Обновлено: 13 октября 2026 г.

Qwen Image 2.1 Turbo: что это, сколько стоит и как пользоваться

9 октября 2026 года команда Qwen из Alibaba выпустила Qwen-Image-2.1-Turbo — ускоренный чекпоинт открытой модели Qwen-Image-2.1, вышедшей 20 сентября. Она генерирует и редактирует изображения за 8 шагов денойзинга вместо 40 на той же архитектуре 7B. На этой странице — что изменилось, где запускать, сколько стоит и в чём подвох с лицензией.

Qwen-Image-2.1-Turbo кратко

Источник: Карточка модели на Hugging Face

Источник: Qwen-Image-2.1 на GitHub

Turbo, базовая модель и Pro: сравнение

Turbo — не уменьшенная модель. Это та же 7B-сеть, обученная укладываться в меньшее число шагов, поэтому на одно изображение нужно примерно в пять раз меньше проходов денойзинга. Pro — топовый облачный вариант в Alibaba Cloud.

Результат 60.28 получен на 40-шаговом чекпоинте базовой модели. Не стоит считать, что Turbo показывает то же самое, пока Qwen или независимые тестировщики не опубликуют оценку Turbo.

Источник: Карточка модели на Hugging Face

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

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

Источник: DataNorth: график бенчмарка Qwen-Image-2.1

Цена Qwen Image 2.1 Turbo

Цены Alibaba — прайсовые, без учёта акций. Runware и Venice — сторонние хостинги со своими условиями. Код и подробности по каждому — в руководстве по API.

Руководство по API Qwen Image 2.1 Turbo

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

Источник: Страница модели на Runware

Источник: Страница модели на Venice

Как пользоваться Qwen Image 2.1 Turbo

• Попробовать в браузере. Демо-Space Qwen-Image-2.1 на Hugging Face запускает модели этого семейства без установки. Venice тоже предлагает модель с бесплатным ежедневным лимитом для новых аккаунтов.
• ComfyUI. Загрузите официальный воркфлоу Qwen-Image 2.1, подставьте диффузионную модель Turbo (или базовую модель плюс Turbo LoRA) и задайте 8 шагов и CFG 1.
• Python (Diffusers). QwenImage21Pipeline загружает чекпоинт напрямую. Нужны Diffusers, установленные из исходников, и transformers 5.17 или новее.
• Облачный API. Вызывайте qwen-image-2.1-turbo в Alibaba Cloud Model Studio или используйте сторонний хостинг, например Runware.

ComfyUI и локальная установка · Руководство по API

Источник: Демо-Space Qwen-Image-2.1

Источник: Страница модели на Venice

Источник: Заметка о релизе в ComfyUI Wiki

Источник: Карточка модели на Hugging Face

Быстрый старт на Python

Установите библиотеки и сгенерируйте изображение. Пайплайн берёт 8-шаговое расписание из чекпоинта, поэтому число шагов передавать не нужно.

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")

Изменение одного лишь num_inference_steps расписание не меняет; переопределить его можно только явным аргументом sigmas, причём, по словам Qwen, другие расписания не тестировались.

Источник: Карточка модели на Hugging Face

Редактирование изображений и несколько референсов

Тот же пайплайн редактирует изображения: передайте image= и промпт с инструкцией. Передайте список, чтобы объединить до 10 референсных изображений.

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")

Источник: Карточка модели на Hugging Face

Источник: Qwen-Image-2.1 на GitHub

Рекомендуемые разрешения

Для PNG с прозрачностью Qwen советует прямо указать в промпте, что изображение прозрачное и фон прозрачный.

Источник: Карточка модели на Hugging Face

Источник: Qwen-Image-2.1 на GitHub

Бенчмарки: что Qwen опубликовала, а что нет

Для семейства 2.1 Qwen опубликовала только один график — на собственном закрытом бенчмарке Qwen-Image-Bench. Все результаты относятся к 40-шаговой базовой модели.

• Qwen не публиковала ни оценку Turbo, ни данные о задержке или пропускной способности.
• Разбивки по категориям и методики для графика Qwen не приводит.
• Runware указывает около 23 секунд на запрос на своей инфраструктуре; это время включает очередь и не является бенчмарком GPU.

Источник: DataNorth: график бенчмарка Qwen-Image-2.1

Источник: Страница модели на Runware

Можно ли использовать в коммерческих целях?

Открытые веса распространяются под Qwen Research License Agreement, как и базовая модель. Исследования и личные эксперименты — пожалуйста; чтобы запускать модель для бизнеса на своих серверах, нужен отдельный договор с Alibaba. На изображения, созданные через Alibaba Cloud Model Studio или платный сторонний хостинг, распространяются условия соответствующего сервиса, так что изучите их до запуска продукта.

Источник: Карточка модели на Hugging Face

Источник: Qwen-Image-2.1 на GitHub

Независимое руководство, не связанное с Alibaba или командой Qwen. Цены, лицензии и названия файлов меняются — прежде чем на них опираться, проверьте официальные страницы по ссылкам.