Qwen-Image 2.1 vs Z-Image Turbo: шаги, лицензии и где место каждой из них

Восемь шагов против сорока, и лицензия, которая говорит «да», против той, что говорит «нет». Qwen-Image 2.1 — это модель генерации и редактирования изображений с открытыми весами от вендора, выпущенная 20 сентября 2026 года по соглашению только для исследований, с шумоподавлением по умолчанию за 40 шагов. Z-Image Turbo — это дистиллированный чекпоинт от организации Tongyi-MAI той же корпоративной семьи, выпущенный 26 ноября 2025 года, который выполняет ту же работу за 8 шагов под лицензией Apache-2.0. Их разделяют почти одиннадцать месяцев, более новый — это меньший по размеру загружаемый файл на бумаге, а более старый — тот, который можно использовать в коммерческом продукте, ни у кого не спрашивая. Эта инверсия и есть всё сравнение.

Короткий ответ, если вы хотите получить его до обоснования: выбирайте Z-Image Turbo, когда ограничивающим фактором является скорость на одно изображение, объём видеопамяти на потребительском оборудовании или разрешительная лицензия. Выбирайте Qwen-Image 2.1, когда вам нужно отредактировать существующее изображение, требуется нативная прозрачность или более высокий балл в независимом рейтинге. Никому со смешанной нагрузкой не обязательно выбирать только один вариант, и большая часть этой страницы посвящена двум причинам, по которым люди думают, что вынуждены.

Во-первых, проблема именования

В этом сравнении две вещи называются turbo, и это не один и тот же turbo. У Qwen-Image 2.1 есть собственный ускоренный вариант — «turbo-вариант Qwen-Image 2.1», выпущенный 9 октября 2026 года: он использует ту же архитектуру и тот же класс пайплайна, что и базовая модель, но выполняет удаление шума за 8 шагов, а CFG по умолчанию равен 1. Это не та модель, с которой сравнивает данная страница. Z-Image Turbo — это отдельная модель из отдельной линейки, созданная группой Tongyi-MAI, и она дистиллирует другую базу — чекпоинт Z-Image, который работает за 50 шагов.

Они также различаются тем, из чего и как их дистиллировали. Tongyi-MAI описывает Z-Image Turbo как дистиллированный с помощью Decoupled-DMD плюс этап, который она называет DMDR, объединяющий DMD с обучением с подкреплением. Turbo-вариант Qwen-Image 2.1 представлен его вендором как изменение чекпойнта, а не как новая архитектура. Оба сходятся на 8 шагах; ни один не является другим, и предложение, написанное об одном, не следует читать как охватывающее другой.

Если вы сравниваете «самую быструю модель Qwen-Image» с Z-Image Turbo, эта страница не та — это сравнение с турбо-вариантом Qwen-Image 2.1, а формулировка с двумя 8-шаговыми чекпоинтами — это другой вопрос с другим ответом.

Что на самом деле включает в себя Z-Image Turbo

Возьмите это из собственных материалов поставщика, а не с сайтов-обзоров, потому что большинство из них указывают размер неверно или вовсе его опускают. Семейство Z-Image задокументировано как имеющее 6B параметров, с однопоточной архитектурой diffusion-transformer, в которой текстовые токены, визуальные семантические токены и токены VAE изображения объединяются в одну входную последовательность. Turbo — это дистиллированный представитель этого семейства, работающий при 8 NFE — эталонный код задаёт num_inference_steps=9 и отмечает, что это даёт 8 прямых проходов через трансформер — с отключённым guidance.

Заявления вендора о производительности таковы, и это заявления вендора: латентность вывода менее секунды на GPU корпоративного класса H800, и умещается «с комфортом в 16G VRAM» на потребительских устройствах. С тех пор инструменты сообщества сообщили о запуске на примерно 4GB через stable-diffusion.cpp, который является проектом сообщества, а не вендора. Разрешение не опубликовано в виде диапазона на карточке модели; документированные примеры генерируют при 1024×1024. Карточка также перечисляет количество адаптеров, дообучений и квантований: 879, 170 и 93 модели плюс около 100 Spaces — это мера активности экосистемы на хостинговой платформе, а не качества.

На независимом лидерборде для генерации изображений по тексту Z-Image Turbo занимает 941 Эло, 95%-й интервал — от 933 до 949, по 8 991 образцу, 83-е место из 168, при цене $5,00 за 1 000 изображений, с набором маркеров open-weights, а на доске эта строка датирована декабрём 2025 года. Все данные — от Artificial Analysis, зафиксированы в реальном времени на английском языке 13 октября 2026 года.

Одно историческое замечание, которое несёт материал вендора и которое стоит прочитать правильно: 8 декабря 2025 года Artificial Analysis поставила Z-Image Turbo на восьмое место в общем зачёте и на первое среди моделей с открытым исходным кодом. Это было верно на момент написания, и это датированное утверждение. Сегодня это неверно — теперь в таблице над ним шестнадцать строк закрытых и открытых моделей. Причина не в том, что Z-Image Turbo стал хуже; а в том, что прошло десять месяцев.

Что Qwen-Image 2.1 на самом деле выпускает

Совершенно иная архитектура. Qwen-Image 2.1 — это 7B параметров в его компоненте визуальной генерации, распределённых по 32 однопоточным слоям DiT, с гораздо более крупным текстовым энкодером — Qwen3-VL 8B — и 64-канальным RGBA VAE при 16-кратном пространственном сжатии. Этот последний компонент и обеспечивает прозрачность: она генерируется нативно, а не вырезается постфактум. Сэмплирование по умолчанию — 40 шагов на базовом чекпоинте, при стандартном разрешении 2048×2048, по семи опубликованным пресетам от 1:1 до 9:16.

• Гибкость ввода — только промпт, промпт с одним изображением или промпт с до 10 референсными изображениями.

• Локальное управление правками — нарисованные круги, нанесённые аннотации или отдельная маска, передаваемая как отдельный вход, чтобы исходная фотография осталась без пометок.

• Прозрачность в обоих направлениях — создавайте RGBA, редактируйте внутри прозрачного слоя или извлекайте объект из обычной RGB-фотографии как слой RGBA.

• Размер загрузки — репозиторий Diffusers по адресу Qwen/Qwen-Image-2.1 занимает 33,1 ГБ, из которых примерно 17,5 ГБ приходится на текстовый энкодер. Такова практическая цена наличия визуально-языковой модели в стеке.

На той же доске Qwen-Image 2.1 находится на отметке 1 038 Elo, интервал 1 029–1 047, на основе 5 554 образцов, ранг 20 из 168, с установленным маркером open-weights и надписью «API недоступен» в столбце цены. На доске редактирования это единственная из двух, которая вообще присутствует: 1 072 Elo, интервал 1 063–1 081, на основе 6 132 образцов, ранг 21 из 81. У Z-Image Turbo нет строки на доске редактирования.

Эти две строки — 1 038 против 941, разрыв в девяносто семь пунктов с непересекающимися интервалами — являются самыми сильными независимыми доказательствами в этом материале, и их всё же следует читать с оговоркой, что Elo здесь — это оценка предпочтений по слепому голосованию. Она говорит о том, какой результат предпочла аудитория, а не о том, какая модель быстрее, дешевле или лицензирована для вашего использования.

Шаги — это не секунды

Самая распространённая ошибка при чтении этого сравнения — воспринимать 8 шагов и 40 шагов как пятикратное соотношение скорости. Это не сопоставимые между собой единицы для двух моделей. Количество шагов — это число запусков денойзера; сколько времени занимает каждый из этих запусков, зависит от размера трансформера, разрешения, точности, реализации механизма внимания и аппаратного обеспечения. Производитель Z-Image Turbo публикует показатель задержки для одного разрешения на одном классе GPU. Производитель Qwen-Image 2.1 не публикует показатель задержки вообще.

Честно сравнивать можно направление и ограничения. Z-Image Turbo рассчитан на работу при 8 NFE на потребительской VRAM, с заявленным производителем лимитом в 16 ГБ и сообщениями сообщества о меньших значениях. Базовый чекпойнт Qwen-Image 2.1 выполняет 40 шагов при загрузке объёмом 33 ГБ и энкодере Qwen3-VL 8B; его собственная turbo-версия существует именно потому, что 40 шагов — это не быстрая конфигурация. Если стоимость инференса для вас — жёсткое ограничение, то направление не вызывает сомнений, хотя точное соотношение остаётся под вопросом.

Существует также компромисс между качеством и числом шагов, который не измеряет ни один из вендоров. Дистиллированные чекпоинты с малым числом шагов обучены аппроксимировать многошаговую траекторию, и то, где эта аппроксимация слабее всего — мелкий текст, плотные макеты, мелкие повторяющиеся детали, — зависит от конкретной модели и не публикуется. Не предполагайте, что восьмой шаг восьмишаговой модели равен сороковому шагу сорокашаговой; независимых сравнительных данных для этой конкретной пары при согласованных настройках не существует, и здесь не будет придумано ранжирование, которого доказательства не подтверждают.

Лицензия — это то место, где принимается решение.

Z-Image Turbo распространяется под лицензией Apache-2.0. Это лицензия репозитория, заявленная прямо, без ограничения доступа, без регистрации и без условий по выручке. Вы можете запускать его, модифицировать, дообучать, распространять производные и выпускать коммерческие результаты на его основе, не обращаясь к Tongyi-MAI.

Qwen-Image 2.1 — это не тот случай. В его репозитории указано license: other с названием лицензии qwen-research, а файл LICENSE — это Лицензионное соглашение Qwen Research (Qwen Research License Agreement) от 20 сентября 2026 года. Если прочитать его 13 октября 2026 года, оно предоставляет неисключительную, всемирную, безвозмездную лицензию на использование, воспроизведение, распространение и изменение материалов только для некоммерческих целей, определяя «некоммерческие» как исследовательские цели или цели оценки и требуя отдельной коммерческой лицензии — запрашиваемой по электронной почте — для всего остального. При дальнейшем распространении действуют дополнительные условия: передать соглашение дальше, помечать изменённые файлы, сохранять уведомление с указанием Hangzhou Tongyi Laboratory Technology Co., Ltd, отображать «Built with Qwen», если результаты используются для обучения другой распространяемой модели, и не использовать «Qwen» в качестве основного названия производной модели.

Это стоит сформулировать как факт обо всём семействе, а не как единичный случай, потому что это смена направления. Более ранние чекпоинты Qwen-Image — Qwen-Image, Qwen-Image-Edit, релизы -2509, -2511, -Layered и -2512 — все распространяются под Apache-2.0 согласно данным на 13 октября 2026 года. Qwen-Image 2.1 ломает эту закономерность. Уже выданные лицензии не меняются задним числом, поэтому более старые чекпоинты остаются доступными на своих первоначальных условиях, но никому не следует планировать коммерческий пайплайн, исходя из предположения, что у новейшей модели Qwen-Image разрешительная лицензия.

Это придаёт обеим моделям тот же облик, что и их файлы лицензий, а не их спецификации: Z-Image Turbo — это та, которую можно выпустить сегодня без всяких разговоров, а Qwen-Image 2.1 — та, что требует переговоров, которых вы, возможно, не захотите.

В чём вы можете запустить каждый из них

Qwen-Image 2.1 вышел с документированной поддержкой сред выполнения, а не получил её позже: Diffusers через QwenImage21Pipeline, нативный ComfyUI с шаблонными рабочими процессами, офлайн- и онлайн-обслуживание vLLM-Omni, SGLang через sglang generate, и LightX2V для ускорения, с AMD ROCm и путём FlagOS, охватывающим восемь чиповых платформ. Вместе с ним публикуются два чекпоинта для переписывания промптов в виде отдельных загрузок.

Поддержка Z-Image Turbo шире в одном конкретном отношении: поскольку модель небольшая, распространяется под лицензией Apache-2.0 и существует почти год, вокруг неё сложилась обширная экосистема квантизации и упаковки — конвертации в GGUF, варианты FP8 и SDNQ, сборки int4 и однофайловые перепаковки для ComfyUI — именно это делает возможными пути с объёмом менее 16 ГБ и менее 8 ГБ. Модель на 6B с разрешительной лицензией портируют; модель на 33 ГБ с исследовательской лицензией портируют медленнее и осторожнее. Этот эффект второго порядка легко упустить в спецификации, и часто именно он определяет, что читатель действительно сможет сделать на этой неделе.

Работает в обоих, без второго стека

OrcaRouter не маршрутизирует Qwen-Image 2.1 и не маршрутизирует Z-Image Turbo. Мы проверили наш актуальный список моделей 13 октября 2026 года, и ни одна из них в нём не значится, поэтому ничто ниже не является заявлением о том, что мы их обслуживаем — маршруты для обеих — это собственный хостинг или собственные хостинговые эндпоинты вендора.

Схема, которая их объединяет, — это та, к которой располагает данная пара: Z-Image Turbo в роли дешёвого первого прохода и более сильная модель для финального рендера. Это разумный конвейер, и его скрытая цена — операционная: два набора загрузок, два набора настроек и вторая интеграция, как только меняется что-то одно. OrcaRouter предоставляет доступ к более чем 200 моделям через одну конечную точку, совместимую с OpenAI, по каталожной цене провайдеров без наценки, с автоматическим переключением при сбое между провайдерами, когда один из них деградирует, так что конвейер «черновик — финал» может поставить модели, к которым он обращается, за один ключ и один клиент, а сбой у провайдера превращается в повторную попытку, а не в зависшую пакетную обработку. DSL маршрутизации делает то же самое для самой композиции, позволяя обращаться к нескольким моделям как к одному вызову, а не как к нескольким интеграциям.

Какой именно, для кого?

• Вы выпускаете коммерческий продукт — Z-Image Turbo. Apache-2.0, никаких разговоров, никакой строки выручки для проверки.

• Вам нужно отредактировать существующее изображение, применить маски или создать прозрачные ресурсы — Qwen-Image 2.1. Документированный режим Z-Image Turbo — «из запроса в изображение»; в этом семействе нет чекпоинта для редактирования, а в документированном пути не предусмотрен ввод маски.

• Ваше ограничение — VRAM или стоимость за изображение — Z-Image Turbo. 6B-модель, за которой стоит десятилетие работы над квантованием, против стека на 33 ГБ с 8B визуально-языковым энкодером.

• Ваше ограничение — качество результата, оцениваемое незнакомцами — Qwen-Image 2.1, примерно на сотню пунктов Elo на доске, где ранжируются оба, при непересекающихся интервалах.

• Вы занимаетесь исследованиями, а не производством — Qwen-Image 2.1 лицензирована именно для этого, и её возможности редактирования — вот причина, по которой стоит принять расходы на скачивание.

Факт, который решает дело чаще всего, в одном предложении: Z-Image Turbo побеждает всякий раз, когда ответ нужно выпустить или запустить на том железе, которое уже есть у читателя, а Qwen-Image 2.1 побеждает всякий раз, когда задача связана с изображением, которое уже существует.