阿里巴巴的 Qwen 团队发布了 Qwen-Image-2.1-Turbo，这是其开源权重模型 Qwen-Image-2.1 的加速检查点。它以 8 个去噪步骤生成和编辑图像，而基础模型默认需要 40 步。对开发者而言，这意味着在相同的 7B 架构上去噪步骤减少了 5 倍，同时还提供托管 API 选项。
TL;DR
规模：视觉生成器为 7B 参数，搭配 Qwen3-VL 8B 文本编码器。
运行环境：通过 Diffusers 在 CUDA GPU 上以 BF16 运行。Qwen 未公布 Turbo 的最低显存要求。Unsloth 估计基础模型使用 GGUF 时可在 11 GB 显存上运行，使用 INT8/FP8 时需要 24 GB。
性能：与 Qwen-Image-2.1 相同的 2K 输出和编辑功能集，但只需 8 步而非 40 步。
最佳表现：基础版 Qwen-Image-2.1 在 Qwen-Image-Bench 上得分 60.28，是 Qwen 报告的最高开源权重得分。
结论（最佳）：在一个开源检查点中实现 8 步 2K 生成与编辑。
结论（最差）：仅限研究许可，因此商业自托管需要单独授权。
什么是 Qwen-Image-2.1-Turbo？
Qwen-Image-2.1-Turbo 是阿里巴巴 Qwen 团队推出的 8 步图像生成与编辑检查点。它基于 Qwen-Image-2.1 构建。Turbo 保留了相同的 7B 视觉生成架构。它可通过 Diffusers 中的 QwenImage21Pipeline 直接加载。
该检查点内置了推荐的 8 步采样计划。生成默认使用 CFG=1。前缀 KV 缓存会在去噪步骤之间复用文本和参考图像上下文。
Qwen-Image-2.1-Turbo 如何工作？
底层架构是单流 DiT，具有 32 层和 7B 参数。它使用块因果注意力。文本 token 获得 token 级因果掩码，而图像使用块级双向掩码。
文本编码器：Qwen3-VL 8B 对指令和条件图像进行编码。
VAE：64 通道 RGBA 自编码器，具有 16 倍空间压缩，可实现原生透明度。
调度器：Flow Matching，采用 Euler 离散调度和动态偏移。
注意力设计是前缀缓存得以工作的关键。输入图像和文本在第一步计算一次。之后的每一步都复用该缓存。由于只有 8 步，缓存前缀覆盖了大部分条件计算成本。
它能生成和编辑什么？
Turbo 模型卡展示涵盖 8 个类别。其中包括肖像、人物姿态、透明图像、排版与海报，以及 UI 布局。编辑示例包括单图变换、多参考合成和 4 图室内合成。基础模型支持最多 10 张参考图像，以及通过圆圈、涂鸦标注或蒙版进行的局部编辑。
如何运行 Qwen-Image-2.1-Turbo？
安装需要从源码安装 Diffusers，以及 transformers>=5.17.0。该检查点需要 Diffusers PR #14950，它添加了流水线配置的采样 sigmas。
复制代码已复制使用其他浏览器
import torch
from diffusers import QwenImage21Pipeline
pipe = QwenImage21Pipeline.from_pretrained(
"Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16
).to("cuda")
image = pipe(
prompt="A ceramic teapot on a wooden table, soft window light",
width=2048, height=2048, use_kv_cache=True,
).images[0]
编辑时，传入 image=input_image 并附带指令提示词。支持的预设范围从 2048×2048 正方形到 2752×1536 的 16:9。
这里有一点需要注意。仅设置 num_inference_steps 并不会覆盖已保存的调度。只有显式的 sigmas 参数才会，而且 Qwen 指出其他调度未经测试。
API 费用是多少？
阿里云 Model Studio 现在同时托管 Turbo 和 Pro。qwen-image-2.1-turbo 在大多数地区每张图像收费 CNY 0.1，限制为 120 RPM。qwen-image-2.1-pro 每张图像收费 CNY 0.25，限制为 20 RPM。Turbo 每张图像便宜 2.5 倍，并允许 6 倍的请求速率。
Qwen-Image-2.1-Turbo 与竞争性快速图像模型对比
FeatureQwen-Image-2.1-TurboQwen-Image-2.1Z-Image-TurboFLUX.2 klein 9BOrgAlibaba QwenAlibaba QwenAlibaba Tongyi-MAIBlack Forest LabsGenerator size7B7B6B9BText encoderQwen3-VL 8BQwen3-VL 8BNot disclosedQwen3 8BDefault steps8408 NFEs4EditingYes, multi-referenceYes, up to 10 referencesNo (separate Edit model)Yes, multi-referenceTransparent RGBA outputYesYesNot disclosedNot disclosedNative resolution2K (2048×2048)2K (2048×2048)1024×1024 in examples1024×1024 in examplesHardware guidanceNot disclosed11 GB GGUF / 24 GB FP8 (Unsloth)Fits 16 GB VRAM~29 GB VRAM, RTX 4090+LicenseQwen Research LicenseQwen Research LicenseApache 2.0FLUX Non-CommercialQwen-Image-BenchNot disclosed60.28 (vendor)Not disclosedNot disclosedHosted APICNY 0.1/imagePro: CNY 0.25/imageNot disclosedBFL API
关键要点
Qwen-Image-2.1-Turbo 在相同的 7B 架构上将去噪从 40 步减少到 8 步。
一个检查点即可处理 2K 文本到图像、多参考编辑和透明 RGBA 输出。
API 每张图像收费 CNY 0.1，比 Pro 便宜 2.5 倍。
权重采用研究许可，因此商业自托管需要单独许可。
目前尚无 Turbo 专属基准测试；基础版 Qwen-Image-2.1 在 Qwen-Image-Bench 上得分为 60.28。
查看 ModelScope 页面、Hugging Face 页面、Pro API 和 Turbo API。所有功劳归于本项目的研究者。另外，欢迎在 Twitter 上关注我们，别忘了加入我们拥有 150k+ 成员的 ML SubReddit 并订阅我们的 Newsletter。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们。
文章 Alibaba Qwen Releases Qwen-Image-2.1-Turbo, an 8-Step 7B Image Model 首次出现在 MarkTechPost 上。