Atualizado em: 13 de outubro de 2026

Qwen Image 2.1 Turbo: o que é, quanto custa e como usar

Em 9 de outubro de 2026, a equipe Qwen da Alibaba lançou o Qwen-Image-2.1-Turbo, um checkpoint acelerado do Qwen-Image-2.1 de pesos abertos, lançado em 20 de setembro. Ele gera e edita imagens em 8 passos de remoção de ruído em vez de 40, com a mesma arquitetura de 7B. Esta página mostra o que mudou, onde rodar, quanto custa e a pegadinha da licença.

Qwen-Image-2.1-Turbo em resumo

Fonte: Card do modelo no Hugging Face

Fonte: Qwen-Image-2.1 no GitHub

Turbo vs modelo base vs Pro

O Turbo não é um modelo menor. É a mesma rede de 7B treinada para terminar em menos passos, então cada imagem precisa de cerca de um quinto das passagens de remoção de ruído. O Pro é o nível hospedado mais alto na Alibaba Cloud.

O 60.28 do modelo base foi medido no checkpoint de 40 passos. Não presuma que o Turbo chega ao mesmo resultado até que a Qwen ou um avaliador independente publique uma nota do Turbo.

Fonte: Card do modelo no Hugging Face

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

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

Fonte: DataNorth: gráfico de benchmark do Qwen-Image-2.1

Preço do Qwen Image 2.1 Turbo

Os preços da Alibaba são de tabela, antes de promoções. Runware e Venice são provedores terceiros com termos próprios. Veja o guia da API para o código e os detalhes de cada um.

Guia da API do Qwen Image 2.1 Turbo

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

Fonte: Página do modelo na Runware

Fonte: Página do modelo na Venice

Como usar o Qwen Image 2.1 Turbo

• Testar no navegador. O Space de demonstração do Qwen-Image-2.1 no Hugging Face roda a família de modelos sem instalar nada. A Venice também oferece o modelo, com uma cota diária gratuita para contas novas.
• ComfyUI. Carregue o workflow oficial do Qwen-Image 2.1, troque pelo modelo de difusão Turbo (ou pelo modelo base mais a LoRA Turbo) e defina 8 passos e CFG 1.
• Python (Diffusers). O QwenImage21Pipeline carrega o checkpoint diretamente. Você precisa do Diffusers instalado a partir do código-fonte e do transformers 5.17 ou mais recente.
• API hospedada. Chame qwen-image-2.1-turbo no Alibaba Cloud Model Studio ou use um provedor terceiro como a Runware.

Guia do ComfyUI e da instalação local · Guia da API

Fonte: Space de demonstração do Qwen-Image-2.1

Fonte: Página do modelo na Venice

Fonte: Nota de lançamento no ComfyUI Wiki

Fonte: Card do modelo no Hugging Face

Início rápido em Python

Instale as bibliotecas e gere uma imagem. O pipeline lê o schedule de 8 passos do checkpoint, então você não precisa informar o número de passos.

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")

Alterar só o num_inference_steps não muda o schedule; apenas um argumento sigmas explícito o substitui, e a Qwen diz que outros schedules não foram testados.

Fonte: Card do modelo no Hugging Face

Edição de imagens e múltiplas referências

O mesmo pipeline edita imagens: passe image= com um prompt de instrução. Passe uma lista para combinar até 10 imagens de referência.

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")

Fonte: Card do modelo no Hugging Face

Fonte: Qwen-Image-2.1 no GitHub

Resoluções recomendadas

Para PNGs transparentes, a Qwen recomenda dizer no prompt que a imagem tem transparência e fundo transparente.

Fonte: Card do modelo no Hugging Face

Fonte: Qwen-Image-2.1 no GitHub

Benchmarks: o que a Qwen publicou e o que não publicou

A Qwen publicou só um gráfico para a família 2.1, no seu próprio Qwen-Image-Bench, que não é público. Todas as notas são do modelo base de 40 passos.

• A Qwen não publicou nenhuma nota, latência ou throughput do Turbo.
• A Qwen não dá detalhamento por categoria nem a metodologia do gráfico.
• A Runware informa cerca de 23 segundos por requisição na sua própria infraestrutura; isso inclui fila e não é um benchmark de GPU.

Fonte: DataNorth: gráfico de benchmark do Qwen-Image-2.1

Fonte: Página do modelo na Runware

Dá para usar comercialmente?

Os pesos abertos estão sob o Qwen Research License Agreement, igual ao modelo base. Pesquisa e experimentos pessoais estão liberados; usar o modelo para um negócio nos seus próprios servidores exige um acordo à parte com a Alibaba. Imagens geradas pelo Alibaba Cloud Model Studio ou por um provedor terceiro pago seguem os termos desse serviço, então leia-os antes de colocar em produção.

Fonte: Card do modelo no Hugging Face

Fonte: Qwen-Image-2.1 no GitHub

Guia independente, sem vínculo com a Alibaba ou a equipe Qwen. Preços, licenças e nomes de arquivo mudam; confira as páginas oficiais nos links antes de construir em cima deles.