Qwen-Image-2.1-Turbo trên máy tính để bàn: BaoCut 3.5 và những phép đo thời gian cục bộ đầu tiên

Kho lưu trữ của Qwen-Image-2.1-Turbo đã xuất hiện trên Hugging Face vào ngày 9 tháng 10 năm 2026 với 707 lượt thích, các trọng số, một tệp giấy phép, và chỉ một dòng duy nhất trong danh sách tin tức Qwen-Image-2.1 trên GitHub là toàn bộ thông báo của nó. Năm ngày sau, nó đã chạy trên máy của người dùng. BaoCut 3.5, một công cụ chỉnh sửa trên máy tính để bàn của Trung Quốc, đã tích hợp checkpoint này và bắt đầu tạo ảnh ngay trên máy cục bộ thay vì qua máy chủ; X/@dotey đưa tin vào ngày 13 tháng 10 năm 2026 rằng một bức ảnh mất khoảng ba đến năm phút ở 1080p trên chiếc Mac Mini M2 của họ và gần hai mươi phút ở 2K. Riêng một ứng dụng macOS mã nguồn mở có tên Siliconed đã đăng lên bảng thảo luận của chính mô hình này vào ngày 11 tháng 10 năm 2026 với kết quả đo được là 118 giây ở 1024² trên một chiếc M1 Pro, và cùng chiếc máy đó chạy Z-Image Turbo — checkpoint mở 8 bước còn lại mà mọi người đang cân nhắc lựa chọn — trong 82 đến 85 giây. Qwen-Image-2.1, mô hình gốc mà cả hai bản chạy cục bộ đều dẫn xuất từ đó, được phát hành vào ngày 20 tháng 9 năm 2026. Checkpoint tăng tốc này trẻ hơn mô hình mẹ ba tuần và không có đánh giá độc lập nào cho riêng nó.

Đó là hình dạng của câu chuyện này: một checkpoint chưa từng được ra mắt, chỉ được công bố, giờ đây đang xuất hiện bên trong phần mềm máy tính để bàn trước khi nhà cung cấp nói bất cứ điều gì đáng kể về nó trước công chúng. Phần tiếp theo sẽ tách bạch những gì kho lưu trữ thực sự nêu rõ với những gì những người dùng đầu tiên đang báo cáo, bởi vì hai điều đó không phải cùng một loại tuyên bố.

Những gì kho lưu trữ xác nhận, và những gì nó không xác nhận

Tất cả nội dung dưới đây đều đến từ thẻ mô hình, tệp giấy phép và nhật ký thay đổi của dự án — những nguồn sơ cấp, ai cũng có thể kiểm chứng.

• Có ngày tháng, và có ngày tháng ở chỗ quan trọng. API của Hugging Face báo cáo rằng kho lưu trữ được tạo vào 2026-10-09T04:50:01Z và được sửa đổi lần cuối vào 2026-10-12. Danh sách tin tức Qwen-Image-2.1 trên GitHub có mục tương ứng: "2026.10.09: Chúng tôi đã phát hành Qwen-Image-2.1-Turbo để tạo và chỉnh sửa hình ảnh chỉ trong 8 bước khử nhiễu." Cùng nhật ký thay đổi đó ghi lại rằng các API Pro và Turbo đã ra mắt trên Aibaba Cloud Model Studio cùng ngày hôm đó. Đây là một bản phát hành; đây là một bản phát hành không có buổi ra mắt.

• Đây là gì. Thẻ gọi nó là "một checkpoint tăng tốc của Qwen-Image-2.1 để tạo ảnh từ văn bản và chỉnh sửa ảnh với 8 bước khử nhiễu", được xây dựng trên cùng kiến trúc tạo hình ảnh 7B. Đây không phải là một dòng họ mới và cũng không phải là một kiến trúc mới. Đây là checkpoint cơ sở được đóng gói lại quanh một quỹ đạo lấy mẫu ngắn hơn nhiều.

• Cả hai khả năng trong một lần tải xuống.Tạo ảnh từ văn bản và chỉnh sửa theo hướng dẫn đều được phục vụ bởi cùng một checkpoint duy nhất này. Các ví dụ của chính model card sử dụng cùng lịch trình 8 bước đã lưu và cùng giá trị mặc định CFG=1 cho cả hai, đồng thời minh họa khả năng chỉnh sửa bằng cách biến bản phác thảo một chiếc du thuyền thành ảnh chân thực như ảnh chụp.

• Lịch trình đi kèm với trọng số. Checkpoint đi kèm lịch lấy mẫu được đề xuất của nó, nên Diffusers tự động tải nó. Thẻ mô hình nêu rõ rằng việc chỉ đặt `num_inference_steps` không ghi đè lịch đã lưu đó. Bộ đệm KV tiền tố tái sử dụng ngữ cảnh văn bản và ảnh tham chiếu qua các bước khử nhiễu.

• Cần có hai phiên bản của bộ công cụ. Bản cài đặt được nêu là bản dựng PyTorch tương thích CUDA, Diffusers từ mã nguồn, transformers 5.17.0 trở lên, accelerate và pillow. Checkpoint cần Diffusers hỗ trợ cho các sigma lấy mẫu được cấu hình theo pipeline, được thêm trong PR #14950 — cây mã nguồn, không phải bản phát hành có gắn thẻ tại thời điểm viết bài.

• Giấy phép không thay đổi, và nó chính là rào cản thương mại. Kho lưu trữ mang giấy phép qwen-research. Thỏa thuận đó cấp các quyền "CHỈ DÀNH CHO MỤC ĐÍCH PHI THƯƠNG MẠI" và nêu rõ rằng việc sử dụng cho mục đích thương mại đòi hỏi một giấy phép riêng phải được yêu cầu từ nhà cung cấp. Không có gì ở Turbo nới lỏng điều đó.

• Không có bất kỳ loại benchmark nào. Không có điểm số nào cho checkpoint Turbo trên card, không có so sánh với bản cơ sở, không có con số về độ trễ và cũng không có con số về bộ nhớ. Nhà cung cấp không công bố bất kỳ thông tin nào trong số đó.

• Đừng nhầm lẫn với các con số của mô hình cơ sở. Nếu bạn thấy một Elo hoặc một tuyên bố về chất lượng gắn với tên Qwen-Image-2.1, hãy kiểm tra xem nó thuộc checkpoint nào. Dòng image-arena công khai thuộc về Qwen-Image-2.1, mô hình cơ sở ngày 20 tháng 9, không phải Turbo.

Hai báo cáo địa phương đầu tiên, và lý do chúng mâu thuẫn

Hai người độc lập đã đưa ra số liệu về suy luận cục bộ trong vòng bốn ngày kể từ khi kho lưu trữ xuất hiện. Họ đo trên những cỗ máy khác nhau, độ phân giải khác nhau và các pipeline khác nhau, và kết quả của họ chênh lệch khoảng một bậc độ lớn ở cùng một tác vụ danh nghĩa. Cả hai đều đáng đọc; không cái nào là một benchmark.

Báo cáo từ trình chỉnh sửa trên máy tính để bàn. X/@dotey, 13 tháng 10 năm 2026: BaoCut 3.5 đã tích hợp Qwen-Image-2.1-Turbo, và việc tạo ảnh diễn ra ngay trên máy cục bộ thay vì thông qua máy chủ. Trên chiếc Mac Mini M2 của họ, một ảnh 1080p mất khoảng ba đến năm phút và một ảnh 2K mất gần hai mươi phút. Họ cũng lưu ý rằng công cụ này sẽ tạo ra nội dung NSFW, và có thể trỏ một agent vào dịch vụ ảnh cục bộ của máy.

Báo cáo về ứng dụng gốc. Ngày 11 tháng 10 năm 2026, tác giả của Siliconed đã đăng bài lên chính bảng thảo luận Hugging Face của checkpoint đó. Siliconed là một ứng dụng macOS mã nguồn mở, được cấp phép theo Apache-2.0, chạy mô hình bằng Swift và Metal mà không cần Python và không có ComfyUI trong quy trình, đồng thời so sánh từng giai đoạn — bộ mã hóa văn bản, transformer, VAE — theo từng kênh với bản triển khai Diffusers ở fp32. Trên máy tham chiếu, một chiếc MacBook Pro M1 Pro với 16 GB bộ nhớ hợp nhất, ở 1024², 8 bước và CFG 1, Qwen-Image-2.1-Turbo kết xuất trong 118 giây; một bản kết xuất 1024×1536 mất 190 giây, một thao tác chỉnh sửa với một ảnh tham chiếu mất 212 giây, và một thao tác chỉnh sửa với hai ảnh tham chiếu mất 285 giây. Bộ nhớ đỉnh luôn duy trì trong khoảng từ 1,8 đến 2,7 GB và không hề có swap-out nào. Z-Image Turbo trên cùng máy đó và cùng độ phân giải mất từ 82 đến 85 giây.

• Vì sao 3–5 phút và 118 giây không hề mâu thuẫn. Con số của người đăng bài là Mac Mini M2 ở 1080p trong một ứng dụng; con số của ứng dụng là M1 Pro ở 1024² chạy trực tiếp. Chip khác nhau, số pixel khác nhau, lượng công việc diễn ra xung quanh mô hình khác nhau. Không con số nào cho bạn biết máy của bạn sẽ làm được gì.

• Những gì ứng dụng báo cáo là do người dùng tự khai, và nó nói rõ như vậy. Tác giả vẫn là tác giả. Đổi lại: phương pháp được công bố, mỗi con số đều đi kèm một công cụ đo lường được nêu rõ — `phys_footprint` được lấy mẫu mỗi 100 ms, swap lấy từ `vm_stat` — và dự án công bố một bảng chip với một dòng đã được điền sẵn cùng một biểu mẫu công khai để độc giả tự thêm dòng của mình. Điều đó nhiều hơn những gì nhà cung cấp đưa cho bạn, và ít hơn một phòng thí nghiệm độc lập.

• Bộ nhớ là con số quyết định tính khả thi. Bản cài đặt Standard 31,2 GB chạy được trên máy Mac 16 GB vì các trọng số được truyền trực tiếp từ đĩa khi cần đến, trong ngân sách đã nêu là ba phần tư bộ nhớ hệ thống trừ 2 GB. Đó là lý do vì sao kích thước cài đặt lớn hơn RAM của bạn không tự động là một rào cản, và vì sao thông lượng đọc đĩa — chứ không phải VRAM — mới là yếu tố giới hạn.

• Mức trần độ phân giải là một giới hạn thực sự. Bản chuyển sang macOS giới hạn đầu ra ở bề mặt 1024×1536, mỗi cạnh từ 512 trở lên và là bội số của 16, với lý do đây là kích thước lớn nhất được đo với mức hoán đổi bằng không trên máy 16 GB. Các bản render lớn hơn bị từ chối ngay từ đầu thay vì để chúng gây quá tải. Nếu công việc của bạn cần các preset thuộc lớp 2048 của mô hình cơ sở, đường hướng cục bộ này sẽ không cung cấp chúng cho bạn.

Trọng số cục bộ nghĩa là không có lớp kiểm duyệt, và điều đó là con dao hai lưỡi.

Câu được trích dẫn nhiều nhất từ bài đăng ngày 13 tháng 10 là việc mô hình tạo ra hình ảnh NSFW. Điều đáng làm là phải chính xác về việc đó là gì và không phải là gì.

Đây không phải là tính năng mà nhà cung cấp quảng cáo. Thẻ mô hình không nói gì về chính sách nội dung cho checkpoint mở, và giấy phép không tạo ra bất kỳ ngoại lệ nào: giấy phép cấp quyền sử dụng phi thương mại và yêu cầu bạn tuân thủ luật hiện hành, hết. Những gì báo cáo mô tả là hệ quả thông thường của việc chạy một mô hình khuếch tán trên phần cứng của chính bạn — không có nhà cung cấp nào ở giữa lời nhắc và bộ lấy mẫu của bạn, nên không có bộ lọc phía nhà cung cấp nào để kích hoạt. Mọi checkpoint hình ảnh mở đều hoạt động theo cách này. Điểm khác biệt ở đây là tốc độ và cách đóng gói: một mô hình 8 bước thuộc lớp này giờ đã đủ nhanh trên phần cứng tiêu dùng đến mức con đường cục bộ không còn cảm giác như một sự thỏa hiệp nữa.

Câu hỏi về tuân thủ hoàn toàn thuộc về bạn. Nếu bạn định phát hành bất cứ thứ gì được xây dựng trên checkpoint này, giấy phép chính là ràng buộc bắt buộc, và đây không phải là một giấy phép cấp phép rộng rãi — mô hình cơ sở được phân phối theo cùng các điều khoản nghiên cứu phi thương mại, và checkpoint Turbo thừa hưởng nguyên vẹn các điều khoản đó. Suy luận cục bộ không thay đổi những gì bạn được phép làm với đầu ra.

Phần thực sự mới: một công cụ mà agent có thể gọi

Cả hai báo cáo đều hội tụ về cùng một chi tiết, và đó là chi tiết có phần sau dài hơn. Bài đăng ngày 13 tháng 10 đề cập rằng một agent có thể được trỏ tới dịch vụ hình ảnh cục bộ của máy. Bản port cho macOS cung cấp đúng giao diện đó: một tệp nhị phân trợ giúp tên là `silicontrol` bên trong gói ứng dụng, điều khiển cửa sổ đang chạy từ terminal, với các lệnh để liệt kê mô hình, đưa một lượt render vào hàng đợi với `--wait --out`, và đọc trạng thái, phát ra các dòng JSON với trường `"ok"` ở cuối. Chỉ có một hàng đợi và không bao giờ có hai render cùng một lúc.

Một endpoint hình ảnh cục bộ phản hồi bằng JSON lines và trả về đường dẫn tệp là một mục tiêu gọi công cụ. Đó là một câu chuyện khác hẳn so với việc dán prompt vào một web UI: một agent lập trình có thể quyết định rằng nó cần một sơ đồ, một placeholder, hoặc một biến thể, gọi dịch vụ cục bộ, và tiếp tục làm việc mà không cần API key, không tính phí theo từng ảnh, và không có dữ liệu nào rời khỏi máy. Đối với công việc phi thương mại — nghiên cứu, nguyên mẫu nội bộ, bộ khung đánh giá — đó là một năng lực thật sự mới ở 8 bước và dưới 3 GB bộ nhớ đỉnh.

Nó cũng có một lằn ranh cứng, và cũng chính giấy phép đó vạch ra lằn ranh ấy. Ngay khi thứ bạn đang xây dựng là một sản phẩm chứ không phải một công trình nghiên cứu, con đường cục bộ không còn là đáp án dễ dàng nữa, và hạn chế phi thương mại trở thành yếu tố quyết định.

Nơi một lớp định tuyến phù hợp, và nơi nó không phù hợp

Qwen-Image-2.1-Turbo là bản tải trọng số được cấp phép cho mục đích nghiên cứu. Nó không phải là một endpoint được lưu trữ trên OrcaRouter, và không có nội dung nào ở đây nên được hiểu theo cách khác. Cách phân chia trung thực là dựa theo khối lượng công việc.

Nếu hình ảnh của bạn phải được tạo ra trên một máy do bạn kiểm soát, vì quyền riêng tư, vì chi phí, hoặc vì không có kết nối, thì checkpoint này và một trình chạy cục bộ chính là câu trả lời, và câu hỏi định tuyến sẽ không bao giờ phát sinh — giấy phép phi thương mại và ngân sách dung lượng đĩa là hai ràng buộc của bạn. Nếu thay vào đó bạn đang gọi các mô hình hình ảnh trong môi trường sản xuất, nơi một yêu cầu cần phải đi đến một nơi đáng tin cậy và bạn không muốn duy trì quan hệ với nhà cung cấp cho từng mô hình, thì đó chính là vấn đề OrcaRouter tồn tại để giải quyết: hơn 200 mô hình đằng sau một endpoint tương thích OpenAI với giá niêm yết của nhà cung cấp và không có phụ phí, tự động chuyển đổi dự phòng khi một nhà cung cấp suy giảm, và một DSL định tuyến cho những trường hợp bạn muốn thể hiện ưu tiên thay vì chấp nhận mặc định. Hai cách bố trí này không cạnh tranh với nhau. Một checkpoint cục bộ là một công cụ trên bàn làm việc của bạn; một router là thứ bạn đặt trước các mô hình được lưu trữ mà bạn gọi khi công việc rời khỏi bàn làm việc.

Lý do thực tế để phân biệt chúng trong đầu bạn là chúng thất bại theo những cách khác nhau. Một render cục bộ thất bại khi máy bận, đĩa chậm hoặc vượt quá hạn mức bộ nhớ. Một lệnh gọi hosted thất bại khi nhà cung cấp thất bại. Chỉ một trong số đó đáng để giải quyết bằng failover.

Điều chúng ta vẫn chưa thể nói

Ba điều sẽ quyết định danh tiếng của trạm kiểm soát này, và chưa có điều nào trong số đó tồn tại.

• Không có đánh giá độc lập. Turbo không có dòng nào trên arena, không có Elo được công bố, và không có so sánh chất lượng từ bên thứ ba nào với Qwen-Image-2.1 hay Z-Image Turbo. Chi phí chất lượng khi hạ từ quỹ đạo lấy mẫu dài hơn của mô hình cơ sở xuống còn 8 bước đơn giản là chưa được đo lường công khai.

• Không có số liệu về thông lượng hay bộ nhớ từ nhà cung cấp. Thẻ này mô tả đặc điểm của checkpoint và không nói gì về chi phí để vận hành nó. Mọi con số trong bài viết này không phải là ngày tháng đều đến từ người dùng, và mỗi con số trong đó đều được gắn với cỗ máy mà nó được đo.

• Chỉ một con chip trong bảng công khai. Bảng kết quả của bản chuyển sang macOS chỉ có đúng một hàng được điền, một M1 Pro, cùng lời mời để tất cả những người khác thêm kết quả của họ. Nếu bạn chuẩn bị mua phần cứng cho việc này, bạn đang ngoại suy từ hàng đó cộng thêm một giai thoại về Mac Mini M2.

Điều có thể được nói một cách chắc chắn thì hẹp hơn và hữu ích hơn. Checkpoint này tồn tại, được ghi ngày 9 tháng 10 năm 2026, nó thực hiện tạo và chỉnh sửa trong 8 bước ở 7B, lịch trình của nó được nhúng sẵn vào trọng số, nó là phi thương mại, và nó đã đi từ một kho mã nguồn đến chạy trong phần mềm máy tính để bàn trong chưa đầy một tuần mà không hề có buổi ra mắt nào. Đó là một sự kiện có thật trong tạo ảnh cục bộ, và nó đang diễn ra trước khi bất kỳ ai công bố một con số mà bạn có thể dùng để ràng buộc nhà cung cấp.

Những lựa chọn mô hình như thế này cũng chính là nơi các kiểu lỗi hỏng lộ diện: những sự cố AI và thất bại của agent được ghi nhận đằng sau các mô hình thuộc lớp này đều được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục đều mang nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.