Qwen Image 2.1 Turbo: нейросеть Alibaba генерирует 2K-картинки в 5 раз быстрее за 1,3 рубля

Модель выпустила команда Qwen, подразделение Alibaba. Qwen Image 2.1 Turbo построена на той же архитектуре с 7 миллиардами параметров, что и базовая Qwen Image 2.1, но использует дистиллированный (сжатый по числу вычислительных шагов) процесс генерации. Базовая модель набирает 60,28 балла на собственном бенчмарке Qwen-Image-Bench, это лучший результат среди моделей с открытыми весами (open weights, когда разработчик публикует параметры модели и её можно запускать на своём оборудовании), о котором сообщает Qwen. Отдельного бенчмарка именно для Turbo-версии пока нет.

Что умеет Qwen Image нейросеть нового поколения?

• 8 шагов вместо 40. Генерация изображения занимает в пять раз меньше вычислительных шагов. Качество и набор функций при этом заявлены на уровне базовой модели.
• Разрешение до 2K. Поддерживаются форматы от квадрата 2048 на 2048 до широкоформатного 2752 на 1536 (соотношение 16:9).
• Генерация и редактирование в одной модели. Один и тот же чекпоинт (файл с обученными параметрами) работает и как генератор картинок по текстовому промпту (prompt, текстовая инструкция для нейросети), и как редактор: можно подать до 10 референсных изображений, рисовать области редактирования кругами, заливкой или масками.
• Прозрачный фон (RGBA). Встроенный автоэнкодер (VAE) поддерживает альфа-канал, то есть модель умеет генерировать объекты на прозрачном фоне, без дополнительной обработки.
• Кэширование контекста. Текст и референсные изображения вычисляются один раз на первом шаге, а затем переиспользуются на остальных семи. Это экономит время и память видеокарты.
• Текстовый энкодер Qwen3-VL 8B. Мультимодальная (multimodal, работающая одновременно с текстом и изображениями) языковая модель на 8 миллиардов параметров кодирует и инструкции, и входные картинки.

Как попробовать?

1. Через облачный API. Зарегистрируйтесь в Alibaba Cloud Model Studio. Turbo-версия доступна по тарифу 0,1 CNY за изображение с лимитом 120 запросов в минуту. Для сравнения: Pro-версия стоит 0,25 CNY за изображение с лимитом 20 запросов в минуту, то есть Turbo в 2,5 раза дешевле и допускает в шесть раз больше обращений.
2. Локально на видеокарте. Модель запускается через библиотеку Diffusers из исходников, требуется версия transformers 5.17.0 или выше. Для базовой модели Qwen Image 2.1 сторонний проект Unsloth оценивает минимум в 11 ГБ видеопамяти (формат GGUF) или 24 ГБ (INT8/FP8). Для Turbo-версии Qwen минимальных требований не публикует.
3. Скачать веса. Модель доступна на Hugging Face и ModelScope. Веса выложены под исследовательской лицензией: для коммерческого использования на своих серверах нужно отдельное разрешение от Alibaba.

Сравнение с доступными в России вариантами

Прямого аналога Qwen Image 2.1 Turbo среди российских сервисов пока нет: YandexGPT и GigaChat работают преимущественно с текстом. Генерация изображений у Сбера реализована через отдельный сервис Kandinsky, у Яндекса через YandexART.

Для авторов из России, которым нужна бюджетная генерация визуала через API, Qwen Image нейросеть остаётся одним из немногих открытых вариантов с полноценным редактированием.

Частые вопросы

Можно ли использовать Qwen Image 2.1 Turbo для коммерческих проектов?

Веса модели выложены под исследовательской лицензией. Это значит, что запускать модель на своих серверах для коммерческих задач можно только с отдельного разрешения Alibaba. Использование через облачный API Alibaba Cloud Model Studio регулируется условиями сервиса.

Какая видеокарта нужна для локального запуска?

Qwen не публикует минимальных требований для Turbo-версии. По оценкам проекта Unsloth, базовая модель Qwen Image 2.1 требует от 11 ГБ видеопамяти в сжатом формате GGUF до 24 ГБ в формате INT8/FP8. Нужна видеокарта NVIDIA с поддержкой CUDA и формата BF16.

Чем Turbo отличается от Pro?

Turbo генерирует изображения за 8 шагов и стоит 0,1 CNY за картинку с лимитом 120 запросов в минуту. Pro стоит 0,25 CNY за изображение с лимитом 20 запросов в минуту. Обе версии доступны через Alibaba Cloud Model Studio. По набору функций обе работают с теми же возможностями базовой Qwen Image 2.1.

Для авторов и маркетологов, которые тратят на визуал больше, чем на текст, Qwen Image 2.1 Turbo даёт конкретный способ сократить расходы без потери разрешения, и проверить это можно за десять минут через API.