Qwen-Image-2.1-Turbo vs Z-Image Turbo: Hai mô hình tám bước, hai canh bạc khác nhau

Qwen-Image-2.1-Turbo và Z-Image Turbo là hai checkpoint hình ảnh mở mà hiện nay hầu hết mọi người đều phải cân nhắc chọn lựa giữa chúng, và lý do khiến việc so sánh cứ mãi luẩn quẩn là cả hai đều quảng cáo cùng một con số nổi bật. Cả hai đều chạy trong tám bước khử nhiễu. Cả hai đều đủ mở để tải về và chạy trên máy của chính bạn. Cả hai đều được quảng cáo là nhanh hơn đáng kể so với thứ mà chúng được phát triển ra từ đó. Mọi thứ quyết định việc bạn thực sự muốn cái nào đều nằm bên dưới con số chung đó, và không có thứ nào trong đó là số bước. Z-Image Turbo được công bố vào ngày 25 tháng 11 năm 2025 dưới dạng một mô hình 6B theo giấy phép Apache-2.0, được chưng cất từ dòng Z-Image bằng một công thức hai giai đoạn đã được công bố. Qwen-Image-2.1-Turbo ra mắt vào ngày 9 tháng 10 năm 2026 dưới dạng một checkpoint tăng tốc của Qwen-Image-2.1 — mô hình cơ sở phát hành ngày 20 tháng 9 năm 2026 — vẫn giữ nguyên kiến trúc 7B và giấy phép nghiên cứu phi thương mại của nhà cung cấp. Tám tháng ngăn cách hai kho lưu trữ, và sự khác biệt trong cách chúng được xây dựng còn lớn hơn khoảng cách về ngày tháng đó gợi ra.

Tám bước là triệu chứng chung, không phải nguyên nhân chung

Khi hai mô hình đạt cùng số bước bằng những con đường khác nhau, số bước không còn là một phép so sánh hữu ích nữa. Nó chỉ cho bạn biết rằng hai mô hình đã được tinh chỉnh để có độ trễ tương đương, và không có gì khác.

• Z-Image Turbo đạt được điều đó nhờ chưng cất, sau đó là học tăng cường. Thẻ gia đình Z-Image mô tả nó là "một phiên bản chưng cất của Z-Image, đạt hoặc vượt các đối thủ hàng đầu chỉ với 8 NFE". Bài viết kỹ thuật nêu tên cơ chế: Decoupled-DMD, một biến thể của Distribution Matching Distillation, tách hai cơ chế mà các phương pháp DMD hiện có vẫn coi là một, tiếp theo là DMDR, kết hợp DMD và RL trong quá trình hậu huấn luyện. Bảng biến thể trên thẻ thể hiện rõ lộ trình huấn luyện — tiền huấn luyện, SFT và RL đều được đánh dấu, 8 bước, CFG bị tắt.

• Qwen-Image-2.1-Turbo đạt được điều đó bằng cách tái đóng gói một mô hình nền tảng mạnh.Thẻ của nó mô tả nó là “một checkpoint tăng tốc của Qwen-Image-2.1 để tạo hình ảnh từ văn bản và chỉnh sửa hình ảnh với 8 bước khử nhiễu”, trên cùng kiến trúc tạo hình ảnh 7B. Không có công thức chưng cất nào được công bố. Điều được ghi lại là checkpoint mang lịch lấy mẫu được đề xuất riêng của nó, nên Diffusers tự động tải nó và việc chỉ đặt `num_inference_steps` sẽ không ghi đè được nó, và rằng quá trình tạo mặc định dùng CFG=1 với bộ nhớ đệm KV tiền tố tái sử dụng ngữ cảnh văn bản và ảnh tham chiếu qua các bước.

Hệ quả thực tế: với Z-Image Turbo, bạn đang chạy một mô hình mà tốc độ là sản phẩm của một quá trình huấn luyện, còn với Qwen-Image-2.1-Turbo, bạn đang chạy một checkpoint của một mô hình vốn đã tốt, với đường lấy mẫu được rút ngắn và đóng băng vào tệp. Cả hai đều chính đáng. Chúng thất bại theo những cách khác nhau. Một mô hình chưng cất có ngân sách chất lượng đã được tiêu trong quá trình huấn luyện; một checkpoint được đóng gói lại có ngân sách đã được tiêu trong quá trình tạo checkpoint. Không thẻ nào công bố đã tiêu tốn bao nhiêu.

Những ranh giới thực sự chia tách chúng

Năm khía cạnh quyết định cuộc đối đầu này. Mỗi khía cạnh đều được nêu trên một nguồn chính mà bạn có thể mở.

• Kích thước: 6B tham số cho Z-Image Turbo so với 7B của Qwen-Image-2.1-Turbo. Cả hai đều đủ nhỏ để chạy trên phần cứng tiêu dùng, và khoảng cách đó không phải là yếu tố quyết định kết quả của bạn.

• Giấy phép:Apache-2.0 cho Z-Image Turbo; thỏa thuận qwen-research cho Qwen-Image-2.1-Turbo, vốn cấp các quyền "FOR NON-COMMERCIAL PURPOSES ONLY" và yêu cầu phải xin giấy phép riêng cho mục đích thương mại. Đây là khác biệt lớn nhất giữa hai mô hình và cũng là khác biệt duy nhất mang tính nhị phân.

• Chỉnh sửa: Qwen-Image-2.1-Turbo thực hiện tạo ảnh từ văn bản và chỉnh sửa theo hướng dẫn chỉ với một lần tải xuống — thẻ của nó minh họa cả hai bằng cùng một lịch đã lưu. Z-Image Turbo là một mô hình tạo sinh; tính năng chỉnh sửa nằm trong Z-Image-Edit, một biến thể riêng mà thẻ của dòng sản phẩm vẫn liệt kê là "sắp ra mắt". Nếu pipeline của bạn cần các chỉnh sửa dựa trên hướng dẫn ngay hôm nay, dòng đó đã định đoạt điều đó.

• Kết xuất văn bản và ngôn ngữ: thẻ Z-Image nêu bật khả năng kết xuất văn bản song ngữ tiếng Anh và tiếng Trung như một thế mạnh hàng đầu của Turbo. Thẻ của Qwen-Image-2.1-Turbo không đưa ra tuyên bố tương đương — phần giới thiệu của nó được tổ chức theo danh mục đầu ra (chân dung, tư thế và chuyển động, RGBA trong suốt, thiết kế chữ và áp phích, bố cục UI, biến đổi ảnh đơn, tổng hợp đa tham chiếu) thay vì theo ngôn ngữ.

• Mức độ trưởng thành về bộ nhớ và triển khai: thẻ của Z-Image nêu rằng Turbo "vừa vặn thoải mái trong các thiết bị tiêu dùng có 16G VRAM" và tuyên bố suy luận dưới một giây trên phần cứng cấp H800 — tuyên bố của nhà cung cấp, không gắn với phương pháp đo lường nào. Thẻ của Qwen-Image-2.1-Turbo hoàn toàn không công bố bất kỳ con số nào về bộ nhớ hay độ trễ. Trong bốn ngày sau khi nó xuất hiện, một bản port macOS độc lập đã đo được mức đỉnh từ 1,8 đến 2,7 GB với swap bằng không trên chiếc M1 Pro 16 GB, ở giới hạn đầu ra 1024×1536; đó là con số của bên thứ ba trên một triển khai của bên thứ ba, không phải số liệu của nhà cung cấp.

Những gì các bảng xếp hạng bao gồm, và hai hàng không tồn tại

Đây là điểm mà việc so sánh thường bị hiểu sai nhất, nên cần phải chính xác về việc mỗi con số thuộc về mô hình nào.

Trên đấu trường tạo hình ảnh từ văn bản công khai, có một dòng dành cho Z-Image Turbo ở 941 Elo từ khoảng 9.000 phiếu bầu, và một dòng riêng cho Z-Image Base ở 877. Có một dòng cho Qwen-Image-2.1 ở 1.038 Elo từ khoảng 5.500 phiếu bầu, ghi ngày tháng 9 năm 2026 và được đánh dấu là không có API khả dụng. Bảng chỉnh sửa cũng có một dòng Qwen-Image-2.1.

Hãy để ý điều còn thiếu. Không có hàng nào cho Qwen-Image-2.1-Turbo trên cả hai bảng — checkpoint này có niên đại 9 tháng 10 năm 2026 và chưa được đánh giá riêng. Và không có hàng Z-Image Turbo trên bảng chỉnh sửa, vì Z-Image Turbo không làm chỉnh sửa. Vậy nên phép so sánh trông có vẻ rõ ràng "Qwen ở 1.034 so với Z-Image ở 941" không phải là so sánh hai checkpoint mà bài viết này nói tới; đó là so sánh mô hình mà Z-Image Turbo được chưng cất từ đó với mô hình mà Qwen-Image-2.1-Turbo được tăng tốc từ đó. Chất lượng của Qwen-Image-2.1-Turbo trong tám bước không được đo lường công khai, và việc vị trí của mô hình cơ sở còn giữ được bao nhiêu qua lịch trình rút ngắn cũng không được đo lường công khai.

Cách đúng để đọc những con số đó là coi chúng như một giới hạn trên kèm theo một lưu ý: dòng họ mà Qwen-Image-2.1-Turbo bắt nguồn từ đó nằm cao hơn khoảng 97 Elo so với dòng họ mà Z-Image Turbo bắt nguồn từ đó trên bảng text-to-image, và chưa ai công bố liệu checkpoint Turbo có giữ được khoảng cách đó hay không.

Giấy phép không phải là một chi tiết phụ trong cuộc đối đầu này.

Giữa hai mô hình gần nhau đến vậy về năng lực, giấy phép thường chính là toàn bộ yếu tố quyết định, và ở đây thì cả hai không hề gần nhau chút nào.

Z-Image Turbo được phát hành theo Apache-2.0. Đây là một giấy phép permissive: bạn có thể sử dụng, chỉnh sửa, phát hành và bán những gì mình xây dựng bằng nó, miễn là tuân thủ các điều kiện ghi công và thông báo thông thường.

Qwen-Image-2.1-Turbo kế thừa Thỏa thuận Giấy phép Nghiên cứu Qwen nguyên vẹn từ mô hình cơ sở. Đọc thỏa thuận này, câu có hiệu lực không hề mơ hồ — việc cấp phép là “CHỈ DÀNH CHO MỤC ĐÍCH PHI THƯƠNG MẠI”, và việc sử dụng thương mại đòi hỏi một giấy phép riêng được lấy từ nhà cung cấp. Thỏa thuận cũng cấm việc dùng “Qwen” làm tên chính hoặc định danh của một tác phẩm phái sinh, đồng thời cho phép sử dụng mang tính mô tả như “được tinh chỉnh từ Qwen Image”.

Nếu bạn đang tạo nguyên mẫu, đánh giá hoặc nghiên cứu, khác biệt đó chẳng khiến bạn tốn gì cả và bạn có thể chọn dựa trên năng lực. Nếu bạn đang xây dựng thứ mà bạn định bán hoặc vận hành thương mại, một trong hai cái này dùng được còn cái kia đòi hỏi phải trao đổi với A​libaba Cloud. Đó là một sự thật lớn hơn nhiều so với một lịch trình 8 bước.

Chạy một trong hai, và khi nào bộ định tuyến trở nên cần thiết

Cả hai đều là các bản tải trọng số do bạn tự lưu trữ. Không cái nào là endpoint được lưu trữ trên OrcaRouter, và sẽ là không trung thực nếu ngụ ý điều ngược lại — các mô hình hình ảnh mà chúng tôi định tuyến thuộc dòng OpenAI GPT-Image. Lý do sản phẩm này có mặt trong cuộc trò chuyện này là ở chỗ điều gì sẽ xảy ra ngay khi một checkpoint như một trong hai cái vừa nêu có một nhà cung cấp dịch vụ lưu trữ đứng sau nó.

Ngày điều đó xảy ra, quyết định sẽ không còn là "tôi nên tải file nào" mà trở thành "tôi đang phải duy trì bao nhiêu tích hợp nhà cung cấp". Đó chính là bài toán mà OrcaRouter được sinh ra để giải: hơn 200 mô hình phía sau một endpoint tương thích OpenAI, đúng giá niêm yết của nhà cung cấp, không cộng thêm markup, một DSL định tuyến để diễn đạt bạn muốn mô hình nào trong những điều kiện nào, tự động chuyển đổi dự phòng khi một nhà cung cấp suy giảm, và hợp nhất mô hình để kết hợp các đầu ra. Một checkpoint mở 8 bước và một router không phải là những câu trả lời cạnh tranh nhau; một cái là file trên đĩa của bạn, còn cái kia là cách bạn ngừng bận tâm đến việc endpoint nào đứng sau một tên mô hình.

Cho đến lúc đó, đường dẫn cục bộ là toàn bộ đường dẫn, và các ràng buộc là những ràng buộc mà thẻ và giấy phép quy định.

Tải cái nào trước

Phiên bản trung thực ngắn nhất của quyết định:

• Hãy chọn Z-Image Turbo nếu bạn cần phát hành một sản phẩm thương mại, nếu bạn muốn công thức tăng tốc được tài liệu hóa kỹ lưỡng hơn với lộ trình huấn luyện đã được công bố, nếu việc hiển thị văn bản song ngữ Trung – Anh là một yêu cầu thực sự, hoặc nếu bạn đang nhắm đến một thiết bị 16 GB và muốn mức bao phủ bộ nhớ do nhà cung cấp công bố.

• Hãy chọn Qwen-Image-2.1-Turbo nếu bạn cần chỉnh sửa theo hướng dẫn và tạo ảnh từ văn bản chỉ với một checkpoint ngay hôm nay thay vì phải chờ đợi một biến thể chỉnh sửa riêng, nếu công việc của bạn là nghiên cứu hoặc đánh giá, và nếu bạn muốn có nguồn gốc từ mô hình nền mạnh hơn cùng chấp nhận rằng chất lượng của nó sau tám bước hiện vẫn chưa được đo lường.

• Hãy chọn cả hai nếu bạn đang chọn cho một nhóm. Chúng đủ nhỏ để nằm cạnh nhau trên cùng một đĩa, cả hai đều được phục vụ bởi cùng một lớp local runner, và điều duy nhất bạn không thể làm khi cài đặt cả hai là phát hành checkpoint Q​wen cho mục đích thương mại.

Điều mà cả hai đều không mang lại cho bạn hôm nay là một chuẩn đối sánh. Tám bước, 6B so với 7B, Apache-2.0 so với một giấy phép nghiên cứu — đó đều là những dữ kiện trên một tấm thẻ. Trong hai cái, cái nào tạo ra hình ảnh đẹp hơn sau tám bước khử nhiễu là câu hỏi mà chưa có nguồn sơ cấp nào trả lời, và hiện giờ, điều trung thực là chạy cả hai với prompt của chính bạn thay vì tin vào một dòng trên bảng xếp hạng vốn thuộc về một checkpoint khác.

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