственных промптах, а не доверять строке в таблице лидеров, которая относится к другому чекпойнту.

Подобные сравнения также выявляют режимы отказа: документированные инциденты с ИИ и сбои агентов, стоящие за моделями этого класса, собраны в архиве инцидентов ИИ OrcaRouter, где каждая запись содержит собственные источники, степень серьёзности, оценку достоверности и флаг оспаривания.