最后更新: 2026年10月13日

Qwen Image 2.1 Turbo：是什么、多少钱、怎么用

2026 年 10 月 9 日，阿里通义千问团队发布 Qwen-Image-2.1-Turbo，它是 9 月 20 日开源的 Qwen-Image-2.1 的加速版检查点。架构同样是 7B，生成和编辑图片只需 8 步去噪，而不是 40 步。本页讲清楚改了什么、在哪里跑、多少钱，以及许可证上的限制。

Qwen-Image-2.1-Turbo 基本参数

来源: Hugging Face 模型卡

来源: Qwen-Image-2.1 GitHub 仓库

Turbo、基础版和 Pro 有什么区别

Turbo 并不是更小的模型，而是同一个 7B 网络经过训练，用更少的步数完成生成，所以每张图只需要大约五分之一的去噪次数。Pro 则是阿里云上的托管旗舰档。

基础版的 60.28 分是在 40 步检查点上测得的。在 Qwen 或独立评测者公布 Turbo 的分数之前，不要默认 Turbo 也能达到这个水平。

来源: Hugging Face 模型卡

来源: 阿里云百炼：qwen-image-2.1-turbo

来源: 阿里云百炼：qwen-image-2.1-pro

来源: DataNorth：Qwen-Image-2.1 跑分图

Qwen Image 2.1 Turbo 价格

阿里云价格为未计优惠的刊例价。Runware 和 Venice 是第三方托管平台，各有自己的条款。代码和各平台细节见 API 教程。

Qwen Image 2.1 Turbo API 教程

来源: 阿里云百炼：qwen-image-2.1-turbo

来源: Runware 模型页

来源: Venice 模型页

Qwen Image 2.1 Turbo 怎么用

• 在浏览器里试用. Hugging Face 上的 Qwen-Image-2.1 在线体验 Space 无需任何配置即可运行这一系列模型。Venice 也提供该模型，新账号每天有免费额度。
• ComfyUI. 加载官方 Qwen-Image 2.1 工作流，换成 Turbo 扩散模型（或基础模型加 Turbo LoRA），设置 8 步、CFG 1。
• Python（Diffusers）. QwenImage21Pipeline 可直接加载检查点。需要从源码安装 Diffusers，并使用 transformers 5.17 或更高版本。
• 托管 API. 在阿里云百炼上调用 qwen-image-2.1-turbo，或使用 Runware 等第三方平台。

ComfyUI 与本地部署教程 · API 教程

来源: Qwen-Image-2.1 在线体验 Space

来源: Venice 模型页

来源: ComfyUI Wiki 发布说明

来源: Hugging Face 模型卡

Python 快速上手

先安装依赖库，再生成图片。管线会从检查点读取 8 步调度，所以不需要传入步数。

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")

单独设置 num_inference_steps 不会改变调度；只有显式传入 sigmas 参数才会覆盖它，而且 Qwen 表示其他调度未经测试。

来源: Hugging Face 模型卡

图像编辑与多图参考

同一个管线也能编辑图片：传入 image= 并配上指令式提示词。传入列表即可组合最多 10 张参考图。

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")

来源: Hugging Face 模型卡

来源: Qwen-Image-2.1 GitHub 仓库

推荐分辨率

生成透明 PNG 时，Qwen 建议在提示词里写明图片带透明通道、背景透明。

来源: Hugging Face 模型卡

来源: Qwen-Image-2.1 GitHub 仓库

跑分：Qwen 公布了什么、没公布什么

Qwen 只为 2.1 系列发布了一张图表，用的是自家未公开的 Qwen-Image-Bench。所有分数都来自 40 步基础版。

• Qwen 没有公布 Turbo 的分数、延迟或吞吐量数据。
• Qwen 没有给出这张图表的分项得分或测试方法。
• Runware 列出在其托管环境下每次请求约 23 秒；这个数字包含排队时间，并不是 GPU 跑分。

来源: DataNorth：Qwen-Image-2.1 跑分图

来源: Runware 模型页

可以商用吗？

开源权重采用 Qwen Research License Agreement，与基础版相同。研究和个人实验没问题；如果要在自己的服务器上为企业业务运行，需要与阿里巴巴另签协议。通过阿里云百炼或付费第三方平台生成的图片则适用该服务自己的条款，上线前请先读清楚。

来源: Hugging Face 模型卡

来源: Qwen-Image-2.1 GitHub 仓库

独立教程站，与阿里巴巴及通义千问（Qwen）团队无关联。价格、许可证和文件名可能变化，正式使用前请以链接的官方页面为准。