桌上型電腦上的 Qwen-Image-2.1-Turbo：BaoCut 3.5 與首度本機計時結果

的儲存庫Qwen-Image-2.1-Turbo於 2026 年 10 月 9 日出現在 Hugging Face 上，有 707 個讚、權重、一份授權檔案，以及在 Qwen-Image-2.1 GitHub 新聞清單中的一行字，這就是它全部的發布公告。五天後，它已經在人們的桌面上運行。中國的桌面剪輯工具 BaoCut 3.5 整合了這個檢查點，並開始在本機生成圖像，而非透過伺服器；X/@dotey 於 2026 年 10 月 13 日回報，在他們的 Mac Mini M2 上以 1080p 生成一張圖片大約需要三到五分鐘，2K 則接近二十分鐘。另外，一款名為 Siliconed 的開源 macOS 應用程式於 2026 年 10 月 11 日在該模型自己的討論區發文，實測在 M1 Pro 上以 1024² 需時 118 秒，而同一台機器運行Z-Image Turbo——也就是人們正在抉擇的另一個 8 步開放檢查點——需時 82 至 85 秒。Qwen-Image-2.1，這兩個本地移植版本所衍生的基礎模型，於 2026 年 9 月 20 日發布。這個加速檢查點比其母模型年輕三週，且沒有自己的獨立評估。

這就是這個故事的面貌：一個從未正式推出、只被發布的檢查點，如今在廠商還未公開多說什麼之前，就已進入桌面軟體之中。接下來會區分儲存庫實際陳述的內容與第一批使用者所回報的內容，因為這兩者並不是同一種主張。

這個儲存庫證實了什麼，以及它並未證實什麼

以下所有內容均來自模型卡、授權檔案與專案變更記錄——這些都是第一手來源，任何人都能查證。

• 有日期為證，而且是在關鍵處有日期為證。 Hugging Face API 回報該儲存庫建立於 2026-10-09T04:50:01Z，最後修改時間為 2026-10-12。Qwen-Image-2.1 的 GitHub 消息清單中載有相符的條目：「2026.10.09：我們發布了 Qwen-Image-2.1-Turbo，僅需 8 個去噪步驟即可完成影像生成與編輯。」同一份更新日誌也記載，Pro 與 Turbo API 於同一天在 Alibaba Cloud Model Studio 上線。這是一次發布；這是一次沒有發表會的發布。

• 這是什麼。這張卡片稱它為「Qwen-Image-2.1 的加速檢查點，用於文字轉圖像生成與圖像編輯，只需 8 個去雜訊步驟」，並建立在相同的 7B 視覺生成架構之上。它不是一個新的系列，也不是一個新的架構。它是基礎檢查點重新包裝而成，圍繞著短得多的取樣軌跡。

• 兩種能力，一次下載即可擁有。文字生圖與指令引導編輯皆由這單一檢查點提供。模型卡本身的範例對兩者都採用相同的已存 8 步排程與相同的預設 CFG=1，並透過將遊艇草圖變成照片般寫實的影像來示範編輯功能。

• 取樣排程會跟著權重一起走。此檢查點會隨附其建議的取樣排程，因此 Diffusers 會自動載入。模型卡明確指出，單獨設定 `num_inference_steps` 並不會覆寫該已儲存的排程。前綴 KV 快取會在去雜訊步驟之間重複使用文字與參考影像的脈絡。

• 需要兩個版本的工具包。所述安裝內容為支援 CUDA 的 PyTorch 組建、從原始碼建置的 Diffusers、transformers 5.17.0 或更新版本、accelerate 與 pillow。該檢查點需要 Diffusers 支援由管線配置的取樣 sigmas，此功能於 PR #14950 中加入——在撰寫本文時，僅存在於原始碼樹中，而非已標記的發行版本。

• 授權條款並未改變，而這就是商業高牆。 該儲存庫採用的是 qwen-research 授權條款。該協議授予的權利「僅限非商業用途」，並載明商業使用須向供應商另行申請授權。Turbo 並未讓這些規定有任何放寬。

• 完全沒有任何基準測試。模型卡上沒有 Turbo 檢查點的成績，沒有與基礎版本的比較，沒有延遲數據，也沒有記憶體數據。廠商完全沒有公布任何一項。

• 請勿與基礎模型的數字混淆。若您看到掛在 Qwen-Image-2.1 名稱下的 Elo 或品質宣稱，請確認它隸屬於哪個檢查點。公開的 image-arena 排行列屬於 Qwen-Image-2.1，也就是 9 月 20 日的基礎模型，而非 Turbo。

前兩份地方報告，以及它們為何彼此不一致

在該儲存庫出現後四天內，有兩位獨立人士為本機推論提出了數字。他們量測了不同的機器、不同的解析度，以及不同的管線，而他們在同一項名義上相同的任務上，結果相差大約一個數量級。兩者都值得一讀；但兩者都不是基準測試。

桌面編輯器報導。X/@dotey，2026 年 10 月 13 日：BaoCut 3.5 已整合 Qwen-Image-2.1-Turbo，影像生成是在本機上進行，而非透過伺服器。在他們的 Mac Mini M2 上，一張 1080p 影像大約需要三到五分鐘，2K 影像則將近二十分鐘。他們也指出，這款工具會產生 NSFW 內容，而且可以把 AI 代理指向該機器的本機影像服務。

原生應用程式報告。2026 年 10 月 11 日，Siliconed 的作者在該檢查點自己的 Hugging Face 討論區發文。Siliconed 是一款開源、採用 Apache-2.0 授權的 macOS 應用程式，以 Swift 和 Metal 執行模型，流程中沒有 Python，也沒有 ComfyUI，並將每個階段——文字編碼器、transformer、VAE——逐通道與 fp32 的 Diffusers 實作進行比對。在參考機器上，一台配備 16 GB 統一記憶體的 MacBook Pro M1 Pro，於 1024²、8 步與 CFG 1 的設定下，Qwen-Image-2.1-Turbo 可在 118 秒內完成渲染；1024×1536 的渲染需 190 秒，搭配一張參考影像的編輯需 212 秒，搭配兩張參考影像的編輯需 285 秒。峰值記憶體維持在 1.8 至 2.7 GB 之間，且零 swap-outs。在同一台機器與相同解析度下，Z-Image Turbo 需 82 至 85 秒。

• 為什麼 3–5 分鐘和 118 秒並不矛盾。發文者的數據是在應用程式內以 Mac Mini M2、1080p 跑出來的；應用程式的數據則是以 M1 Pro、1024² 直接驅動跑出來的。不同的晶片、不同的像素數量、模型周圍進行的運算量也不同。這兩個數字都無法告訴你你的機器會跑出什麼結果。

• 應用程式所報告的內容屬於自我陳述，而且它自己也表明了這一點。 作者就是作者。相對地：方法已經公開，每個數字都附有明確標示的測量工具——每 100 毫秒取樣一次的 `phys_footprint`、來自 `vm_stat` 的 swap——而且該專案還公開了一份晶片表，其中只填了一行，並提供公開表單讓讀者自行補充。這比廠商提供給你的多，但比獨立實驗室少。

• 記憶體是決定可行性的數字。 31.2 GB 的標準安裝能在 16 GB 的 Mac 上運行，因為權重會在被需要時從磁碟串流載入，並控制在明定的預算內——系統記憶體的四分之三再減去 2 GB。這就是為什麼安裝大小大於你的 RAM 並不必然構成阻礙，也是為什麼真正的限制是磁碟讀取吞吐量，而非 VRAM。

• 解析度上限是實實在在的限制。 macOS 版本將輸出上限設在 1024×1536 的畫面，任一邊至少 512 且為 16 的倍數，理由是這是在 16 GB 機器上實測零置換空間的最大尺寸。更大的渲染會在事前直接遭拒，而不是任由它反覆置換。如果你的工作需要用到底層模型的 2048 等級預設，這條本地路徑不會給你。

本地權重意味著沒有審核層，而這是一把雙面刃。

10 月 13 日那篇貼文中被引用最多次的一句話，就是該模型會生成 NSFW 圖像。值得精確說明這究竟是什麼、以及不是什麼。

這不是廠商宣傳的功能。模型卡對這個開放檢查點的內容政策隻字未提，而授權條款也沒有劃出任何例外：它授予非商業使用，並要求你遵守適用法律，就這樣。報告所描述的情況，不過是在你自己的硬體上執行擴散模型的尋常後果——你的提示詞與取樣器之間沒有服務供應商，因此沒有供應商端的過濾器會被觸發。每個開放的圖像檢查點都是這種行為。這裡的差異在於速度與封裝方式：這類 8 步模型如今在消費級硬體上已夠快，使得本地路徑不再像是一種妥協。

合規問題完全轉移到你身上。如果你打算發佈任何建立在此檢查點上的東西，授權條款就是具有約束力的限制條件，而且它不是寬鬆型授權——基礎模型是以相同的非商業研究條款發佈，而 Turbo 檢查點原封不動地繼承這些條款。本地推論並不會改變你獲准對輸出做些什麼。

真正全新的部分：一個代理程式可以呼叫的工具

兩份報告都指向同一個細節，而且就是那個尾端較長的細節。10月13日的貼文提到，代理程式可以被指向機器的本機影像服務。macOS 移植版正好提供了那樣的介面：應用程式套件內有一個名為 `silicontrol` 的輔助執行檔，可從終端機驅動執行中的視窗，並具備列出模型、以 `--wait --out` 排入算圖，以及讀取狀態等指令，會輸出 JSON 行，並帶有最後的 `"ok"` 欄位。只有一個佇列，而且絕不會同時進行兩個算圖。

一個以 JSON Lines 回應並回傳檔案路徑的本機影像端點，就是工具呼叫的標的。這與把提示詞貼進網頁 UI 是截然不同的命題：編碼代理可以自行判斷它需要一張圖表、一張佔位圖或某個變體，呼叫本機服務，然後繼續工作——不必 API key、沒有逐張圖片計費，也沒有任何資料離開這台機器。對於非商業用途——研究、內部原型、評估測試框架——這在 8 步以內、尖峰記憶體低於 3 GB 的條件下，是一項真正嶄新的能力。

它同時也有嚴苛的一面，而同一項授權正劃出了這道界線。當你打造的東西是產品，而不是研究產物時，本地路徑就不再是簡便的答案，非商業限制反而成為決定性的事實。

路由層適合的地方，以及不適合的地方

Qwen-Image-2.1-Turbo 是一份以研究授權釋出的權重下載檔。它並不是 OrcaRouter 上的託管端點，這裡的任何內容都不應被解讀為相反的說法。誠實的區分方式是依工作負載來劃分。

如果你的圖像必須在你能掌控的機器上產生——無論是為了隱私、成本，或是因為沒有網路連線——那麼這個檢查點與本機執行器就是解答，而路由問題根本不會出現：非商業授權與磁碟預算是你的兩項限制。反之，如果你是在生產環境中呼叫圖像模型，請求必須送達某個可靠的地方，而你不希望為每個模型各自維持一段供應商關係，那正是OrcaRouter存在的目的：以供應商定價、零加成，在單一 OpenAI 相容端點後方提供 200+ 個模型，當供應商效能下降時自動容錯移轉，以及在你想要表達偏好而非接受預設值時使用的路由 DSL。這兩種安排並非互相競爭。本機檢查點是你桌上的工具；路由器則是當工作離開桌面時，你放在所呼叫的託管模型前面的東西。

把它們在腦中分開的實際理由是，它們失敗的方式不同。本機渲染失敗，是因為機器忙碌、磁碟緩慢，或超出記憶體預算。託管呼叫失敗，則是因為供應商失敗。這兩者中，只有一個值得用容錯移轉來解決。

我們仍無法說出口的話

有三件事能讓這個檢查點的名聲塵埃落定，但它們目前一個都還不存在。

• 沒有獨立評測。 Turbo 沒有競技場排名、沒有公開的 Elo 分數，也沒有與 Qwen-Image-2.1 或 Z-Image Turbo 進行第三方品質比較。從基礎模型較長的取樣軌跡降至 8 步所付出的品質代價，在公開資訊中完全未被衡量。

• 沒有廠商提供的吞吐量或記憶體數據。這張卡說明了檢查點的特性，卻對運行它需要付出什麼代價隻字未提。本文中每一個不是日期的數字都來自使用者，而每一個都標註了它是在哪台機器上測量的。

• 公開表格中只有一顆晶片。macOS 移植版的結果表只有一列已填寫，是 M1 Pro，並邀請其他所有人補上自己的資料。如果你正打算為此購買硬體，那你就是在根據那一列，外加一則 Mac Mini M2 的軼事來外推。

可以肯定地說的部分更狹隘，卻也更有用。這個檢查點確實存在，日期為 2026 年 10 月 9 日，它以 7B 規模在 8 步內完成生成與編輯，其排程已內建於權重之中，屬於非商業用途，而且在不到一週內就從一個儲存庫變成能在桌面軟體裡執行，完全沒有任何正式發布。那是本地圖像生成領域中的真實事件，而且它發生在還沒有人公布任何能拿來向廠商問責的數字之前。

像這樣的模型選擇，也正是失效模式會顯現的地方：這類模型背後有紀錄的 AI 事件與代理失效，都收錄於OrcaRouter AI Incident Archive，其中每筆條目都帶有自己的來源、嚴重程度、可信度等級與爭議標記。