Qwen-Image-2.1-Turbo：8 步檢查點是什麼，以及它與 Qwen-Image-2.1 有何不同

Qwen-Image-2.1-Turbo是Qwen-Image-2.1的加速檢查點：相同的 7B 視覺生成主幹、相同的兩項任務——文字轉圖像生成與指令引導的圖像編輯——以及八個去噪步驟，而基礎檢查點自身的範例則使用四十步。它並非新架構，也不是新的模型系列，且檔案裡並沒有第二個模型。該檢查點於 2026 年 10 月 9 日上傳至 Hugging Face，這個日期同時見於該儲存庫的建立時間戳記，以及 Qwen-Image 專案自身新聞列表中的一行；以下所有內容皆為該模型的常設描述，於 2026 年 10 月 13 日依據廠商自身資料重新確立，而非取材自任何人的摘要。

如果你輸入這個模型的名稱，是想知道它是什麼，簡短的答案就是上一段。而更有用的答案，在於其中的對比。

Turbo 版本，一次一個維度

以下每一行皆取自該檢查點本身的儲存庫——模型卡、model_index.json、transformer/config.json 以及 LICENSE——或取自 GitHub 上的 Qwen-Image 專案儲存庫，於今日讀取。若廠商未發布任何相關內容，則會如實註明，而非自行填入。

• 步數 —Qwen-Image-2.1-Turbo 只需 8 個去噪步數，而 Qwen-Image-2.1 則需 40 個。這 40 是供應商自家的數字，用於其模型卡上的每個 Qwen-Image-2.1 範例，並在 GitHub 上該專案的參數表中列為預設值。

• 速度 —步數是 Qwen 唯一提出的速度宣稱，而它是次數而非實測數據。兩個檢查點都沒有提供延遲、吞吐量或每 GPU 影像數的數字，兩張模型卡也都未說明其範例是在什麼硬體上生成的。

• 品質權衡——未經量化。Qwen-Image-2.1-Turbo 沒有評測分數，Qwen-Image-2.1 也沒有，而且供應商的資料中完全沒有兩者的正面對比。Turbo 卡上的展示圖片是供應商挑選的八步輸出；它們證明該檢查點能產生圖像，而非為了達到八步犧牲了多少保真度。在我們撰寫時，這兩個檢查點都沒有可用的第三方基準測試。

• 取樣排程存放的位置——這是這些卡片所揭示的唯一結構性差異。Turbo 的 model_index.json帶有一個 sample_sigmas陣列，內含八個數值，從 1.0 一路遞減到 0.414568，而卡片上指出該排程會隨檢查點一併儲存並自動載入——「單獨設定 num_inference_steps並不會覆寫它。」Qwen-Image-2.1 則是在呼叫時才採用步數。變通做法是在呼叫時明確傳入 sigmas引數，而卡片也註明其他排程「尚未針對此檢查點進行評估」。

• 主幹 — 相同。Turbo 的 transformer/config.json與基礎檢查點逐欄位相符：32 層、32 個注意力頭（每個 128 維）、patch 大小 1、64 個輸入與輸出通道，causal_condition 為 true，上下文輸入維度 4096。兩個檔案之間唯一不同的值，是所記錄的 Diffusers 版本。

• 文字編碼器、VAE 與排程器 ——Turbo 的 model_index.json將Qwen3VLForConditionalGeneration指定為文字編碼器，並搭配Qwen3VLProcessor、AutoencoderKLQwenImage21 VAE 以及FlowMatchEulerDiscreteScheduler。這些與 Qwen-Image-2.1 所宣告的元件類別相同。專案的架構說明將共用的文字編碼器描述為 Qwen3-VL 8B 視覺語言模型，並將 VAE 描述為具備 16× 空間壓縮的 64 通道 RGBA 自編碼器。

• 引導預設值 —Turbo 模型卡預設標示 CFG 1，這會移除每個步驟中的無分類器引導流程。基礎模型的模型卡則完全未標示引導預設值。

• 解析度預設 — 兩者皆相同這七種，一字不差取自 Turbo 卡：1:1 為 2048 × 2048、4:3 為 2400 × 1792、3:4 為 1792 × 2400、3:2 為 2528 × 1696、2:3 為 1696 × 2528、16:9 為 2752 × 1536，以及 9:16 為 1536 × 2752。

• 磁碟佔用空間 —Turbo 儲存庫本身的檔案清單總計約 32.5 GB，其中包含一個 14.2 GB 的 transformer、一個 17.5 GB 的文字編碼器，以及一個 0.7 GB 的 VAE；這是根據該儲存庫今日發佈的檔案大小測量所得。那是基礎檢查點在 bfloat16 精度下的元件集，而供應商本身並未推出任何量化版本。

Qw​en 對速度與保真度取捨的實際說法

該廠商的主張比標題所暗示的範圍更窄，值得以卡片本身的文字細讀。Qwen-Image-2.1-Turbo 被描述為「Qwen-Image-2.1 的加速檢查點，可用於文字轉圖像生成與圖像編輯，只需 8 個去噪步驟」，且「採用相同的 7B 視覺生成架構，並可直接搭配 QwenImage21Pipeline載入」。卡片對其效益的說明是程序性的，而非視覺上的：該檢查點「內含其建議的取樣排程，因此無須手動設定排程器即可直接使用」。

文中提到了三個機制，而且只有三個。八步排程本身。預設為 CFG 1，這會省略引導階段。以及前綴 KV 快取，它「在去雜訊步驟之間重複使用文字與參考影像脈絡」——這個機制 Base 模型也有記載，而且當迴圈只有八次迭代時，它的重要性只會更高，不會更低。

現在來談談那些缺席的部分。模型卡從未表示 Turbo 檢查點的輸出品質能與 Qwen-Image-2.1 相匹敵。它從未說明究竟犧牲了多少品質，或哪些類別會率先劣化——紋理、小字、人臉、多參考圖一致性。它從未使用「蒸餾」這個詞，儲存庫中也沒有任何地方提及師生關係。中介資料確實說明的是一種衍生關係：Hugging Face 標籤帶有 base_model:Qwen/Qwen-Image-2.1 以及 base_model:finetune:Qwen/Qwen-Image-2.1，而 ModelScope 的模型紀錄也列出相同的母模型，關係標示為「finetune」。換句話說，Qwen 自己的定位是 基礎檢查點的微調版本，而品質問題則留給實際跑它的人去判斷。

這與其說是批評，不如說是這次發布的樣貌。一個廠商若推出加速版檢查點卻沒有附上基準測試，就正是在邀請讀者親自去做那個他們現在得自己跑的比較：相同提示詞、相同種子、兩個檢查點、四十步對上八步。

輸入、輸出，以及這個東西實際上有多大

這張卡片記錄了兩種輸入模態與一種輸出模態，而它們屬於基礎模型，且未經變更。

• 文字進，圖像出——文字提示會產生一張點陣圖像。這張卡片的實作範例是 1696 × 2528 的直向海報，而展示內容涵蓋人像攝影、字體排印與海報設計，以及 UI 與資訊版面配置；這是 Qwen 對文字渲染與版面還原度的宣稱，而非對其進行的實測。

• 圖片進、圖片出 —— 同一條管線可接受提示詞之外的輸入圖片，以進行指令引導的編輯。卡片範例將遊艇草圖轉換成 2048 × 2048 的擬真照片，並將輸入載入為 RGBA。展示內容也示範了多參考圖合成，以及四張圖片的室內合成。這裡有個數字要留意：「最多 10 張參考圖片」這個數字屬於 Qwen-Image-2.1 的文件，Turbo 卡片並未重申參考圖片的上限。請把 10 視為基礎模型已公布的數字，而非 Turbo 的規格。

• 透明度—— 該卡片將透明影像生成列為展示類別之一，而隨附的 VAE 類別正是基礎模型所使用的同一個 64 通道 RGBA 自編碼器，因此 alpha 輸出是針對此檢查點明文記載的，而不僅是名稱上的沿用。

• 輸出解析度——即上方所列的同樣七組預設值，橫向時最高可達 2752 × 1536，縱向時最高可達 1536 × 2752，預設等級為 2048 × 2048。該專案描述 Qwen-Image-2.1 原生支援 2K 解析度；兩個儲存庫中均未聲稱有高於此的原生層級，也未記載任何升頻階段。

• 模型大小 — 視覺生成元件中有 7B 個參數，橫跨 32 層單流 DiT 層，採用 bfloat16，完整儲存庫在磁碟上約為 32.5 GB。沒有可供引用的文字上下文視窗，因為這不是文字模型；transformer 設定中的 4096 維上下文輸入是編碼後的提示與條件影像表徵，而不是 token 視窗。

授權，以及權重所在位置

Qwen-Image-2.1-Turbo 依 Qw​en Research License Agreement 發布。該儲存庫的中繼資料顯示 license: other，並帶有 license_name: qwen-research以及license_link: LICENSE，且有一份 LICENSE 檔案與權重一同存放於該儲存庫中。我們今天比對了這兩份授權檔案：Turbo 儲存庫的 LICENSE 與基礎模型的位元組完全一致，這點值得了解，因為這代表加速並未在條款上帶來任何改變。

協議本身白紙黑字寫得很清楚：這項授權是「僅限非商業用途」，「非商業」的定義是「僅供研究或評估用途」，而商業使用則需要「向我們另行取得商業授權」，可寄信至model-business@notice.qwencloud.com提出申請。協議本身的頁首將版本日期標明為 2026 年 9 月 20 日。如果你想要八步生成的原因是它能把模型壓到夠便宜、足以放進某個產品背後，那麼此處真正卡住你的是授權條款，而不是步數，而且這個儲存庫裡沒有任何一頁能解決這件事。

權重可在兩個地方下載，兩者皆為第一方：Hugging Face 的 Qwen/Qwen-Image-2.1-Turbo，以及 ModelScope 的 Qwen/Qwen-Image-2.1-Turbo。Hugging Face 儲存庫並未設有限制存取。其中繼資料並未列出任何託管推論供應商，因此就供應商自身所列的資訊來看，目前沒有任何第三方端點能為你執行這個確切的檢查點。

就託管路徑而言，Qwen 本身也有提供：該專案的新聞列表記載，Qwen-Image-2.1 Pro 與 Turbo API 已於 2026 年 10 月 9 日在 Alibaba Cloud Model Studio 正式上線，而 GitHub README 也提供「託管 API，或使用 Diffusers 在你自己的環境中執行 Turbo 檢查點」的選項。我們所閱讀的廠商 API 參考頁面並未列出 Turbo 端點的每張圖片定價，該頁面反倒是導向另一個獨立的模型定價頁面——因此，在我們所能驗證的資料中，請將該價格視為尚未公布，並在據此規劃之前先查看廠商的定價頁面。

微調：哪些有文件記載，哪些僅來自社群

老實說，Turbo 模型卡完全沒有記載任何形式的微調。它涵蓋安裝、文字轉圖像、圖像編輯、取樣與長寬比，然後就沒了。Qwen-Image 專案儲存庫裡沒有任何訓練章節、沒有 LoRA 說明、沒有適配器指引、沒有資料集註記，也沒有任何訓練腳本——我們檢查了它的檔案樹，其中只有資源和兩個提示詞改寫資料檔。

基礎模型的表現稍好一些，而且那是另一個模型的說明文件：Qwen-Image-2.1 的資料記錄了透過 ModelScope 進行 LoRA 訓練，建構於開源的 DiffSynth-Studio 框架之上。那段陳述是關於 Qwen-Image-2.1 的，而 Turbo 模型卡中沒有任何內容將其延伸至加速後的檢查點。

Turbo 目前所擁有的，全是社群努力的成果。截至今日，Hugging Face 上有 47 個儲存庫宣告Qwen/Qwen-Image-2.1-Turbo為其基礎模型，而其中幾乎全都是量化移植版本——GGUF、FP8、INT8、INT4、NVFP4、MLX、OpenVINO 建置版本。只有一個是 LoRA 適配器，那是一個於 2026 年 10 月 10 日發布的角色替換適配器。這些全都不是官方支援，沒有任何一項經過 Qwen 驗證，而且針對基礎檢查點的四十步軌跡訓練出來的適配器，並不必然適用於已儲存的八步排程。如果你是為了尋找 Turbo LoRA 工作流程而來到這裡，準確的答案是：官方並沒有發布任何這類東西。

如何執行它，以及如何呼叫它

自行架設是 Diffusers 的一項日常工作，但有一個棘手之處。這張模型卡的安裝內容是相容於 CUDA 的 PyTorch 組建、從原始碼取得的 Diffusers（git+https://github.com/huggingface/diffusers.git）、transformers>=5.17.0、accelerate以及pillow。棘手之處在於，這個檢查點需要的是支援由管線設定取樣 sigma 的 Diffusers 組建，該功能是在 PR #14950 中加入的——而在撰寫本文時，它還存在於原始碼樹中，而非已標記的發行版本裡，這也是為什麼這張模型卡沒有告訴你要安裝哪個版本號。

載入的那一行就是基礎模型的 pipeline 類別，只是把 checkpoint 名稱換掉：QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16).to("cuda")。接著生成就是呼叫時帶入 prompt、來自預設清單的寬度與高度、use_kv_cache=True，以及一個 generator 種子；卡片上的文字生圖範例使用 1696 × 2528、種子 42，而它的編輯範例則是在 2048 × 2048、種子 20261009 下，傳入一張 RGBA 影像作為 image 參數。不要傳入 num_inference_steps，還以為它會起作用。

有一個需要事先規劃的落差：Turbo 模型卡並未公布任何記憶體使用指引。基礎模型的模型卡則有一個記憶體最佳化區段，顯示 pipe.enable_model_cpu_offload()；Turbo 模型卡就這樣結束了。儲存庫中有 17.5 GB 的文字編碼器，這就是必須編入預算的數字，而模型卡並沒有告訴你它能裝在哪一款 GPU 上。

呼叫它而不是自行執行，指的是在 Alibaba Cloud Model Studio 上 Qwen 自家託管的 Turbo API。在供應商的 API 參考頁面上，我們找不到已公布且可驗證的每張圖片價格，也找不到已公布且可驗證的速率限制——因此，打算規劃用量的讀者在投入之前，有兩個數字必須先向供應商取得。

OrcaRouter 的定位，直白地說

OrcaRouter 不路由 Qwen-Image-2.1-Turbo，也不路由 Qwen-Image-2.1——這兩個識別碼都未出現在我們今天檢查的即時模型清單中，且本頁任何內容都不應被解讀為提供任一模型服務的要約。我們實際提供的影像產品線是託管版本：Open​AI GPT-Image 系列、Goog​le 的 Imagen 4 各層級，以及 x​AI 的 Grok Imagine 影像端點。

對這個檢查點來說，這個區別才是實務上的關鍵。OrcaRouter 把 200 多個模型放在單一 OpenAI 相容端點之後，以供應商定價提供，零加成，而且當供應商效能退化時，它會加入自動容錯移轉——這正是你在生產環境中呼叫代管影像模型時想要的，而當所討論的模型是一份 32.5 GB 的研究授權下載檔時，則無關緊要。如果你打算自己執行 Qwen-Image-2.1-Turbo，路由層並不是限制；Qw​en 研究授權協議才是。

所以這個決定分得很清楚。八個步驟、一份已儲存的排程、一份位元組完全相同的研究授權，以及沒有基準測試，代表這個檢查點是研究與原型開發工具，直到 Qw​en 發布評估，或你自己執行評估為止。如果你這週需要在正式環境中使用影像端點，那是另一筆採購，而那正是我們販售的項目。