Qwen-Image 2.1 vs Z-Image Turbo: Steg, licenser och var och en hör hemma

Åtta steg mot fyrtio, och en licens som säger ja mot en som säger nej. Qwen-Image 2.1 är leverantörens bildgenererings- och redigeringsmodell med öppna vikter, släppt 20 september 2026 under ett avtal som endast gäller forskning, som avbrusar i 40 steg som standard. Z-Image Turbo är den destillerade checkpointen från samma företagsfamiljs Tongyi-MAI-organisation, släppt 26 november 2025, som gör samma jobb på 8 steg under Apache-2.0. Nästan elva månader skiljer dem åt, den nyare är den mindre nedladdningen på papperet, och den äldre är den du kan sätta i en kommersiell produkt utan att fråga någon. Den omvändningen är hela jämförelsen.

Det korta svaret, om du vill ha det före resonemanget: välj Z-Image Turbo när hastighet per bild, VRAM på konsumenthårdvara eller en tillåtande licens är begränsningen. Välj Qwen-Image 2.1 när du behöver redigera en befintlig bild, vill ha inbyggd transparens eller vill ha den högre poängen på den oberoende resultattavlan. Ingen med en blandad arbetsbelastning måste välja bara ett, och större delen av den här sidan ägnas åt de två anledningarna till att folk tror att de måste.

Först, namngivningsproblemet

Två saker i den här matchningen kallas turbo och de är inte samma turbo. Qwen-Image 2.1 har sin egen accelererade variant – "turbovarianten av Qwen-Image 2.1" – som släpptes den 9 oktober 2026 och delar basmodellens arkitektur och pipeline-klass men avbrusar i 8 steg med CFG som standardvärde 1. Det är inte modellen som den här sidan jämför med. Z-Image Turbo är en separat modell från en separat linje, byggd av gruppen Tongyi-MAI, och den destillerar en annan bas – Z-Image-checkpointen, som körs i 50 steg.

De skiljer sig också åt i vad de destillerades från och hur. Tongyi-MAI beskriver Z-Image Turbo som destillerad med Decoupled-DMD plus en fas som den kallar DMDR, vilken förenar DMD med förstärkningsinlärning. Qwen-Image 2.1:s turbo-variant presenteras av dess leverantör som en checkpointändring snarare än en ny arkitektur. Båda landar på 8 steg; ingen av dem är den andra, och en mening skriven om den ena bör inte läsas som att den omfattar den andra.

Om du jämför "den snabbaste Qwen-Image-modellen" mot Z-Image Turbo är det här fel sida — den jämförelsen gäller turbo-varianten av Qwen-Image 2.1, och formuleringen med två 8-stegs-checkpoints är en annan fråga med ett annat svar.

Vad Z-Image Turbo faktiskt levererar

Hämta detta från leverantörens eget material i stället för från sammanfattningssajterna, eftersom de flesta av dem anger fel storlek eller utelämnar den. Z-Image-familjen dokumenteras med 6B parametrar, med en design med enkelströms-diffusionstransformator där texttoken, visuella semantiska token och bild-VAE-token sammanfogas till en enda indatasekvens. Turbo är den destillerade medlemmen av den familjen och körs vid 8 NFE:er — referenskoden anger num_inference_steps=9 och noterar att detta ger 8 framåtpassningar genom transformatorn — med vägledning inaktiverad.

Leverantörens prestandapåståenden är dessa, och det är leverantörens påståenden: inferenslatens under en sekund på företagsklassade H800-GPU:er, och att det passar "bekvämt inom 16G VRAM" på konsumentenheter. Verktyg från communityn har sedan dess rapporterat att det körs på omkring 4 GB via stable-diffusion.cpp, vilket är en siffra från communityn snarare än från leverantören. Upplösningen publiceras inte som ett intervall på modellkortet; de dokumenterade exemplen genererar vid 1024×1024. Kortet listar också adapter-, finetune- och kvantiseringsantal på 879, 170 respektive 93 modeller plus omkring 100 Spaces – ett mått på ekosystemaktivitet på värdplattformen, inte på kvalitet.

På den oberoende text-till-bild-tavlan ligger Z-Image Turbo på 941 Elo, 95 % intervall 933 till 949, från 8 991 prover, rang 83 av 168, till 5,00 $ per 1 000 bilder, med markören för öppna vikter satt och tavlan daterar raden till december 2025. Alla siffror från Artificial Analysis, hämtade live på engelska den 13 oktober 2026.

En historisk notis som leverantörens material innehåller och som är värd att läsa korrekt: den 8 december 2025 placerade Artificial Analysis Z-Image Turbo på åttonde plats totalt och på första plats bland modeller med öppen källkod. Det var sant när det skrevs, och det är ett daterat påstående. Det är inte sant i dag — resultattavlan har nu sexton rader med slutna och öppna modeller ovanför den. Anledningen är inte att Z-Image Turbo blev sämre; det är att tio månader har gått.

Vad Qwen-Image 2.1 faktiskt levererar

Helt annan form. Qwen-Image 2.1 har 7B parametrar i sin visuella genereringskomponent fördelat över 32 single-stream-DiT-lager, med en mycket större textkodare – Qwen3-VL 8B – och en 64-kanalig RGBA-VAE vid 16× rumslig komprimering. Den sista delen är där transparensen kommer ifrån: den genereras nativt i stället för att klippas ut i efterhand. Standardprovtagningen är 40 steg på bascheckpointen, vid en standard på 2048×2048, över sju publicerade förinställningar från 1:1 till 9:16.

• Flexibel inmatning — enbart en prompt, en prompt med en bild eller en prompt med upp till 10 referensbilder.

• Lokal redigeringskontroll — ritade cirklar, målade annoteringar eller en separat mask som skickas in som egen indata så att originalfotot förblir omarkerat.

• Transparens i båda riktningarna — generera RGBA, redigera i ett transparent lager eller lyfta ut ett motiv ur ett vanligt RGB-fotografi som ett RGBA-lager.

• Nedladdningsstorlek — Diffusers-repot på Qwen/Qwen-Image-2.1 upptar 33,1 GB, varav ungefär 17,5 GB är textkodaren. Det är den praktiska kostnaden för att ha en vision-språkmodell i stacken.

På samma tavla ligger Qwen-Image 2.1 på 1 038 Elo, intervall 1 029 till 1 047, från 5 554 sampel, rang 20 av 168, med markören för öppna vikter satt och "Ingen API tillgänglig" i priskolumnen. På redigeringstavlan är den den enda av de två som överhuvudtaget förekommer: 1 072 Elo, intervall 1 063 till 1 081, från 6 132 sampel, rang 21 av 81. Z-Image Turbo har ingen rad på redigeringstavlan.

De två raderna — 1 038 mot 941, en gap på nittiosju punkter med intervall som inte överlappar — är de starkaste oberoende bevisen i den här artikeln, och de bör fortfarande läsas med förbehållet att Elo här är en preferenspoäng från blindröstning. Den säger vilken utdata en publik föredrog, inte vilken modell som är snabbare, billigare eller licensierad för ditt bruk.

Steg är inte sekunder.

Det vanligaste misstaget när man läser den här jämförelsen är att behandla 8 steg och 40 steg som ett femfaldigt hastighetsförhållande. De är inte jämförbara enheter mellan två modeller. Antalet steg är antalet gånger denoisern körs; hur lång tid var och en av dessa körningar tar beror på transformatorns storlek, upplösningen, precisionen, uppmärksamhetsimplementationen och hårdvaran. Z-Image Turbos leverantör publicerar en latenssiffra vid en upplösning på en GPU-klass. Qwen-Image 2.1:s leverantör publicerar ingen latenssiffra alls.

Det som kan jämföras ärligt är riktningen och begränsningarna. Z-Image Turbo är byggd för att köras vid 8 NFE:er på konsument-VRAM, med en leverantörsangiven gräns på 16 GB och communityrapporter under det. Qwen-Image 2.1:s bas-checkpoint kör 40 steg utöver en nedladdning på 33 GB och en Qwen3-VL 8B-kodare; dess egen turbo-variant finns just för att 40 steg inte är en snabb konfiguration. Om inferenskostnaden är din bindande begränsning är riktningen inte tveksam, även om förhållandet är det.

Det finns också en avvägning mellan kvalitet och antal steg som ingen av leverantörerna kvantifierar. Destillerade fåstegs-checkpoints tränas för att approximera en mångstegs-trajektoria, och var den approximationen är svagast – fin text, täta layouter, små upprepade detaljer – är modellspecifikt och publiceras inte. Anta inte att åttastegsmodellens åttonde steg är detsamma som en fyrtiostegsmodells fyrtionde; det finns inga oberoende sida-vid-sida-bevis för just detta par vid matchade inställningar, och den här sidan kommer inte att hitta på en rangordning som bevisen inte ger stöd för.

Det är i licensen beslutet fattas

Z-Image Turbo är Apache-2.0. Det är repots licens, klart och tydligt angiven, utan grind, utan registrering och utan intäktsvillkor. Du kan köra den, ändra den, finjustera den, vidaredistribuera derivat och leverera kommersiell output från den utan att kontakta Tongyi-MAI.

Qwen-Image 2.1 är inte det. Dess förråd anger licens: annan med licensnamnet qwen-research, och LICENSE-filen är Qwen Research License Agreement daterad 20 september 2026. Läst den 13 oktober 2026 ger den en icke-exklusiv, världsomfattande, royaltyfri licens att använda, reproducera, distribuera och modifiera materialet endast för icke-kommersiella ändamål, och definierar "Non-Commercial" som forsknings- eller utvärderingsändamål och kräver en separat kommersiell licens – som begärs via e-post – för allt annat. Vidaredistribution medför ytterligare villkor: för avtalet vidare, märk ändrade filer, behåll meddelandet som namnger Hangzhou Tongyi Laboratory Technology Co., Ltd, visa "Built with Qwen" om utdata används för att träna en annan distribuerad modell, och använd inte "Qwen" som ett derivats primära namn.

Det här är värt att konstatera som ett faktum som gäller hela familjen snarare än ett engångsfall, eftersom det är en riktningsändring. De tidigare Qwen-Image-checkpointarna – Qwen-Image, Qwen-Image-Edit, utgåvorna -2509, -2511, -Layered och -2512 – är alla Apache-2.0 så som de lästes den 13 oktober 2026. Qwen-Image 2.1 är avbrottet i det mönstret. Licenser som redan har beviljats ändras inte retroaktivt, så de äldre checkpointarna förblir användbara enligt sina ursprungliga villkor, men ingen bör planera en kommersiell pipeline utifrån antagandet att den nyaste Qwen-Image-modellen är permissiv.

Det ger de två modellerna samma form som deras licensfiler snarare än deras specifikationsblad: Z-Image Turbo är den du kan släppa idag utan någon konversation, och Qwen-Image 2.1 är den som kräver en förhandling du kanske inte vill ha.

Vad du kan köra var och en i

Qwen-Image 2.1 levererades med dokumenterat runtime-stöd i stället för att skaffa det senare: Diffusers via QwenImage21Pipeline, nativt ComfyUI med mallarbetsflöden, vLLM-Omni för offline- och onlineservering, SGLang via sglang generate, och LightX2V för acceleration, med AMD ROCm och en FlagOS-väg som spänner över åtta chipplattformar. Två checkpoints för promptomskrivning publiceras vid sidan av den som separata nedladdningar.

Z-Image Turbos stöd är bredare i en specifik bemärkelse: eftersom den är liten, Apache-2.0 och nästan ett år gammal har den samlat ett brett ekosystem för kvantisering och paketering – GGUF-konverteringar, FP8- och SDNQ-varianter, int4-byggen och ComfyUI-ompackningar till enstaka filer – och det är detta som gör vägarna under 16 GB och under 8 GB möjliga. En 6B-modell med tillåtande licens blir porterad; en på 33 GB med forskningslicens blir porterad långsammare och mer försiktigt. Denna andra ordningens effekt är lätt att missa i ett specifikationsblad, och det är ofta den som avgör vad en läsare faktiskt kan göra den här veckan.

Arbeta i båda, utan en andra stack

OrcaRouter dirigerar inte Qwen-Image 2.1 och dirigerar inte Z-Image Turbo. Vi kontrollerade vår live-modellista den 13 oktober 2026 och ingen av dem finns med, så inget nedan är ett påstående att vi tillhandahåller dem – rutterna för båda är självhosting eller leverantörens egna värdbaserade slutpunkter.

Mönstret som för dem samman är det som detta par inbjuder till: Z-Image Turbo som det billiga första passet och en starkare modell som den slutgiltiga renderingen. Det är en förnuftig pipeline, och dess dolda kostnad är operativ — två nedladdningsstackar, två uppsättningar inställningar och en andra integration så fort någon av dem ändras. OrcaRouter tillhandahåller 200+ modeller bakom en OpenAI-kompatibel endpoint till leverantörens listpris utan påslag, med automatisk failover mellan leverantörer när en försämras, så en utkast-och-slutgiltig pipeline kan sätta de modeller den faktiskt anropar bakom en enda nyckel och en enda klient, och en leverantörsstörning blir ett nytt försök snarare än en stannad batch. Routing-DSL:et gör samma jobb för själva kompositionen och låter flera modeller adresseras som ett anrop snarare än som flera integrationer.

Vilken, för vem

• Du släpper en kommersiell produkt — Z-Image Turbo. Apache-2.0, ingen konversation, ingen intäktsrad att kontrollera.

• Du behöver redigera en befintlig bild, använda masker eller skapa transparenta tillgångar — Qwen-Image 2.1. Z-Image Turbo:s dokumenterade läge är prompt-till-bild; det finns ingen redigeringscheckpoint i den familjen och ingen mask som indata i det dokumenterade flödet.

• Din begränsning är VRAM eller kostnad per bild — Z-Image Turbo. En 6B-modell med ett decennium av kvantiseringsarbete bakom sig, mot en stack på 33 GB med en 8B-kodare för vision och språk.

• Din begränsning är utdatakvalitet bedömd av främlingar — Qwen-Image 2.1, med ungefär hundra Elo-poäng på topplistan där båda är rankade, med icke överlappande intervall.

• Du bedriver forskning, inte produktion — Qwen-Image 2.1 har licens för just det, och dess redigeringsyta är anledningen till att ta nedladdningskostnaden.

Det faktum som oftast avgör saken, i en mening: Z-Image Turbo vinner närhelst svaret måste levereras eller måste köras på maskinen som läsaren redan äger, och Qwen-Image 2.1 vinner närhelst uppgiften inbegriper en bild som redan finns.