Qwen-Image-2.1-Turbo: генерация и редактирование изображений в 5 раз быстрее

Alibaba Qwen представила Qwen-Image-2.1-Turbo — ускоренный чекпоинт модели Qwen-Image-2.1 с открытыми весами. Модель генерирует и редактирует изображения за 8 шагов шумоподавления вместо стандартных 40, что даёт пятикратное ускорение на той же архитектуре с 7B параметров. Для разработчиков доступна как локальная установка через Diffusers, так и облачное API от Alibaba Cloud.

Архитектурно модель использует односвязный DiT с 32 слоями и 7B параметров, блок-каузальное внимание и VAE с 64-канальным RGBA-автоэнкодером для поддержки прозрачности. Текстовый энкодер — Qwen3-VL 8B. Благодаря кэшированию префиксов KV контекст текста и референсных изображений вычисляется один раз на первом шаге и переиспользуется на последующих, что особенно эффективно при малом числе шагов.

Модель поддерживает генерацию портретов, поз, прозрачных изображений, типографики, постеров и UI-макетов, а также редактирование по инструкции, композицию из нескольких референсов и локальные правки по маске. Разрешение — до 2048×2048 пикселей. В бенчмарке Qwen-Image-Bench базовая версия набирает 60,28 — лучший результат среди open-weight моделей.

Для запуска требуется Diffusers из исходников и transformers >=5.17.0. Чекпоинт загружается через QwenImage21Pipeline. В облачном API Alibaba Cloud Model Studio Turbo стоит 0,1 юаня за изображение (против 0,25 у Pro) с лимитом 120 запросов в минуту. Важно: модель распространяется только под исследовательской лицензией, для коммерческого использования нужно отдельное разрешение.