Базовой модели Qwen-Image-2.1 по умолчанию нужно 40 шагов шумоподавления, чтобы получить изображение. Новой версии Turbo хватает восьми, то есть в пять раз меньше, пишет MarkTechPost.[1]
Qwen-Image-2.1-Turbo, по описанию в карточке модели на Hugging Face, — ускоренный чекпойнт Qwen-Image-2.1. Он умеет создавать изображения по тексту и редактировать их. Архитектура у него та же, что у базовой модели, на 7 млрд параметров, и загружается он напрямую через QwenImage21Pipeline в библиотеке Diffusers.[2][3]
MarkTechPost описывает устройство модели подробнее. В основе лежит single-stream DiT из 32 слоёв с block-causal attention. Инструкции и условные изображения кодирует Qwen3-VL 8B. VAE представляет собой 64-канальный RGBA-автоэнкодер с 16-кратным пространственным сжатием, и благодаря ему модель нативно работает с прозрачностью. Шаги шумоподавления задаёт планировщик Flow Matching с дискретным Euler и динамическим сдвигом.[4][5][6][7]
Чекпойнт, как сказано в карточке, включает рекомендованное расписание сэмплинга. Генерация по умолчанию идёт с CFG=1. Механизм prefix KV caching переиспользует контекст текста и референсного изображения между шагами шумоподавления.[8]
Если задать только параметр num_inference_steps, сохранённое расписание не изменится. Заменить его можно явным аргументом sigmas при вызове, но, как предупреждает Qwen, другие расписания для этого чекпойнта не оценивались. Нужна версия Diffusers, где появились настраиваемые в пайплайне sigmas (PR #14950), и transformers не ниже 5.17.0.[9][10]
Пресеты разрешений Turbo взяла у Qwen-Image-2.1: от 2048×2048 для квадрата до 2752×1536 для формата 16:9 и 1536×2752 для 9:16. По данным MarkTechPost, базовая модель принимает до 10 референсных изображений и вносит локальные правки по кругам, нарисованным пометкам или маскам. Витрина примеров Turbo охватывает 8 категорий, среди них портреты, позы людей, прозрачные изображения, типографика и постеры, макеты интерфейсов.[11][12][13]
Модель можно взять и через облако. В Alibaba Cloud Model Studio qwen-image-2.1-turbo в большинстве регионов стоит 0,1 юаня за изображение при лимите 120 запросов в минуту. Версия qwen-image-2.1-pro обходится в 0,25 юаня за изображение, и лимит у неё 20 запросов в минуту, сообщает MarkTechPost.[14]
У самостоятельного хостинга есть ограничения. Веса вышли под исследовательской лицензией Qwen Research License, и для коммерческого использования на своих серверах нужно отдельное разрешение. Минимальных требований к видеопамяти для Turbo Qwen не публикует. Unsloth оценивает базовую модель в 11 ГБ VRAM с GGUF и 24 ГБ с INT8/FP8.[15][16]
Базовая Qwen-Image-2.1 набирает на Qwen-Image-Bench 60,28 балла, и это лучший результат среди моделей с открытыми весами, о котором сообщает Qwen. Отдельного бенчмарка для Turbo, по словам MarkTechPost, пока нет.[17][18]
Setting num_inference_steps alone does not override it. For experiments, an explicit call-time sigmas argument overrides the saved schedule; other schedules have not been evaluated for this checkpoint.
