Qwen-Image-2.1-Turbo vs Z-Image Turbo: Två åttastegsmodeller, två olika satsningar

Qwen-Image-2.1-Turbo och Z-Image Turbo är de två öppna checkpoints som de flesta väljer mellan just nu, och anledningen till att jämförelsen går i cirklar är att de uppger samma siffra i rubriken. Båda körs i åtta avbrusningssteg. Båda är tillräckligt öppna för att kunna laddas ner och köras på din egen maskin. Båda marknadsförs som dramatiskt mycket snabbare än det de härstammar från. Allt som avgör vilken du egentligen vill ha ligger under den delade siffran, och inget av det är antalet steg. Z-Image Turbo publicerades den 25 november 2025 som en 6B-modell under Apache-2.0, destillerad från Z-Image-serien med ett publicerat tvåstegsrecept. Qwen-Image-2.1-Turbo dök upp den 9 oktober 2026 som en accelererad checkpoint av Qwen-Image-2.1 — basmodellen som släpptes den 20 september 2026 — med bibehållen 7B-arkitektur och leverantörens licens för icke-kommersiell forskning. Åtta månader skiljer de två repona åt, och skillnaden i hur de byggdes är större än datumglappet antyder.

Åtta steg är det gemensamma symtomet, inte den gemensamma orsaken

När två modeller når samma antal steg via olika vägar upphör antalet steg att vara en användbar jämförelse. Det talar om att de två modellerna har trimmats för jämförbar latens, och inget annat.

• Z-Image Turbo kom dit genom destillation, sedan förstärkningsinlärning. Z-Image-familjens kort beskriver den som "en destillerad version av Z-Image som matchar eller överträffar ledande konkurrenter med endast 8 NFE:er". Den tekniska beskrivningen namnger mekanismen: Decoupled-DMD, en variant av Distribution Matching Distillation som separerar två mekanismer som befintliga DMD-metoder hade behandlat som en, följt av DMDR, som förenar DMD och RL under efterträning. Varianttabellen på kortet visar träningsvägen explicit – förträning, SFT och RL alla markerade, 8 steg, CFG inaktiverat.

• Qwen-Image-2.1-Turbo kom dit genom att paketera om en stark bas.Dess kort beskriver den som "en accelererad checkpoint av Qwen-Image-2.1 för text-till-bild-generering och bildredigering med 8 avbrusningssteg", på samma 7B-visuella genereringsarkitektur. Det finns inget publicerat destillationsrecept. Det som är dokumenterat är att checkpointen har sitt eget rekommenderade samplingsschema, så Diffusers laddar det automatiskt och att enbart ställa in `num_inference_steps` inte åsidosätter det, samt att generering som standard använder CFG=1 med prefix-KV-cachning som återanvänder text- och referensbildskontext mellan stegen.

Den praktiska konsekvensen: med Z-Image Turbo kör du en modell vars hastighet är produkten av en träningsprocess, och med Qwen-Image-2.1-Turbo kör du en checkpoint av en modell som redan var bra, med samplingsvägen förkortad och fryst in i filen. Båda är legitima. De misslyckas på olika sätt. En destillerad modell har en kvalitetsbudget som spenderades under träningen; en återpaketerad checkpoint har en som spenderades under skapandet av checkpointen. Inget av korten publicerar hur mycket som spenderades.

Linjerna som faktiskt skiljer dem åt

Fem dimensioner avgör den här matchen. Var och en anges i en primärkälla som du kan öppna.

• Storlek:6B parametrar för Z-Image Turbo mot 7B för Qwen-Image-2.1-Turbo. Båda är tillräckligt små för konsumenthårdvara, och gapet är inte det som avgör ditt resultat.

• Licens: Apache-2.0 för Z-Image Turbo; qwen-research-avtalet för Qwen-Image-2.1-Turbo, som beviljar rättigheter "ENDAST FÖR ICKE-KOMMERSIELLA ÄNDAMÅL" och kräver en separat licens som måste begäras för kommersiell användning. Detta är den största skillnaden mellan de två modellerna och den enda som är binär.

• Redigering: Qwen-Image-2.1-Turbo utför text-till-bild och instruktionsstyrd redigering med en enda nedladdning — dess modellkort demonstrerar båda med samma sparade schema. Z-Image Turbo är en genereringsmodell; redigering finns i Z-Image-Edit, en separat variant som familjekortet fortfarande listar som "att släppas". Om din pipeline behöver instruktionsbaserade redigeringar idag, avgör den raden saken.

• Textrendering och språk: Z-Image-kortet lyfter fram tvåspråkig textrendering på engelska och kinesiska som en huvudstyrka hos Turbo. Qwen-Image-2.1-Turbos kort gör inget motsvarande anspråk – dess showcase är organiserad efter utdatakategori (porträtt, pose och rörelse, transparent RGBA, typografi och posterdesign, UI-layout, enkelbildstransformering, multireferenskomposition) snarare än efter språk.

• Minne och driftsättningsmognad:Z-Image-kortet anger att Turbo "ryms bekvämt i konsumentenheter med 16G VRAM" och hävdar inferens på under en sekund på hårdvara i H800-klass – leverantörspåståenden, inte kopplade till någon mätmetod. Qwen-Image-2.1-Turbos kort publicerar inte någon minnes- eller latenssiffra alls. Under de fyra dagarna efter lanseringen mätte en oberoende macOS-port den till en topp på 1,8 till 2,7 GB med noll swap på en 16 GB M1 Pro, vid ett utdatatak på 1024×1536; det är en tredjepartssiffra för en tredjepartsimplementation, inte en leverantörssiffra.

Vad topplistorna täcker, och de två raderna som inte finns

Det är här jämförelsen oftast misstolkas, så det är värt att vara exakt med vilken modell varje siffra tillhör.

På den publika text-till-bild-arenan finns en rad för Z-Image Turbo på 941 Elo från ungefär 9 000 röster, och en separat rad för Z-Image Base på 877. Det finns en rad för Qwen-Image-2.1 på 1 038 Elo från ungefär 5 500 röster, daterad september 2026 och markerad för att inget API finns tillgängligt. Redigeringstavlan har också en rad för Qwen-Image-2.1.

Lägg märke till vad som saknas. Det finns ingen rad för Qwen-Image-2.1-Turbo på endera resultattavlan – checkpointen är från 9 oktober 2026 och har inte utvärderats separat. Och det finns ingen rad för Z-Image Turbo på redigeringsresultattavlan, eftersom Z-Image Turbo inte utför redigering. Så den till synes rena jämförelsen "Qwen på 1 034 mot Z-Image på 941" är inte en jämförelse av de två checkpointarna som den här artikeln handlar om; den är en jämförelse av modellen som Z-Image Turbo destillerades från mot modellen som Qwen-Image-2.1-Turbo accelererades från. Kvaliteten hos Qwen-Image-2.1-Turbo i åtta steg är inte offentligt uppmätt, och detsamma gäller hur mycket av basmodellens placering som överlever det förkortade schemat.

Det korrekta sättet att läsa de där siffrorna är som en övre gräns med ett förbehåll: familjen som Qwen-Image-2.1-Turbo härstammar från ligger ungefär 97 Elo över familjen som Z-Image Turbo härstammar från på text-till-bild-tavlan, och ingen har publicerat huruvida Turbo-checkpointen bevarar det avståndet.

Licens är inte en fotnot i den här matchen.

Mellan två modeller som ligger så nära varandra i kapacitet är licensen ofta hela avgörandet, och här ligger de två inte alls nära varandra.

Z-Image Turbo släpps under Apache-2.0. Det är en tillåtande licens: använd den, ändra den, distribuera den, sälj det du bygger med den, med förbehåll för de vanliga villkoren om attribution och meddelanden.

Qwen-Image-2.1-Turbo ärver Q​wen Research License Agreement oförändrat från basmodellen. Läs den och den avgörande meningen är inte tvetydig — beviljandet är "ENDAST FÖR ICKE-KOMMERSIELLA ÄNDAMÅL", och kommersiell användning kräver en separat licens som erhålls från leverantören. Avtalet förbjuder också användning av "Q​wen" som primärt namn eller identifierare för ett derivatverk, samtidigt som det tillåter beskrivande användning såsom "finjusterad från Q​wen Image".

Om du prototypar, utvärderar eller forskar kostar den skillnaden dig ingenting, och du kan välja utifrån kapacitet. Om du bygger något som du tänker sälja eller driva kommersiellt är en av dessa två användbar och den andra kräver ett samtal med Alibaba Cloud. Det är ett mycket större faktum än ett schema i åtta steg.

Att köra någon av dem, och var en router blir relevant

Båda dessa är viktnedladdningar som du själv hostar. Ingen av dem är en hostad slutpunkt på OrcaRouter, och det vore oärligt att antyda något annat – de bildmodeller vi routar är OpenAI GPT-Image-familjen. Anledningen till att produkten överhuvudtaget hör hemma i det här samtalet är vad som händer i samma stund som en checkpoint som liknar någon av dessa får en hostad leverantör bakom sig.

Den dag det händer slutar beslutet att vara "vilken fil ska jag ladda ner" och blir "hur många leverantörsintegrationer underhåller jag". Det är problemet som OrcaRouter är byggt för: 200+ modeller bakom en OpenAI-kompatibel slutpunkt till leverantörens listpris utan påslag, ett routing-DSL för att uttrycka vilken modell du vill ha under vilka villkor, automatisk failover när en leverantör försämras, och modellfusion för att kombinera utdata. En öppen checkpoint i 8 steg och en router är inte konkurrerande svar; den ena är en fil på din disk och den andra är hur du slutar bry dig om vilken slutpunkt som ligger bakom ett modellnamn.

Fram till dess är den lokala sökvägen hela sökvägen, och begränsningarna är de som korten och licenserna anger.

Vilken ska laddas ner först?

Den kortaste ärliga versionen av beslutet:

• Välj Z-Image Turbo om du behöver leverera något kommersiellt, om du vill ha det mer väldokumenterade accelerationsreceptet med en publicerad träningsväg, om tvåspråkig kinesisk och engelsk textrendering är ett verkligt krav, eller om du riktar dig mot en 16 GB-enhet och vill ha en leverantörsangiven minnesram.

• Välj Qwen-Image-2.1-Turbo om du behöver instruktionsstyrd redigering och text-till-bild från en enda checkpoint i dag i stället för att vänta på en separat redigeringsvariant, om ditt arbete är forskning eller utvärdering, och om du hellre vill ha den starkare basmodellens härstamning och accepterar att dess kvalitet efter åtta steg för närvarande är omätt.

• Ta båda om du väljer för ett team. De är tillräckligt små för att ligga sida vid sida på samma disk, de körs båda av samma klass av lokal runner, och det enda du inte kan göra med båda installerade är att leverera Q​wen-checkpointen kommersiellt.

Det som ingen av dem ger dig i dag är ett benchmark. Åtta steg, 6B mot 7B, Apache-2.0 mot en forskningslicens – allt det är fakta på ett kort. Vilken av de två som skapar bättre bilder efter åtta brusreduceringssteg är en fråga som ingen primärkälla ännu har besvarat, och för närvarande är det ärliga att köra båda mot dina egna prompter i stället för att lita på en leaderboard-rad som tillhör en annan checkpoint.

Jämförelser som denna är också där felmoderna visar sig: de dokumenterade AI-incidenterna och agentfelen bakom modeller i denna klass samlas i the OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och omtvistad flagga.