Qwen-Image-2.1-Turbo: เช็กพอยต์ 8 สเต็ปที่ย้ายตารางเวลาเข้าไปในน้ำหนัก

ที่เก็บโค้ดสำหรับ Qwen-Image-2.1-Turbo ปรากฏบน Hugging Face เมื่อวันที่ 9 ตุลาคม 2026 และสิ่งที่น่าสนใจที่สุดเกี่ยวกับมันไม่ใช่จำนวนสเต็ป มีเวต bfloat16 การ์ดโมเดลพร้อมโค้ดที่รันได้ ไฟล์ใบอนุญาต ภาพตัวอย่างแปดรูป และหนึ่งบรรทัดในรายการข่าว GitHub ของโปรเจกต์ Qwen-Image-2.1 ที่ประกาศการเปิดตัว ไม่มีโพสต์บล็อกของตัวเอง ไม่มีตาราง benchmark ไม่มีรอบข่าว และไม่มีการเปลี่ยนแปลงใด ๆ ต่อข้อกำหนด Qwen-Image-2.1 เผยแพร่ภายใต้ Turbo เป็นเช็กพอยต์แบบเร่งความเร็วของ Qwen-Image-2.1 สำหรับการสร้างภาพจากข้อความและการแก้ไขภาพ ซึ่งรันในแปดสเต็ปการดีนอยซ์ แทนที่จะเป็นสี่สิบสเต็ปที่ตัวอย่างของโมเดลฐานเองใช้ นอกจากนี้ มันยังเปลี่ยนที่มาของตารางการสุ่มตัวอย่างอย่างเงียบ ๆ — และนั่นคือส่วนที่จะทำให้โค้ดพัง

จริงๆ แล้วมีอะไรอยู่ในรีโพซิทอรี

การ์ดนั้นสั้นและเจาะจงอย่างผิดปกติ ซึ่งทำให้ง่ายต่อการแยกสิ่งที่ยืนยันแล้วออกจากสิ่งที่กำลังถูกบอกเป็นนัย

• มันคืออะไร: การ์ดอธิบาย Qwen-Image-2.1-Turbo ว่าเป็น "เช็กพอยต์แบบเร่งความเร็วของ Qwen-Image-2.1 สำหรับการสร้างภาพจากข้อความและการแก้ไขภาพด้วย 8 ขั้นตอนการลดสัญญาณรบกวน" มันไม่ใช่สถาปัตยกรรมใหม่และไม่ใช่ตระกูลโมเดลใหม่ มันเป็นคอมโพเนนต์การสร้างภาพขนาด 7B ตัวเดิม ที่ถูกบรรจุใหม่บนเส้นทางการสุ่มตัวอย่างที่สั้นลงมาก

• วิธีโหลด: ผ่าน QwenImage21Pipeline ใน Diffusers ซึ่งเป็นคลาสไปป์ไลน์เดียวกันกับที่โมเดลฐานใช้ โดยสลับชื่อเช็กพอยต์ เมทาดาทาของรีโพซิทอรีเองระบุว่า base_model: Qwen/Qwen-Image-2.1 และ library_name: diffusers พร้อมทั้งมี base_model:finetune:Qwen/Qwen-Image-2.1 เป็นแท็กที่สอง นั่นคือผู้ให้บริการอธิบายว่านี่เป็นไฟน์จูนของเช็กพอยต์ฐาน ไม่ใช่โมเดลระดับพี่น้อง

• สิ่งที่คงไว้: สถาปัตยกรรมการสร้างภาพ 7B เดิม, พรีเซ็ตความละเอียดทั้งเจ็ดแบบเดียวกับ Qwen-Image-2.1 (จัตุรัส 2048 × 2048, 4:3 ที่ 2400 × 1792, 3:4 ที่ 1792 × 2400, 3:2 ที่ 2528 × 1696, 2:3 ที่ 1696 × 2528, 16:9 ที่ 2752 × 1536 และ 9:16 ที่ 1536 × 2752) และความสามารถสองประการเหมือนเดิม — การสร้างภาพจากข้อความและการแก้ไขภาพตามคำแนะนำ การจัดแสดงบนการ์ดถูกจัดเป็นหมวดหมู่ตามประเภท: การถ่ายภาพบุคคล, ท่าทางและการเคลื่อนไหวของมนุษย์, การสร้าง RGBA แบบโปร่งใส, การจัดวางตัวอักษรและการออกแบบโปสเตอร์, UI และเลย์เอาต์ข้อมูล, การแปลงภาพเดี่ยว, การจัดองค์ประกอบจากภาพอ้างอิงหลายภาพ และการจัดองค์ประกอบภายในจากภาพสี่ภาพ

• สิ่งที่ไม่ได้ระบุไว้: ตัวเลขการประเมินใด ๆ บนการ์ดไม่มีคะแนน Qwen-Image-Bench สำหรับเช็กพอยต์ Turbo และไม่มีการเปรียบเทียบกับโมเดลฐาน คะแนนเดียวที่มีอยู่ที่ใดก็ตามในสาย Qwen-Image-2.1 ยังคงเป็นผล Qwen-Image-Bench ของโมเดลฐานเอง ซึ่งเป็นตัวเลขที่ผู้ขายรายงานและวัดบนเช็กพอยต์ฐาน — ไม่ใช่บนเช็กพอยต์นี้

ตารางเวลาบัดนี้อยู่ในน้ำหนักแล้ว และนั่นคือการเปลี่ยนแปลงที่แท้จริง

นี่คือประโยคที่สำคัญที่สุดบนการ์ด และมันถูกฝังอยู่ใต้คำแนะนำในการติดตั้ง: checkpoint "มาพร้อมตารางการสุ่มที่แนะนำ ดังนั้นจึงพร้อมใช้งานได้ทันทีโดยไม่ต้องกำหนดค่า scheduler ด้วยตนเอง"

จากนั้นผลที่ตามมา ซึ่งระบุไว้อย่างตรงไปตรงมาในส่วนการสุ่ม: "กำหนดการสุ่มแบบ 8 ขั้นตอนที่แนะนำจะถูกบันทึกไว้พร้อมกับเช็กพอยต์และโหลดโดยอัตโนมัติ การตั้งค่า num_inference_steps เพียงอย่างเดียวไม่ได้เขียนทับกำหนดการนั้น"

อ่านให้ดีสองครั้ง ในธรรมเนียมของ Diffusers ที่คนส่วนใหญ่จดจำกัน จำนวนสเต็ปเป็นอาร์กิวเมนต์ตอนเรียกใช้ — คุณส่ง num_inference_steps=40 สำหรับโมเดลฐาน และ num_inference_steps=4 สำหรับเช็กพอยต์แบบกลั่น แล้วไปป์ไลน์จะสร้างตารางเวลาที่สอดคล้องกัน Qwen-Image-2.1-Turbo ไม่เป็นไปตามธรรมเนียมนั้น ตารางเวลาแปดสเต็ปเป็นเมทาดาทาของเช็กพอยต์ ไม่ใช่พารามิเตอร์ของคำขอ คุณส่งจำนวนเต็มค่าอื่นได้ และไปป์ไลน์ก็ยังใช้ตารางเวลาที่บันทึกไว้ การ์ดระบุว่าวิธีเดียวที่จะแทนที่มันคือการส่งอาร์กิวเมนต์ sigmas อย่างชัดเจนตอนเรียกใช้ และเสริมว่าตารางเวลาอื่น ๆ "ยังไม่ได้รับการประเมินสำหรับเช็กพอยต์นี้"

ผลลัพธ์ในทางปฏิบัติคือกับดักในการทำซ้ำ โค้ดที่ยกมาจากการ์ดโมเดล Qwen-Image-2.1 และชี้ไปที่ที่เก็บ Turbo จะรันได้ จะไม่เกิดข้อผิดพลาด และจะไม่สร้างผลลัพธ์ที่โชว์เคสของ Turbo แสดงให้เห็น นอกจากนี้ยังต้องใช้บิลด์ของ Diffusers ที่เข้าใจซิกมาสำหรับการสุ่มที่กำหนดค่าไว้ในไปป์ไลน์ — การรองรับนี้เพิ่มเข้ามาใน Diffusers PR #14950 ซึ่ง ณ เวลาที่เขียนนี้ยังอยู่ในซอร์สทรีแทนที่จะอยู่ในรีลีสที่ติดแท็ก การติดตั้งที่ระบุไว้คือบิลด์ PyTorch ที่เข้ากันได้กับ CUDA พร้อมกับ git+https://github.com/huggingface/diffusers.git, transformers>=5.17.0, accelerate และ pillow

ค่าดีฟอลต์อีกสองอย่างมาจากการ์ด ไม่ใช่มาจากสิ่งที่คุณตั้งค่าเอง: การสร้างจะใช้ CFG 1 เป็นค่าเริ่มต้น และแคช KV แบบ prefix "นำบริบทข้อความและภาพอ้างอิงกลับมาใช้ซ้ำตลอดขั้นตอนการ denoise" CFG 1 หมายถึงไม่มีการรัน classifier-free guidance ซึ่งเป็นส่วนสำคัญที่ทำให้วิถีสั้นลงโดยไม่พังทลาย และนี่ก็เป็นเหตุผลที่การ์ดไม่สนใจที่จะให้คำแนะนำเรื่อง guidance scale ด้วย แคช KV แบบ prefix คือมรดกที่สืบทอดมาจากโมเดลฐาน: กลไกเดียวกันกับที่ Qwen-Image-2.1 ใช้เพื่อนำบริบทข้อความและภาพอ้างอิงกลับมาใช้ซ้ำ ซึ่งยิ่งสำคัญมากขึ้น ไม่ใช่น้อยลง เมื่อลูปการ denoise มีความยาวเพียงแปดรอบเท่านั้น

ประกาศในบันทึกการเปลี่ยนแปลง ส่งมอบเป็นรีโพซิทอรี

กรอบความคิดที่เข้ากับการเปิดตัวครั้งนี้ไม่ใช่ “การเปิดตัว” และไม่ใช่ “การรั่วไหล” แต่เป็นอาร์ติแฟกต์ที่เช็กอินแล้ว พร้อมบรรทัดที่ระบุวันที่ในรายการข่าว รายการข่าวบน GitHub สำหรับโปรเจกต์ Qwen-Image-2.1 มีสองรายการที่ลงวันที่ 2026.10.09: รายการหนึ่งสำหรับเช็กพอยต์ Turbo อีกรายการหนึ่งระบุว่า Qwen-Image-2.1 Pro และ Turbo APIs “เปิดให้บริการอย่างเป็นทางการแล้ว” บน Alibaba Cloud Model Studio ไม่มีโพสต์บล็อกแยกต่างหากสำหรับ Turbo; ลิงก์บล็อกบนการ์ดชี้ไปที่บล็อก Qwen-Image-2.1 จากวันที่ 20 กันยายน 2026

ลองเปรียบเทียบกับกรณีที่โมเดลฐานเปิดตัวเมื่อสามสัปดาห์ก่อน รายการข่าวของ Qwen-Image-2.1 มีรายการที่ระบุวันที่สำหรับน้ำหนักโมเดล แล้วตามด้วยอีกห้ารายการในวันเดียวกัน: การรองรับ Diffusers ตั้งแต่วันแรกผ่าน PR #14804, การรองรับ ComfyUI แบบเนทีฟตั้งแต่วันแรก, การรองรับ vLLM-Omni พร้อมการประมวลผลแบบทีละขั้นและการแคช KV แบบ prefix และการควอนไทซ์ FP8 และ tensor parallelism, การรองรับ SGLang พร้อม Cache-DiT และ CUDA graphs, และการเร่งความเร็วตั้งแต่วันแรกจาก LightX2V เช็คพอยต์ Turbo ไม่มีสิ่งเหล่านี้เลย ทุกรายการในระบบนิเวศเหล่านั้นล้วนอ้างถึง Qwen-Image-2.1

ตัวนับในที่เก็บโค้ดบอกเรื่องราวเดียวกันเกี่ยวกับวุฒิภาวะมากกว่าคุณงามความดี และมันเป็นเพียงภาพ ณ ขณะหนึ่ง ไม่ใช่คำตัดสิน: ณ เวลาที่เขียน Qwen-Image-2.1 มียอดดาวน์โหลด 122,311 ครั้งในเดือนที่ผ่านมา และ 3,142 ไลก์ ขณะที่ Qwen-Image-2.1-Turbo — ซึ่งเพิ่งเปิดตัวได้ไม่กี่ชั่วโมง — มี 33 ไลก์ ยอดดาวน์โหลดเป็นตัวชี้วัดที่ล่าช้า และตัวเลขของ Turbo จะขยับ สิ่งที่มันบอกคุณในวันนี้ก็เพียงว่า ยังไม่มีใครมีเวลารันมันเลย

สิ่งที่แปดขั้นตอนไม่ได้บอกคุณ

จำนวนก้าวคือพาดหัวข่าว และเป็นตัวเลขที่มีประโยชน์น้อยที่สุดในรีลีส ด้วยเหตุผลสามข้อที่ควรกล่าวอย่างตรงไปตรงมา

• สเต็ปไม่ใช่วินาที ทั้งการ์ดและรีโพซิทอรีไม่ได้เผยแพร่ทรูพุต ความหน่วง หรือหน่วยความจำสำหรับเช็คพอยต์ Turbo แปดสเต็ปที่ 2048 × 2048 บนโมเดล 7B bfloat16 ถือเป็นภาระงานที่แตกต่างจากแปดสเต็ปบนโมเดลที่เล็กกว่า และการ์ดไม่ได้ระบุว่าวัดบนฮาร์ดแวร์ใด เพราะมันไม่ได้รายงานผลการวัดเลย

• ยังไม่มีจุดอ้างอิงด้านคุณภาพ ยังไม่มีคะแนนที่เผยแพร่สำหรับ Turbo ไม่มีการเปรียบเทียบแบบเคียงข้างกับเช็กพอยต์ฐาน และไม่มีการประเมินที่เป็นอิสระสำหรับทั้งสองอย่าง ภาพโชว์เคสเป็นเอาต์พุตที่ผู้ขายคัดเลือกมา ณ การตั้งค่าที่ผู้ขายแนะนำ ภาพเหล่านี้เป็นหลักฐานว่าโมเดลสร้างภาพได้ แต่ไม่ใช่หลักฐานว่าคุณภาพถูกแลกไปมากน้อยเพียงใดเพื่อลดจำนวนสเต็ป และไม่ใช่สิ่งทดแทนการทดสอบมาตรฐาน

• ไม่มีหน่วยความจำ การ์ดของโมเดลพื้นฐานมีส่วนว่าด้วยการปรับแต่งหน่วยความจำ ส่วน Turbo เอกสารระบุถึงการติดตั้ง การแก้ไข อัตราส่วนภาพ และสต็อป หากคุณต้องการให้บริการสิ่งนี้ จงวางแผนที่จะวัดผล

ใบอนุญาตไม่เปลี่ยนแปลง และนั่นคือประเด็นสำคัญสำหรับทุกคนที่จัดส่ง

Qwen-Image-2.1-Turbo อยู่ภายใต้ข้อตกลงใบอนุญาต Qwen Research License Agreement เมทาดาทาของรีโพซิทอรีระบุว่า license: other โดยมี license_name: qwen-research และ license_link: LICENSE และมีไฟล์ LICENSE อยู่ในรีโพซิทอรีพร้อมกับไฟล์น้ำหนัก ส่วนข้อตกลงใบอนุญาตของการ์ดเองระบุไว้หนึ่งประโยคว่า โมเดลนี้อยู่ภายใต้ข้อตกลงใบอนุญาต Qwen Research License Agreement

การเร่งความเร็วไม่เปลี่ยนอะไรในประเด็นนั้น สัญญาอนุญาตเพื่อการวิจัยที่ไม่ใช่เชิงพาณิชย์สำหรับโมเดลฐานไม่ได้กลายเป็นสัญญาอนุญาตเชิงพาณิชย์เพียงเพราะเช็กพอยต์เร็วขึ้น และที่เก็บ Turbo เป็นการดาวน์โหลดแยกต่างหากภายใต้เงื่อนไขเดียวกัน หากความสนใจของคุณในการสร้างแบบ 8 ขั้นตอนคือการที่มันทำให้โมเดลมีต้นทุนต่ำพอที่จะนำไปใช้ในผลิตภัณฑ์ได้ สิ่งที่เป็นข้อจำกัดคือสัญญาอนุญาต ไม่ใช่จำนวนขั้นตอน คำถามนั้นต้องสอบถามไปยังผู้ขาย ไม่มีคำตอบอยู่ในที่ใดในรีพอซิทอรีนี้

พาธที่โฮสต์ไว้ และตำแหน่งที่ OrcaRouter อยู่ภายในพาธนั้น

OrcaRouter ไม่ได้กำหนดเส้นทางสำหรับ Qwen-Image-2.1-Turbo และไม่ได้กำหนดเส้นทางสำหรับ Qwen-Image-2.1 ทั้งสองรุ่นไม่ปรากฏในแคตตาล็อกของเรา และไม่มีสิ่งใดในบทความนี้ที่ควรตีความว่าเป็นข้อเสนอในการให้บริการโมเดลเหล่านี้ หากคุณต้องการใช้งานรุ่นใดรุ่นหนึ่ง ช่องทางที่มีคือ API ของผู้จำหน่ายเองและแพลตฟอร์มของบุคคลที่สามหลายแห่ง หรือตัวเวตต์เองพร้อมบิลด์ Diffusers ที่ใหม่พอที่จะโหลดตารางเวลาที่บันทึกไว้ของเช็กพอยต์ Turbo

สิ่งที่เราเปิดตัวเป็นแนวหน้าคือสายงานภาพแบบโฮสต์ และเป็นเรื่องที่ควรรู้ว่ามีอะไรอยู่ในนั้นบ้าง เพื่อให้คุณนำไปวางเทียบกับการทดลองแบบโฮสต์เองได้ OrcaRouter รวมโมเดลกว่า 200 รายการไว้หลังเอนด์พอยต์เดียวที่เข้ากันได้กับ OpenAI ในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม — ดังนั้นเมื่อผู้ขายลดราคา การลดราคานั้นก็มีผลฝั่งเราทันทีในวันเดียวกัน แทนที่จะต้องรอรอบการปรับราคาใหม่ ระบบจะเพิ่มการสลับไปใช้ระบบสำรองอัตโนมัติเมื่อผู้ให้บริการมีคุณภาพลดลง พร้อม DSL สำหรับกำหนดเส้นทางเพื่อระบุว่าคำขอหนึ่ง ๆ ใช้โมเดลและผู้ให้บริการใดได้บ้าง และการหลอมรวมโมเดลสำหรับประกอบหลายโมเดลเข้าเป็นการเรียกครั้งเดียว โมเดลภาพที่เราให้บริการเส้นทางคือตระกูล OpenAI GPT-Image รวมถึง Google Imagen 4 ในระดับต่าง ๆ ทั้งรุ่น fast และ ultra เอนด์พอยต์พรีวิวภาพของ Google Gemini และเอนด์พอยต์ภาพ xAI Grok Imagine

แก่นแท้ที่ตรงไปตรงมาของการตัดสินใจ: หากคุณต้องการโมเดล open-weights ขนาด 7B แบบแปดขั้นตอนที่คุณตรวจสอบและแก้ไขได้ Turbo คืองานที่ต้องโฮสต์เอง และสัญญาอนุญาตคือสิ่งที่ต้องจัดการให้เรียบร้อยก่อน หากคุณต้องการ endpoint รูปภาพในโปรดักชันภายในสัปดาห์นี้ นั่นคือการซื้อคนละแบบ และเป็นแบบที่เราขาย

สิ่งที่พูดได้ และสิ่งที่พูดไม่ได้

• ยืนยันโดยตัวรีโพซิทอรีเอง: เช็กพอยต์แบบเร่งความเร็วขนาด 7B ของ Qwen-Image-2.1 ที่สร้างภาพจากข้อความและแก้ไขภาพได้ในแปดขั้นตอนดีนอยซิง; ตารางการสุ่มตัวอย่างที่บันทึกไว้ซึ่ง num_inference_steps ไม่เขียนทับ; ค่า CFG เป็น 1 โดยค่าเริ่มต้น; การแคช KV แบบ prefix สำหรับบริบทข้อความและภาพอ้างอิง; พรีเซ็ตความละเอียดเจ็ดแบบเดียวกันกับโมเดลฐาน; พาธการโหลด QwenImage21Pipeline; รายการเผยแพร่ที่ลงวันที่ 9 ตุลาคม 2026 ในรายการข่าวของโครงการเอง; และ Qwen Research License Agreement ฉบับเดียวกับโมเดลฐาน

• ไม่มีการระบุไว้ที่ใดเลย:การวัดคุณภาพใด ๆ สำหรับ Turbo checkpoint, การวัดความเร็วหรือหน่วยความจำใด ๆ, การประเมินอิสระใด ๆ ของ base checkpoint ที่มันได้มาจาก, ข้อความใด ๆ เกี่ยวกับเงื่อนไขทางการค้านอกเหนือจากใบอนุญาตเพื่อการวิจัย และการสนับสนุนเฟรมเวิร์กตั้งแต่วันแรกในแบบที่ Qwen-Image-2.1 มาพร้อมให้

แปดขั้นตอนคือตัวเลขที่จะถูกอ้างอิงถึง ตารางเวลาที่ถูกย้ายเข้าไปในเวทนั้นคือรายละเอียดที่ตัดสินว่าการรันครั้งแรกของคุณจะให้ผลลัพธ์ที่เหมือนเดิมหรือไม่