Qwen-Image 2.1 vs Z-Image Turbo: Số bước, Giấy phép và mỗi mô hình phù hợp ở đâu

Tám bước so với bốn mươi bước, và một giấy phép nói có đối lại một giấy phép nói không. Qwen-Image 2.1 là mô hình tạo và chỉnh sửa hình ảnh trọng số mở của nhà cung cấp, phát hành ngày 20 tháng 9 năm 2026 theo một thỏa thuận chỉ dành cho nghiên cứu, khử nhiễu trong 40 bước theo mặc định. Z-Image Turbo là checkpoint đã chưng cất từ tổ chức Tongyi-MAI cùng thuộc gia đình doanh nghiệp này, phát hành ngày 26 tháng 11 năm 2025, thực hiện cùng công việc trong 8 bước theo Apache-2.0. Gần mười một tháng ngăn cách chúng, cái mới hơn là bản tải xuống nhỏ hơn trên giấy tờ, và cái cũ hơn là cái bạn có thể đưa vào một sản phẩm thương mại mà không cần hỏi ai. Sự đảo ngược đó chính là toàn bộ phép so sánh.

Câu trả lời ngắn, nếu bạn muốn có nó trước phần lý giải: hãy chọn Z-Image Turbo khi tốc độ trên mỗi ảnh, VRAM trên phần cứng tiêu dùng, hoặc giấy phép thông thoáng là ràng buộc. Chọn Qwen-Image 2.1 khi bạn cần chỉnh sửa một ảnh có sẵn, muốn độ trong suốt gốc, hoặc muốn điểm số cao hơn trên bảng xếp hạng độc lập. Không ai có khối lượng công việc hỗn hợp buộc phải chỉ chọn một, và phần lớn trang này dành để nói về hai lý do khiến người ta nghĩ rằng họ phải làm vậy.

Đầu tiên, vấn đề đặt tên

Có hai thứ trong màn so tài này đều được gọi là turbo và chúng không phải cùng một turbo. Qwen-Image 2.1 có biến thể tăng tốc riêng — “biến thể turbo của Qwen-Image 2.1”, phát hành ngày 9 tháng 10 năm 2026, dùng chung kiến trúc và lớp pipeline của mô hình cơ sở nhưng khử nhiễu trong 8 bước với CFG mặc định bằng 1. Đó không phải là mô hình mà trang này đang so sánh. Z-Image Turbo là một mô hình riêng thuộc một dòng riêng, do nhóm Tongyi-MAI xây dựng, và nó chưng cất một mô hình cơ sở khác — checkpoint Z-Image, vốn chạy ở 50 bước.

Chúng cũng khác nhau ở chỗ được chưng cất từ cái gì và bằng cách nào. Tongyi-MAI mô tả Z-Image Turbo là được chưng cất bằng Decoupled-DMD cùng một giai đoạn mà họ gọi là DMDR, kết hợp DMD với học tăng cường. Biến thể turbo của Qwen-Image 2.1 được nhà cung cấp của nó trình bày như một thay đổi checkpoint hơn là một kiến trúc mới. Cả hai đều chốt ở 8 bước; không bên nào là bên kia, và một câu viết về cái này không nên được hiểu là bao hàm cái kia.

Nếu bạn đang so sánh "mô hình Qwen-Image nhanh nhất" với Z-Image Turbo, thì trang này không phải là trang đúng — phép so sánh đó là với biến thể turbo của Qwen-Image 2.1, còn cách đặt vấn đề theo hai checkpoint 8 bước là một câu hỏi khác với câu trả lời khác.

Z-Image Turbo thực sự cung cấp những gì

Hãy lấy thông tin này từ chính tài liệu của nhà cung cấp thay vì từ các trang tóm tắt, vì hầu hết chúng đều ghi sai kích thước hoặc bỏ sót thông tin đó. Dòng Z-Image được ghi nhận ở 6 tỷ tham số, với thiết kế diffusion-transformer một luồng duy nhất, trong đó các token văn bản, token ngữ nghĩa thị giác và token VAE hình ảnh được nối thành một chuỗi đầu vào. Turbo là thành viên đã được chưng cất của dòng này và chạy ở 8 NFE — mã tham chiếu đặt num_inference_steps=9 và lưu ý rằng điều này tạo ra 8 lượt truyền xuôi qua transformer — với cơ chế guidance bị tắt.

Các tuyên bố về hiệu năng của nhà cung cấp là như sau, và đây là những tuyên bố của nhà cung cấp: độ trễ suy luận dưới một giây trên GPU H800 cấp doanh nghiệp, và khả năng nằm gọn “thoải mái trong 16G VRAM” trên các thiết bị tiêu dùng. Các công cụ cộng đồng kể từ đó đã báo cáo chạy nó ở khoảng 4GB thông qua stable-diffusion.cpp, đây là con số của cộng đồng chứ không phải của nhà cung cấp. Độ phân giải không được công bố dưới dạng một khoảng trên model card; các ví dụ được tài liệu hóa tạo ảnh ở 1024×1024. Model card cũng liệt kê số lượng adapter, finetune và lượng tử hóa là 879, 170 và 93 mô hình, cộng với khoảng 100 Spaces — một thước đo hoạt động của hệ sinh thái trên nền tảng lưu trữ, chứ không phải chất lượng.

Trên bảng xếp hạng text-to-image độc lập, Z-Image Turbo đứng ở vị trí 941 Elo, khoảng tin cậy 95% từ 933 đến 949, từ 8.991 mẫu, xếp hạng 83 trên 168, với mức giá 5,00 đô la cho mỗi 1.000 hình ảnh, cùng dấu đánh dấu open-weights và bảng xếp hạng ghi ngày cho hàng này là tháng 12 năm 2025. Tất cả số liệu đều từ Artificial Analysis, được ghi nhận trực tiếp bằng tiếng Anh vào ngày 13 tháng 10 năm 2026.

Một ghi chú lịch sử mà tài liệu của nhà cung cấp mang theo và đáng được đọc cho đúng: vào ngày 8 tháng 12 năm 2025, Artificial Analysis xếp Z-Image Turbo thứ tám toàn bảng và thứ nhất trong số các mô hình mã nguồn mở. Điều đó đúng vào thời điểm nó được viết ra và đây là một tuyên bố đã cũ. Ngày nay thì không còn đúng nữa — bảng xếp hạng hiện có mười sáu dòng mô hình đóng lẫn mở nằm trên nó. Lý do không phải là Z-Image Turbo trở nên tệ hơn; mà là vì mười tháng đã trôi qua.

Qwen-Image 2.1 thực sự mang đến những gì

Hoàn toàn khác về cấu trúc. Qwen-Image 2.1 có 7B tham số trong thành phần tạo hình ảnh của nó, trải qua 32 lớp DiT đơn luồng, cùng một bộ mã hóa văn bản lớn hơn nhiều — Qwen3-VL 8B — và một VAE RGBA 64 kênh với mức nén không gian 16×. Chính thành phần cuối cùng đó là nguồn gốc của độ trong suốt: nó được tạo ra một cách gốc (native) thay vì bị cắt bỏ sau đó. Lấy mẫu mặc định là 40 bước trên checkpoint cơ sở, ở mức mặc định 2048×2048, với bảy preset được công bố từ 1:1 đến 9:16.

• Độ linh hoạt của đầu vào — chỉ một prompt, một prompt kèm một hình ảnh, hoặc một prompt với tối đa 10 hình ảnh tham chiếu.

• Kiểm soát chỉnh sửa cục bộ — vòng tròn được vẽ, chú thích được tô, hoặc một mặt nạ riêng được truyền làm đầu vào của chính nó để ảnh gốc vẫn không bị đánh dấu.

• Độ trong suốt theo cả hai chiều — tạo RGBA, chỉnh sửa bên trong một lớp trong suốt, hoặc tách một chủ thể ra khỏi một bức ảnh RGB thông thường dưới dạng một lớp RGBA.

• Kích thước tải xuống — kho lưu trữ Diffusers tại Qwen/Qwen-Image-2.1 có dung lượng 33,1 GB, trong đó khoảng 17,5 GB là bộ mã hóa văn bản. Đó chính là chi phí thực tế của việc đưa một mô hình thị giác - ngôn ngữ vào hệ thống.

Trên cùng bảng xếp hạng đó, Qwen-Image 2.1 đứng ở mức 1.038 Elo, khoảng tin cậy từ 1.029 đến 1.047, từ 5.554 mẫu, xếp hạng 20 trong số 168, với dấu đánh dấu trọng số mở và "Không có API khả dụng" ở cột giá. Trên bảng chỉnh sửa, nó là mô hình duy nhất trong hai mô hình xuất hiện: 1.072 Elo, khoảng tin cậy từ 1.063 đến 1.081, từ 6.132 mẫu, xếp hạng 21 trong số 81. Z-Image Turbo không có dòng nào trên bảng chỉnh sửa.

Hai hàng đó — 1.038 so với 941, khoảng cách 97 điểm với các khoảng tin cậy không chồng chéo — là bằng chứng độc lập mạnh nhất trong bài viết này, và chúng vẫn nên được đọc với lưu ý rằng Elo ở đây là điểm ưu tiên bỏ phiếu kín. Nó cho biết đầu ra nào được đám đông ưa thích hơn, chứ không phải mô hình nào nhanh hơn, rẻ hơn, hay được cấp phép cho mục đích sử dụng của bạn.

Các bước không phải là giây.

Lỗi phổ biến nhất khi đọc so sánh đối đầu này là coi 8 bước và 40 bước như tỷ lệ tốc độ gấp năm lần. Chúng không phải là các đơn vị có thể so sánh được giữa hai mô hình. Số bước là số lần bộ khử nhiễu chạy; thời gian mỗi lần chạy trong số đó phụ thuộc vào kích thước transformer, độ phân giải, độ chính xác, cách triển khai attention và phần cứng. Nhà cung cấp Z-Image Turbo công bố một con số độ trễ ở một độ phân giải trên một loại GPU. Nhà cung cấp Qwen-Image 2.1 không công bố con số độ trễ nào cả.

Điều có thể so sánh một cách trung thực là hướng đi và các ràng buộc. Z-Image Turbo được thiết kế để chạy ở 8 NFE trên VRAM tiêu dùng, với mức bao 16GB do nhà cung cấp công bố và các báo cáo từ cộng đồng còn thấp hơn thế. Checkpoint cơ sở của Qwen-Image 2.1 chạy 40 bước, cộng thêm một bản tải về 33 GB và một encoder Qwen3-VL 8B; biến thể turbo của riêng nó tồn tại chính vì 40 bước không phải là một cấu hình nhanh. Nếu chi phí suy luận là ràng buộc then chốt của bạn, thì hướng đi là điều không còn phải nghi ngờ, dù tỷ lệ vẫn chưa ngã ngũ.

Cũng tồn tại một sự đánh đổi chất lượng trên mỗi bước mà không nhà cung cấp nào định lượng. Các checkpoint ít bước được chưng cất vốn được huấn luyện để xấp xỉ một quỹ đạo nhiều bước, và ở nơi sự xấp xỉ đó yếu nhất — chữ mảnh, bố cục dày đặc, chi tiết nhỏ lặp lại — thì mang tính đặc thù của từng mô hình và không được công bố. Đừng cho rằng bước thứ tám của mô hình tám bước bằng với bước thứ bốn mươi của mô hình bốn mươi bước; bằng chứng so sánh song song độc lập cho cặp cụ thể này không tồn tại ở các thiết lập tương đồng, và trang này sẽ không bịa ra một thứ hạng mà bằng chứng không mang theo.

Giấy phép chính là nơi quyết định được đưa ra.

Z-Image Turbo là Apache-2.0. Đó là giấy phép của kho lưu trữ, được nêu rõ ràng, không có rào cản, không cần đăng ký và không có điều kiện về doanh thu. Bạn có thể chạy nó, sửa đổi nó, tinh chỉnh nó, phân phối lại các sản phẩm phái sinh và phát hành đầu ra thương mại từ nó mà không cần liên hệ với Tongyi-MAI.

Qwen-Image 2.1 không phải như vậy. Kho lưu trữ của nó mang license: other với tên giấy phép là qwen-research, và tệp LICENSE chính là Thỏa thuận Giấy phép Nghiên cứu Qwen đề ngày 20 tháng 9 năm 2026. Đọc vào ngày 13 tháng 10 năm 2026, thỏa thuận này cấp một giấy phép không độc quyền, trên toàn thế giới, miễn phí bản quyền để sử dụng, sao chép, phân phối và sửa đổi các tài liệu chỉ cho mục đích phi thương mại, định nghĩa "Phi thương mại" là mục đích nghiên cứu hoặc đánh giá, đồng thời yêu cầu một giấy phép thương mại riêng — xin qua email — cho bất kỳ mục đích nào khác. Việc phân phối lại kèm theo các điều kiện bổ sung: chuyển tiếp thỏa thuận, đánh dấu các tệp đã sửa đổi, giữ nguyên thông báo ghi tên Hangzhou Tongyi Laboratory Technology Co., Ltd, hiển thị "Built with Qwen" nếu kết quả đầu ra được dùng để huấn luyện một mô hình được phân phối khác, và không dùng "Qwen" làm tên chính của một sản phẩm phái sinh.

Điều này đáng được nêu như một đặc điểm chung của cả dòng sản phẩm chứ không phải một trường hợp cá biệt, bởi vì đây là một sự thay đổi về hướng đi. Các checkpoint Qwen-Image trước đó — Qwen-Image, Qwen-Image-Edit, các bản phát hành -2509, -2511, -Layered và -2512 — đều là Apache-2.0 như đã đọc vào ngày 13 tháng 10 năm 2026. Qwen-Image 2.1 chính là điểm phá vỡ khuôn mẫu đó. Các giấy phép đã được cấp không thay đổi hồi tố, vì vậy các checkpoint cũ vẫn dùng được theo các điều khoản ban đầu, nhưng không ai nên lập kế hoạch cho một pipeline thương mại dựa trên giả định rằng mô hình Qwen-Image mới nhất có giấy phép thoáng.

Điều đó khiến hai mô hình mang hình hài giống như các tệp giấy phép của chúng hơn là bảng thông số kỹ thuật: Z-Image Turbo là mô hình bạn có thể tung ra ngay hôm nay mà không cần trao đổi gì, còn Qwen-Image 2.1 là mô hình đòi hỏi một cuộc thương lượng mà bạn có thể không muốn có.

Bạn có thể chạy từng cái trong cái gì

Qwen-Image 2.1 ra mắt cùng hỗ trợ runtime đã được ghi trong tài liệu ngay từ đầu thay vì phải bổ sung về sau: Diffusers thông qua QwenImage21Pipeline, ComfyUI gốc với các workflow mẫu, vLLM-Omni phục vụ cả offline lẫn online, SGLang qua sglang generate, và LightX2V để tăng tốc, cùng với AMD ROCm và một lộ trình FlagOS trải rộng trên tám nền tảng chip. Hai checkpoint viết lại prompt được phát hành song song dưới dạng các bản tải xuống riêng.

Hỗ trợ của Z-Image Turbo rộng hơn ở một khía cạnh cụ thể: vì nó nhỏ, dùng giấy phép Apache-2.0 và đã ra đời gần một năm, nó đã tích lũy được một hệ sinh thái lượng tử hóa và đóng gói đa dạng — các bản chuyển đổi GGUF, các biến thể FP8 và SDNQ, các bản dựng int4 và các bản đóng gói lại ComfyUI dạng một tệp — và chính điều đó giúp khả thi các hướng dưới 16GB và dưới 8GB. Một mô hình 6B với giấy phép cấp phép thoáng sẽ được chuyển đổi; một mô hình 33 GB có giấy phép nghiên cứu sẽ được chuyển đổi chậm hơn và cẩn thận hơn. Hiệu ứng bậc hai đó rất dễ bị bỏ qua trên một bảng thông số kỹ thuật, và nó thường là yếu tố quyết định việc một độc giả thực sự có thể làm gì trong tuần này.

Làm việc trong cả hai, một ngăn xếp thứ hai

OrcaRouter không định tuyến Qwen-Image 2.1 và không định tuyến Z-Image Turbo. Chúng tôi đã kiểm tra danh sách mô hình trực tiếp của mình vào ngày 13 tháng 10 năm 2026 và cả hai đều không xuất hiện, vì vậy không có nội dung nào dưới đây là tuyên bố rằng chúng tôi cung cấp chúng — các tuyến cho cả hai là tự lưu trữ (self-hosting) hoặc các điểm cuối do chính nhà cung cấp lưu trữ.

Cách kết hợp chúng lại với nhau chính là cách mà cặp này gợi mở: Z-Image Turbo làm lượt chạy đầu tiên rẻ và một mô hình mạnh hơn làm bản render cuối cùng. Đó là một pipeline hợp lý, và chi phí ẩn của nó nằm ở vận hành — hai stack tải xuống, hai bộ cài đặt, và thêm một tích hợp thứ hai ngay khi một trong hai thay đổi. OrcaRouter đặt hơn 200 mô hình phía sau một endpoint tương thích OpenAI với giá niêm yết của nhà cung cấp, không đội giá, cùng với tự động chuyển đổi dự phòng giữa các nhà cung cấp khi một bên suy giảm, nhờ đó một pipeline nháp-và-hoàn-thiện có thể đặt những mô hình mà nó thực sự gọi phía sau một khóa duy nhất và một client duy nhất, và một trục trặc nhà cung cấp trở thành một lần thử lại thay vì một batch bị đình trệ. DSL định tuyến làm điều tương tự cho chính tổ hợp, cho phép nhiều mô hình được gọi như một lệnh gọi duy nhất thay vì như nhiều tích hợp riêng lẻ.

Cái nào, cho ai

• Bạn đang phát hành một sản phẩm thương mại — Z-Image Turbo. Apache-2.0, không cần trao đổi, không có dòng doanh thu nào phải kiểm tra.

• Bạn cần chỉnh sửa một hình ảnh hiện có, sử dụng mặt nạ, hoặc tạo ra các tài nguyên trong suốt — Qwen-Image 2.1. Chế độ được ghi nhận của Z-Image Turbo là prompt-to-image; không có checkpoint chỉnh sửa nào trong dòng họ đó và không có đầu vào mặt nạ trong đường dẫn được ghi nhận.

• Ràng buộc của bạn là VRAM hoặc chi phí cho mỗi ảnh — Z-Image Turbo. Một mô hình 6B với một thập kỷ công việc lượng tử hóa đằng sau nó, đối đầu với một ngăn xếp 33 GB với bộ mã hóa thị giác-ngôn ngữ 8B.

• Ràng buộc của bạn là chất lượng đầu ra được đánh giá bởi những người xa lạ — Qwen-Image 2.1, với khoảng một trăm điểm Elo trên bảng xếp hạng nơi cả hai đều được xếp hạng, với các khoảng không chồng chéo.

• Bạn đang nghiên cứu, không phải sản xuất — Qwen-Image 2.1 được cấp phép chính xác cho việc đó, và bề mặt chỉnh sửa của nó là lý do để chấp nhận chi phí tải xuống.

Điều quyết định điều đó thường xuyên nhất, gói gọn trong một câu: Z-Image Turbo thắng bất cứ khi nào câu trả lời phải được giao đi hoặc phải chạy trên chính chiếc máy mà người đọc đã sở hữu, còn Qwen-Image 2.1 thắng bất cứ khi nào tác vụ liên quan đến một bức ảnh đã tồn tại.