Qwen-Image 2.1 与 Z-Image Turbo：步数、许可证，以及各自的定位

八步对四十步，一份说"可以"的许可证对一份说"不行"的许可证。Qwen-Image 2.1是该厂商的开放权重图像生成与编辑模型，于 2026 年 9 月 20 日发布，采用仅限研究的协议，默认以 40 步去噪。Z-Image Turbo是同一企业集团旗下 Tongyi-MAI 组织出品的蒸馏检查点，于 2025 年 11 月 26 日发布，在 Apache-2.0 许可下以 8 步完成同样的工作。两者相隔近十一个月，纸面上较新的那个下载体积更小，而较旧的那个才是你能不必征求任何人同意就放进商业产品里的。这种颠倒正是整个比较的核心。

如果你想先看结论，再看推理过程：当约束条件是单张图片的生成速度、消费级硬件上的显存占用，或是宽松的许可证时，就选 Z-Image Turbo。当你需要编辑现有图片、想要原生透明通道，或想在独立排行榜上拿到更高分数时，就选 Qwen-Image 2.1。工作负载混合的人，没人非得只选一个，而本页大部分篇幅都在讲人们以为自己必须二选一的两个原因。

首先，是命名问题

在这场对比中有两样东西都被称为 turbo，而它们并不是同一个 turbo。Qwen-Image 2.1 有自己的加速变体——"Qwen-Image 2.1 的 turbo 变体"，发布于 2026 年 10 月 9 日，它与基础模型共享相同的架构和 pipeline 类，但在 8 步内完成去噪，且 CFG 默认为 1。这并非本页所对比的那个模型。Z-Image Turbo 是来自另一条产品线的独立模型，由 Tongyi-MAI 团队打造，它蒸馏的是另一个不同的基础模型——即 Z-Image 检查点，其运行需要 50 步。

它们还在蒸馏来源和蒸馏方式上有所不同。Tongyi-MAI 将 Z-Image Turbo 描述为使用 Decoupled-DMD 蒸馏，并加上一个它称为 DMDR 的阶段，该阶段把 DMD 与强化学习融合在一起。Qwen-Image 2.1 的 turbo 变体被其供应商表述为一次检查点变更，而非一种新架构。两者最终都采用 8 步；二者并不等同，针对其中一个所写的句子不应被理解为也涵盖另一个。

如果你是在拿“最快的 Qwen-Image 模型”与 Z-Image Turbo 作比较，那你打开的是错误的一页——那种比较针对的是 Qwen-Image 2.1 的 turbo 变体，而“双 8 步检查点”这一表述则是另一个问题，答案也另当别论。

Z-Image Turbo 实际交付的内容

请以厂商自己的资料为准，而不是那些汇总网站，因为其中大多数要么把规模写错，要么干脆不提。Z-Image 系列在文档中标注为 6B 参数，采用单流扩散 Transformer 设计，其中文本 token、视觉语义 token 和图像 VAE token 会被拼接成一个输入序列。Turbo 是该系列的蒸馏版本，运行在 8 个 NFE 下——参考代码设置了 num_inference_steps=9，并指出这样会产生 8 次通过 Transformer 的前向传播——同时禁用了引导。

厂商的性能声明如下，而且这些是厂商声明：在企业级 H800 GPU 上实现亚秒级推理延迟，以及在消费级设备上“轻松容纳于 16G 显存之内”。此后，社区工具报告称通过 stable-diffusion.cpp 能以约 4GB 运行它，这是社区数据，而非厂商数据。模型卡并未将分辨率公布为一个范围；文档记录的示例以 1024×1024 生成。该模型卡还列出了 879 个适配器、170 个微调模型和 93 个量化模型，外加约 100 个 Spaces——这是对托管平台上生态活跃度的衡量，而非质量。

在独立文生图榜单上，Z-Image Turbo 的得分为 941 Elo，95% 区间为 933 至 949，来自 8,991 个样本，在 168 个中排名第 83，价格为每 1,000 张图像 5.00 美元，带有开放权重标记，榜单将该条目标注为 2025 年 12 月。所有数据来自 Artificial Analysis，于 2026 年 10 月 13 日以英文实时采集。

供应商材料中有一处历史说明，值得正确解读：2025 年 12 月 8 日，Artificial Analysis 将 Z-Image Turbo 排在总榜第八位、开源模型中第一位。这一说法在写下时是成立的，也是一个带有时间标记的论断。但它在今天已不再成立——如今榜单上排在它前面的闭源和开源模型已有十六行。原因并不是 Z-Image Turbo 变差了，而是十个月过去了。

Qwen-Image 2.1 实际交付了什么

完全是另一种形态。Qwen-Image 2.1 的视觉生成组件为 7B 参数，分布在 32 个单流 DiT 层上，同时配备了一个大得多的文本编码器——Qwen3-VL 8B——以及一个 64 通道 RGBA VAE，空间压缩率为 16×。最后这一项正是透明度的来源：它是原生生成的，而不是事后抠出来的。默认采样在基础检查点上为 40 步，默认分辨率为 2048×2048，涵盖从 1:1 到 9:16 的七种已发布预设。

• 输入灵活 — 仅需提示词、提示词加一张图片，或提示词配最多10张参考图片。

• 局部编辑控制——绘制的圆圈、手绘的标注，或将单独的蒙版作为其自身输入传入，从而使原始照片保持无标记。

• 双向透明 — 生成 RGBA、在透明图层内编辑，或从普通 RGB 照片中提取主体作为 RGBA 图层。

• 下载大小—— Qwen/Qwen-Image-2.1 处的 Diffusers 仓库为 33.1 GB，其中约 17.5 GB 是文本编码器。这就是在技术栈中内置视觉语言模型的实际成本。

在同一个榜单上，Qwen-Image 2.1 位于1,038 Elo，区间为 1,029 至 1,047，来自 5,554 个样本，在 168 个中排名第 20，带有开放权重标记，价格栏中显示“No API available”。在编辑榜单上，它是两者中唯一出现的：1,072 Elo，区间为 1,063 至 1,081，来自 6,132 个样本，在 81 个中排名第 21。Z-Image Turbo 没有编辑榜单的条目。

这两行——1,038 对 941，相差九十七分，且置信区间互不重叠——是本文中最有力的独立证据，但解读时仍应附带一个前提：这里的 Elo 是一种盲投偏好得分。它说明的是哪个输出更受人群偏爱，而不是哪个模型更快、更便宜，或已获得可供你使用的授权。

步骤不是秒数

解读这一对比时最常见的错误，是把 8 步和 40 步当成五倍的速度比。在两个模型之间，它们并不是可比的单位。步数指的是去噪器运行的次数；每一次运行耗时多久，取决于 transformer 的规模、分辨率、精度、注意力实现方式以及硬件。Z-Image Turbo 的厂商只公布了某一分辨率、某一类 GPU 上的延迟数据。Qwen-Image 2.1 的厂商则根本没有公布任何延迟数据。

可以诚实地比较的是方向与约束条件。Z-Image Turbo 从设计上就是为了在消费级显存上以 8 次 NFE 运行，厂商给出的上限是 16GB，社区反馈还低于这一数值。Qwen-Image 2.1 的基础检查点要在超过 33 GB 的下载量和 Qwen3-VL 8B 编码器之上跑 40 步；它之所以另有一个 turbo 变体，正是因为 40 步算不上快速配置。如果推理成本是你真正的硬约束，那么即便具体倍数仍有争议，方向也毋庸置疑。

此外还存在一种逐步质量上的取舍，两家供应商都未加以量化。蒸馏得到的少步检查点被训练以近似多步轨迹，而这种近似最为薄弱之处——精细文字、密集排版、细小的重复细节——因模型而异，且并未公开。不要假设八步模型的第八步等同于四十步模型的第四十步；在匹配设置下，并不存在针对这一特定组合的独立并列对比证据，而本页不会杜撰证据并不支持的排名。

许可证才是做出决定的地方。

Z-Image Turbo 采用 Apache-2.0 许可证。这是该仓库明确声明的许可证，没有门槛、无需注册，也没有收入条件。你可以运行它、修改它、微调它、再分发其衍生作品，并基于它发布商业产出，而无需联系 Tongyi-MAI。

Qwen-Image 2.1 并非如此。它的仓库中带有 license: other，许可证名称为 qwen-research，而 LICENSE 文件是日期为 2026 年 9 月 20 日的《Qwen 研究许可协议》。于 2026 年 10 月 13 日查阅时，该协议授予非排他性、全球范围、免版税的许可，允许使用、复制、分发和修改相关材料，但仅限非商业用途，其中将“非商业”定义为研究或评估目的，任何其他用途均需通过电子邮件申请单独的商用许可。再分发还附带更多条件：传递该协议、标注已修改的文件、保留注明杭州通义实验室科技有限公司的声明、若输出被用于训练另一个分发模型则显示“Built with Qwen”，且不得将“Qwen”用作衍生作品的主要名称。

这值得作为一个系列层面的既成事实来陈述，而不是当作一次孤立的例外，因为它代表着方向上的转变。较早的 Qwen-Image 检查点——Qwen-Image、Qwen-Image-Edit，以及 -2509、-2511、-Layered 和 -2512 版本——按 2026 年 10 月 13 日查阅的结果，全部为 Apache-2.0。Qwen-Image 2.1 打破了这一模式。已经授予的许可不会追溯变更，因此较旧的检查点仍可按其原始条款使用，但任何人都不应假定最新的 Qwen-Image 模型采用宽松许可，并据此规划商业流水线。

这使这两个模型的定位更像它们的许可文件，而非规格说明书：Z-Image Turbo 是那个你今天就能直接发布、无需任何沟通的模型，而 Qwen-Image 2.1 则是那个需要一场你或许并不想进行的谈判的模型。

你可以在什么环境中运行每一个

Qwen-Image 2.1 在发布时即附带文档化的运行时支持，而非事后才获得：Diffusers 通过 QwenImage21Pipeline、原生 ComfyUI 及模板化工作流、vLLM-Omni 离线与在线服务，以及通过 sglang generate 的 SGLang，并配备用于加速的 LightX2V，同时支持 AMD ROCm 和一条覆盖八种芯片平台的 FlagOS 路径。随其一同发布的还有两个提示词改写检查点，作为独立下载项提供。

Z-Image Turbo 的支持在某个特定方面更为广泛：由于它体积小、采用 Apache-2.0 许可、且已发布近一年，它已经积累起了庞大的量化与打包生态——GGUF 转换、FP8 和 SDNQ 变体、int4 构建版本，以及 ComfyUI 单文件重新打包——正是这些让 16GB 以下乃至 8GB 以下的运行路径成为可能。一个采用宽松许可的 6B 模型会被移植；一个 33 GB、研究许可的模型则会被更慢、更谨慎地移植。这种二阶效应在规格表上很容易被忽略，而它往往正是决定读者本周实际能做什么的关键因素。

同时适用于两者，无需第二套技术栈

OrcaRouter 不路由 Qwen-Image 2.1，也不路由 Z-Image Turbo。我们查看了 2026 年 10 月 13 日的实时模型列表，两者均未出现在其中，因此下文内容并不表示我们提供这两者——它们的接入方式均为自托管或厂商自有的托管端点。

把二者结合起来的这种模式，正是这对组合所呼唤的：Z-Image Turbo 作为廉价的第一遍草稿，一个更强的模型作为最终渲染。这是一条合理的流水线，而它的隐性成本在于运维——两套下载栈、两组设置，以及任何一方一有变动就需要再来一次的第二重集成。OrcaRouter 以一个兼容 OpenAI 的端点、按供应商标价、零加价的方式提供 200 多个模型，当某家供应商性能下降时可在多家供应商之间自动故障转移，于是“草稿—定稿”流水线可以让它实际调用的那些模型共用一个密钥、一个客户端，供应商的一次抖动也就变成一次重试，而不是一批停滞的任务。路由 DSL 对编排本身也起着同样的作用，让多个模型可以作为一个调用被寻址，而不必作为多个集成分别接入。

哪一个，给谁

• 你正在发布一款商业产品 —— Z-Image Turbo。Apache-2.0，无需对话，没有需要核对的收入项。

• 你需要编辑现有图像、使用蒙版，或生成透明素材 —— Qwen-Image 2.1。Z-Image Turbo 的文档化模式是提示词生成图像；该系列中没有用于编辑的检查点，文档化路径中也没有蒙版输入。

• 你的限制因素是显存或单张图像成本 —— Z-Image Turbo。一个 6B 模型，背后有十年的量化工作积累，对比一个 33 GB、搭载 8B 视觉语言编码器的整套方案。

• 你的约束是由陌生人评判的输出质量 —— Qwen-Image 2.1，在两者均有排名的榜单上大约领先一百个 Elo 点，且区间互不重叠。

• 你做的是研究，不是生产——Qwen-Image 2.1 正是为此获得授权，而它的编辑能力正是值得承担下载成本的理由。

最常起决定作用的那条事实，一句话概括：凡是答案要交付出去，或者要跑在读者自己已有的机器上，赢的就是 Z-Image Turbo；凡是任务涉及一张已经存在的图片，赢的就是 Qwen-Image 2.1。