«Восемь шагов вместо сорока»: Qwen выпустила ускоренный чекпоинт Qwen-Image-2.1-Turbo

Что выпустила Qwen

9 октября 2026 года Qwen выложила чекпоинт Qwen-Image-2.1-Turbo: он описан как ускоренная версия Qwen-Image-2.1 для генерации изображений по тексту и их редактирования, которой достаточно 8 шагов денойзинга. Архитектура та же — 7B-генератор визуального контента, а сам чекпоинт грузится напрямую через QwenImage21Pipeline в Diffusers.

Речь именно об ускорении готовой модели, а не о новой архитектуре: Turbo сохраняет ту же 7B-основу, что и базовая Qwen-Image-2.1, и поддерживает те же два режима — генерацию по тексту и редактирование. В официальных примерах Turbo рисует постер 1680×2512 за 8 шагов и превращает эскиз яхты в фотореалистичное изображение размером 2048×2048 — оба вызова идут по одному и тому же сохранённому расписанию из 8 шагов.

Разница в стоимости вывода видна в параметрах по умолчанию. У базовой Qwen-Image-2.1 параметр num_inference_steps по умолчанию равен 40, а нативное разрешение — 2048×2048; Turbo же использует своё сохранённое расписание из 8 шагов, при этом оба чекпоинта по умолчанию работают на уровне 2048. Иными словами, на один и тот же кадр Turbo тратит в разы меньше шагов денойзинга, чем базовая модель.

Расписание шагов едет внутри чекпоинта

Ключевое отличие Turbo — способ задания числа шагов. Чекпоинт несёт собственное рекомендованное расписание сэмплинга, поэтому Diffusers подхватывает его автоматически и модель готова к работе без ручной настройки планировщика.

Из этого следует практическая тонкость: задать num_inference_steps вручную и «переопределить» ускорение не получится — одного этого параметра недостаточно, чтобы отменить сохранённое расписание Turbo. Чтобы такая схема работала, нужен свежий Diffusers с поддержкой сигм сэмплинга, задаваемых конвейером (PR #14950), а из зависимостей названы transformers версии не ниже 5.17.0, accelerate и pillow.

CFG=1 и переиспользование контекста

Второй источник ускорения — режим генерации. По умолчанию Turbo работает с CFG=1, а префиксное KV-кэширование переиспользует контекст текста и референсного изображения между шагами денойзинга. В официальных примерах это же включено флагом use_kv_cache=True — и для генерации по тексту, и для редактирования по загруженному изображению.

Сочетание сохранённого 8-шагового расписания и переиспользования контекста описывает Turbo как inference-ориентированный чекпоинт: смысл релиза в том, чтобы получать результат быстрее и дешевле на уже знакомом конвейере, а не в расширении возможностей модели.

Что ещё в этом релизе

В один день с чекпоинтом Qwen объявила, что Pro- и Turbo-API модели Qwen-Image-2.1 официально доступны в Alibaba Cloud Model Studio. Разработчику предлагается выбор: пользоваться хостинговыми API или запускать Turbo-чекпоинт у себя через Diffusers. Обе страницы API — и Pro, и Turbo — опубликованы в консоли Model Studio.

Сам чекпоинт распространяется на Hugging Face с лицензией qwen-research, а в его метаданных указано, что базовой моделью служит Qwen/Qwen-Image-2.1. Отдельного нового блога под Turbo нет: заметки о релизе и примеры собраны в README проекта QwenLM/Qwen-Image-2.1, где Turbo идёт отдельным разделом «8-Step Generation and Editing».

Что это значит

Практический смысл релиза — снижение стоимости одного кадра при том же качестве конвейера: 8 шагов денойзинга вместо 40 у базовой модели и включённые по умолчанию CFG=1 и KV-кэш. Для тех, кто уже разворачивает Qwen-Image-2.1 локально, Turbo не требует нового кода: тот же QwenImage21Pipeline, та же 7B-архитектура, оба режима — генерация и редактирование.

Ограничение тоже названо прямо: ускорение зашито в сохранённое расписание чекпоинта, поэтому настройка числа шагов вручную его не заменяет, а для запуска нужен Diffusers со поддержкой сэмплинг-сигм из PR #14950. Для тех, кому не нужен локальный запуск, тот же ускоренный вариант доступен как Turbo-API в Alibaba Cloud Model Studio.