Última actualización: 13 de octubre de 2026

Qwen Image 2.1 Turbo: qué es, cuánto cuesta y cómo usarlo

El 9 de octubre de 2026, el equipo Qwen de Alibaba lanzó Qwen-Image-2.1-Turbo, un checkpoint acelerado del modelo de pesos abiertos Qwen-Image-2.1 que salió el 20 de septiembre. Genera y edita imágenes en 8 pasos de eliminación de ruido en lugar de 40, con la misma arquitectura de 7B. En esta página verás qué cambió, dónde ejecutarlo, cuánto cuesta y la letra pequeña de la licencia.

Qwen-Image-2.1-Turbo de un vistazo

Fuente: Ficha del modelo en Hugging Face

Fuente: Qwen-Image-2.1 en GitHub

Turbo frente al modelo base y Pro

Turbo no es un modelo más pequeño. Es la misma red de 7B entrenada para terminar en menos pasos, así que cada imagen necesita alrededor de una quinta parte de las pasadas de eliminación de ruido. Pro es el nivel alojado superior en Alibaba Cloud.

El 60.28 del modelo base se midió con el checkpoint de 40 pasos. No des por hecho que Turbo lo iguala hasta que Qwen o un evaluador independiente publique una puntuación de Turbo.

Fuente: Ficha del modelo en Hugging Face

Fuente: Model Studio: qwen-image-2.1-turbo

Fuente: Model Studio: qwen-image-2.1-pro

Fuente: DataNorth: gráfica de benchmark de Qwen-Image-2.1

Precio de Qwen Image 2.1 Turbo

Los precios de Alibaba son de lista, antes de promociones. Runware y Venice son proveedores externos con sus propias condiciones. Consulta la guía de la API para ver el código y los detalles de cada uno.

Guía de la API de Qwen Image 2.1 Turbo

Fuente: Model Studio: qwen-image-2.1-turbo

Fuente: Página del modelo en Runware

Fuente: Página del modelo en Venice

Cómo usar Qwen Image 2.1 Turbo

• Probarlo en el navegador. El Space de demostración de Qwen-Image-2.1 en Hugging Face ejecuta la familia de modelos sin instalar nada. Venice también lo ofrece, con una cuota diaria gratuita para cuentas nuevas.
• ComfyUI. Carga el workflow oficial de Qwen-Image 2.1, cambia al modelo de difusión Turbo (o al modelo base más la LoRA Turbo) y configura 8 pasos y CFG 1.
• Python (Diffusers). QwenImage21Pipeline carga el checkpoint directamente. Necesitas Diffusers instalado desde el código fuente y transformers 5.17 o posterior.
• API alojada. Llama a qwen-image-2.1-turbo en Alibaba Cloud Model Studio o usa un proveedor externo como Runware.

Guía de ComfyUI e instalación local · Guía de la API

Fuente: Space de demostración de Qwen-Image-2.1

Fuente: Página del modelo en Venice

Fuente: Nota de lanzamiento en ComfyUI Wiki

Fuente: Ficha del modelo en Hugging Face

Inicio rápido en Python

Instala las librerías y genera una imagen. El pipeline lee el schedule de 8 pasos desde el checkpoint, así que no tienes que indicar el número de pasos.

pip install "torch>=2.4.0"
pip install git+https://github.com/huggingface/diffusers.git
pip install "transformers>=5.17.0" accelerate pillow

import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16
).to("cuda")

# The 8-step schedule and CFG 1 are stored in the checkpoint: no steps argument needed.
image = pipe(
    prompt="A minimalist coffee shop poster, the words 'OPEN LATE' in bold serif type, warm evening light",
    width=1696,
    height=2528,
    use_kv_cache=True,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("t2i.png")

Cambiar solo num_inference_steps no modifica el schedule; únicamente un argumento sigmas explícito lo reemplaza, y Qwen indica que otros schedules no se han probado.

Fuente: Ficha del modelo en Hugging Face

Edición de imágenes y múltiples referencias

El mismo pipeline edita imágenes: pasa image= con un prompt de instrucciones. Pasa una lista para combinar hasta 10 imágenes de referencia.

import torch
from diffusers import QwenImage21Pipeline
from diffusers.utils import load_image

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16
).to("cuda")

sketch = load_image("sketch.png").convert("RGBA")
image = pipe(
    prompt="Turn this sketch into a photorealistic yacht on the open sea at golden hour",
    image=sketch,  # pass a list for multi-reference editing (up to 10 images)
    width=2048,
    height=2048,
    use_kv_cache=True,
    generator=torch.Generator("cpu").manual_seed(20261009),
).images[0]
image.save("edit.png")

Fuente: Ficha del modelo en Hugging Face

Fuente: Qwen-Image-2.1 en GitHub

Resoluciones recomendadas

Para PNG transparentes, Qwen recomienda indicar en el prompt que la imagen tiene transparencia y fondo transparente.

Fuente: Ficha del modelo en Hugging Face

Fuente: Qwen-Image-2.1 en GitHub

Benchmarks: lo que Qwen ha publicado y lo que no

Qwen publicó una sola gráfica para la familia 2.1, sobre su propio Qwen-Image-Bench, que no es público. Todas las puntuaciones corresponden al modelo base de 40 pasos.

• Qwen no ha publicado ninguna puntuación, latencia ni rendimiento de Turbo.
• Qwen no da un desglose por categoría ni la metodología de la gráfica.
• Runware indica unos 23 segundos por solicitud en su propia infraestructura; eso incluye la cola y no es un benchmark de GPU.

Fuente: DataNorth: gráfica de benchmark de Qwen-Image-2.1

Fuente: Página del modelo en Runware

¿Se puede usar comercialmente?

Los pesos abiertos están bajo el Qwen Research License Agreement, igual que el modelo base. La investigación y los experimentos personales están permitidos; usarlo para un negocio en tus propios servidores requiere un acuerdo aparte con Alibaba. Las imágenes generadas mediante Alibaba Cloud Model Studio o un proveedor externo de pago se rigen por las condiciones de ese servicio, así que léelas antes de lanzar tu producto.

Fuente: Ficha del modelo en Hugging Face

Fuente: Qwen-Image-2.1 en GitHub

Guía independiente, sin relación con Alibaba ni con el equipo de Qwen. Los precios, las licencias y los nombres de archivo cambian; revisa las páginas oficiales enlazadas antes de construir sobre ellos.