Qwen-Image-2.1-Turbo：一個將排程移入權重的 8 步檢查點

這個專為Qwen-Image-2.1-Turbo 而設的儲存庫，於 2026 年 10 月 9 日出現在 Hugging Face 上，而它最有趣的地方並不是步驟數量。裡面有 bfloat16 權重、一張附有可執行程式碼的模型卡、一份授權條款檔案、八張展示圖片，以及 Qwen-Image-2.1 專案 GitHub 消息清單中一行宣布此次發布的訊息。它沒有專屬的部落格文章、沒有基準測試表、沒有媒體報導週期，而且Qwen-Image-2.1 的散布條款也完全沒有任何變更。Turbo 是 Qwen-Image-2.1 的加速檢查點，用於文字轉圖像生成與圖像編輯，只需八個去雜訊步驟即可執行，而非基礎模型自身範例所用的四十個步驟。它還悄悄地改變了取樣排程的來源——而那正是會讓程式碼出錯的部分。

儲存庫裡實際上有什麼？

這張卡片簡短且異常具體，因此很容易將已確認的內容與暗示的內容區分開來。

• 這是什麼：卡片將 Qwen-Image-2.1-Turbo 描述為「Qwen-Image-2.1 的加速檢查點，用於文字轉圖像生成與圖像編輯，僅需 8 個去噪步驟」。它不是新架構，也不是新的模型系列。它是同一個 7B 視覺生成元件，只是圍繞著大幅縮短的取樣軌跡重新打包。

• 載入方式：透過 Diffusers 中的 QwenImage21Pipeline，也就是基礎模型所使用的同一個 pipeline 類別，只是替換了檢查點名稱。該儲存庫自身的中繼資料宣告了 base_model: Qwen/Qwen-Image-2.1 與 library_name: diffusers，並帶有 base_model:finetune:Qwen/Qwen-Image-2.1 作為第二個標籤。這是廠商將此描述為基礎檢查點的微調版本，而非同級模型。

• 它保留了什麼：相同的 7B 視覺生成架構、與 Qwen-Image-2.1 相同的七種解析度預設（正方形 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），還有相同的兩項能力——文生圖生成與指令引導的圖像編輯。這張卡片的展示內容依類別編排：人像攝影、人物姿態與動態、透明 RGBA 生成、字體排版與海報設計、UI 與資訊版面、單圖轉換、多參考合成，以及四圖室內合成。

• 它沒有附帶的內容：任何評測分數。卡片上沒有 Turbo checkpoint 的 Qwen-Image-Bench 成績，也沒有與基礎版本的比較。Qwen-Image-2.1 系列中唯一出現的任何分數，仍是基礎模型本身的 Qwen-Image-Bench 結果，那是廠商自行回報的數字，測量對象是基礎 checkpoint——而非這一個。

時程如今存在於權重之中，而那才是真正的改變。

這是卡片上最重要的一句話，而它被埋在安裝說明底下：該檢查點「包含其建議的取樣排程，因此無需手動設定排程器即可直接使用。」

接著，取樣章節直白地說明其後果：「建議的 8 步取樣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。」

把這段話讀兩遍。在大多數人腦中慣用的 Diffusers 慣例裡，步數是呼叫時傳入的引數——你對基礎模型傳入 num_inference_steps=40，對蒸餾檢查點傳入 num_inference_steps=4，而管線會據此建構出對應的排程。Qwen-Image-2.1-Turbo 打破了這項慣例。八步排程是檢查點的中繼資料，而不是請求參數。你就算傳入不同的整數，管線依然會使用已儲存的排程。模型卡上寫著，唯一能覆寫它的方法是在呼叫時明確傳入 sigmas 引數，並補充說其他排程「尚未針對此檢查點進行評估」。

實際結果就是一個重現陷阱。從 Qwen-Image-2.1 模型卡搬過來、指向 Turbo 儲存庫的程式碼能夠執行，不會報錯，卻也不會產生 Turbo 展示所呈現的輸出。它還需要一個能理解由管線配置的取樣 sigma 的 Diffusers 建置版本——這項支援是在 Diffusers 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。文中所述的安裝方式是相容於 CUDA 的 PyTorch 建置版本，加上 git+https://github.com/huggingface/diffusers.git、transformers>=5.17.0、accelerate 與 pillow。

另外兩個預設值來自卡片本身，而不是你所設定的任何項目：生成預設使用 CFG 1，而前綴 KV 快取「會在去雜訊步驟之間重複使用文字與參考影像的上下文」。CFG 1 表示不進行無分類器引導傳遞，這是軌跡得以縮短而不崩潰的一大關鍵——這也是為什麼卡片乾脆不提供引導強度建議。前綴 KV 快取是基礎模型的傳承：Qwen-Image-2.1 用來重複使用文字與參考影像上下文的相同機制，而當去雜訊迴圈只有八次迭代時，這一點只會更加重要，而非較不重要。

{{1}}在變更日誌中宣布{{/1}}，{{2}}以儲存庫形式交付{{/2}}

適合這次發布的定位既不是「發布」，也不是「外洩」。它是一項已提交的產物，在新聞列表中有一行標註日期的紀錄。Qwen-Image-2.1 專案在 GitHub 上的新聞列表有兩筆日期為 2026.10.09 的條目：一筆關於 Turbo 檢查點，另一筆指出 Qwen-Image-2.1 Pro 與 Turbo API「現已正式上線」於 Alibaba Cloud Model Studio。並沒有獨立的 Turbo 部落格文章；卡片上的部落格連結指向 2026 年 9 月 20 日的 Qwen-Image-2.1 部落格。

對比一下基礎模型三週前登場時的情況。Qwen-Image-2.1 的消息清單中有一筆註明日期的權重發布紀錄，接著同一天還有另外五筆：透過 PR #14804 從首日就支援 Diffusers、從首日就原生支援 ComfyUI、支援 vLLM-Omni 並具備逐步執行、前綴 KV 快取、FP8 量化與張量平行處理、支援 SGLang 並搭配 Cache-DiT 與 CUDA graphs，以及 LightX2V 從首日就提供的加速支援。Turbo 檢查點完全沒有這些。那些生態系相關的項目，每一筆指的都是 Qwen-Image-2.1。

儲存庫的計數器所訴說的，同樣是關於成熟度而非價值的故事，而且它們只是一時的快照，而非最終的評斷：在撰寫本文時，Qwen-Image-2.1 顯示上個月有 122,311 次下載與 3,142 個讚，而問世僅數小時的 Qwen-Image-2.1-Turbo 則顯示 33 個讚。下載量是落後指標，Turbo 的數字還會變動。它今天能告訴你的，只是還沒有人有時間去實際跑它罷了。

八個步驟沒告訴你的事

步數是這次發布的頭條，也是當中最沒用的數字，原因有三，值得直截了當地說清楚。

• 步數不等於秒數。無論是模型卡或儲存庫，都沒有公布 Turbo 檢查點的吞吐量、延遲或記憶體用量。在 7B bfloat16 模型上以 2048 × 2048 跑八步，和在較小模型上跑八步是截然不同的工作負載；而且模型卡沒有說明是在什麼硬體上測得的，因為它根本沒有報告任何測量結果。

• 目前尚無品質基準。Turbo 沒有已發布的評分，沒有與基礎檢查點的並排比較，也沒有針對兩者的獨立評估。展示圖片是供應商在建議設定下自行挑選的輸出。它們能證明模型會產生圖片；但它們無法證明為了減少步數而犧牲了多少品質，也無法取代基準測試。

• 缺少記憶體使用指引。基礎模型的說明卡包含記憶體最佳化章節；Turbo 說明卡則記載了安裝、生成、編輯、取樣與長寬比，以及停止點。如果你打算將其上線提供服務，請規劃進行實測。

授權條款並無改變，而這對任何要出貨的人來說就是頭條重點。

Qwen-Image-2.1-Turbo 是依 Qwen Research License Agreement 授權。該儲存庫的中繼資料顯示 license: other，並帶有 license_name: qwen-research 與 license_link: LICENSE，且儲存庫中與權重一同存在一份 LICENSE 檔案。模型卡本身的授權區段只寫了一句話：此模型是依 Qwen Research License Agreement 授權。

加速並不會改變這一點。基礎模型上的非商業研究授權，不會因為檢查點更快就變成商業授權，而 Turbo 儲存庫是依相同條款另行下載的。如果你對八步生成的興趣，在於它讓模型便宜到足以放進產品裡，那麼限制你的是授權，而不是步數。這個問題必須去問供應商；本儲存庫中沒有任何地方回答這個問題。

託管路徑，以及 OrcaRouter 在其中的位置

OrcaRouter 不會路由 Qwen-Image-2.1-Turbo，也不會路由 Qwen-Image-2.1。兩者都不在我們的目錄中，本文任何內容都不應被解讀為提供這些模型服務的要約。如果你想要其中任何一個，途徑是供應商自家的 API 與若干第三方平台，或是模型權重本身，並搭配夠新的 Diffusers 組建，以載入 Turbo 檢查點所儲存的排程。

我們在前端提供的是代管映像檔產品線，值得了解其內容，以便與自架實驗並列比較。OrcaRouter 將 200 多個模型置於單一與 OpenAI 相容的端點之後，以供應商定價提供且零加價——因此當供應商降價時，降幅會在當天反映在我們這邊，而不必等待重新定價流程。當供應商效能下降時，它會加入自動容錯移轉，並提供路由 DSL 來表達請求可使用哪些模型與供應商，以及模型融合功能，將多個模型組合成單次呼叫。我們路由的映像模型包括 OpenAI GPT-Image 系列、Google 的 Imagen 4 各層級（包含 fast 與 ultra 變體）、Google 的 Gemini 映像預覽端點，以及 xAI 的 Grok Imagine 映像端點。

這個決策的誠實樣貌是：如果你需要一個可檢查、可修改的八步 7B 開放權重模型，Turbo 屬於自架工作，而授權是首先必須敲定的事。如果你需要一個本週就能上線生產的影像端點，那是另一筆採購，而那也是我們所販售的項目。

什麼可以說，什麼不能說

• 由儲存庫本身確認： Qwen-Image-2.1 的 7B 加速檢查點，可在八個去噪步驟中執行文字轉圖像生成與圖像編輯；一個 num_inference_steps 不會覆寫的已儲存取樣排程；預設為 CFG 1；針對文字與參考圖像上下文的前綴 KV 快取；與基礎模型相同的七個解析度預設；一條 QwenImage21Pipeline 載入路徑；專案本身新聞列表中一則註明日期為 2026 年 10 月 9 日的發布條目；以及與基礎模型相同的 Qwen Research License Agreement。

• 未在任何地方確立：Turbo 檢查點的任何品質測量、任何速度或記憶體測量、對其所衍生自的基礎檢查點的任何獨立評估、研究授權以外的任何商業條款聲明，以及 Qwen-Image-2.1 推出時所具備的那類首日框架支援。

那八個步驟是會被引用的數字。已移入權重中的排程，才是決定你的第一次執行能否重現任何結果的細節。