AREX Feed Article
Qwen 发布 Qwen-Image-2.1-Turbo：8 步去噪完成图像生成与编辑，权重开放、Pro 与 Turbo API 同日上线
10 月 9 日晚，Qwen 团队在 中宣布 Qwen-Image-2.1-Turbo 发布。这是一个建立在 Qwen-Image-2.1 之上、沿用同一 7B 视觉生成架构的加速 checkpoint（检查点），只用 8 个去噪步骤就能创建和编辑图像，权重已在 与 开放下载。同一条帖文宣布，Qwen-Image-2.1 Pro 与 Turbo 两个 API 正式上线。
Qwen 对效果的表述是「步数减少不等于质量降低」：Turbo 仍能从文本生成 2K 图像，并支持用自然语言继续创作，比如给画面添加配饰、更换场景。上述说法来自 Qwen 的帖文，模型卡与开源仓库补充了采样配置、加载方式与分辨率等细节。
从 40 步到 8 步：采样方案随权重保存
图像生成模型靠多轮去噪把噪声逐步还原成画面；步数越少，推理越快。按 Qwen 的 记录，Qwen-Image-2.1 于 9 月 20 日发布，默认去噪步数是 40 步；Turbo 把它压到 8 步，轮数只有原来的五分之一。两者共用同一套视觉生成架构：32 层单流 DiT（扩散 Transformer），文本编码器为 Qwen3-VL 8B，VAE 是 64 通道 RGBA 自编码器（原生支持透明通道）。
速度相关的配置写在 checkpoint 里：推荐的 8 步采样 schedule（采样调度）随权重保存，Diffusers（扩散模型库）会自动读取，不需要手动配置 scheduler（调度组件）；生成默认 CFG=1（引导系数）；前缀 KV 缓存（Key-Value 缓存）把文本指令与参考图像的上下文在第一步算完，之后每个去噪步骤复用。
模型卡还注明了两个边界条件：单独设置 num_inference_steps（推理步数参数）不会覆盖保存好的 schedule，只有显式传入 sigmas（噪声强度序列）才会覆盖；而其他 schedule 尚未在这个 checkpoint 上评估过。
在 Diffusers 里加载：一个 pipeline 和两个版本要求
加载示例如下：
import torchfrom diffusers import QwenImage21Pipeline
pipe = QwenImage21Pipeline.from_pretrained( "Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16).to("cuda")模型卡要求安装来自 GitHub 仓库的 Diffusers 源码：这个 checkpoint 依赖它对 pipeline 级采样 sigma（噪声强度）的支持，相关改动在 中合入，合并时间是 10 月 5 日；另外需要 transformers 5.17.0 及以上版本。这条 pipeline（推理管线）同时负责文生图与图像编辑。
分辨率方面，官方示例统一使用 2,048 档，也就是帖文所说的 2K：方形输出为 2,048×2,048，预设比例共 7 种，其中 4:3 为 2,400×1,792、3:2 为 2,528×1,696、16:9 为 2,752×1,536，与 Qwen-Image-2.1 的预设一致。
Pro 与 Turbo API：托管调用或自建工作流
两个 API 的入口都在阿里云 Model Studio：公告给出了 与 的页面，GitHub 仓库的更新记录把 API 的上线日期标注为 10 月 9 日。公告给出的两条路径是：为应用选择托管 API，或在自己的工作流里运行 Turbo 权重。
官方示例：出图、改图与多参考合成
模型卡给出一组 Turbo 的 8 步输出示例，覆盖人像摄影、人体姿态与动作、透明背景生成、排版与海报设计、UI 与信息布局、单图变换、多参考合成、四图室内合成八类。编辑侧的例子更具体：把一张游艇草图按提示词改写为写实照片。
研究许可与发布当天的量化跟进
「开放权重」有明确边界：Turbo 权重仓库附带的 把授权范围限定为非商业的研究与评估用途；用这些材料训练、微调并对外分发模型时，要在产品文档中标注「Built with Qwen」，且不得把「Qwen」用作派生作品的主名称。协议由 Hangzhou Tongyi Laboratory Technology Co., Ltd. 发布，文本标注日期为 2026 年 9 月 20 日。
ModelScope 上的仓库包含约 17.5 GB 的文本编码器（text_encoder）、两个共约 14.2 GB 的 transformer 分片（9.97 GB 与 4.26 GB）和约 675 MB 的 VAE，整体约 32.5 GB。
发布当天，账号简介显示为 Qwen 多模态研究员的 在回复中写道：「Turbo，但更稳。我们修掉了一些失真问题，速度保留，多余的东西不再出现。」 表示将为 Turbo 制作量化版本与 GGUF（面向本地推理的量化格式）； 则称已发布从 2-bit（2.6 GB）到 BF16（14.2 GB）的 GGUF 量化，并称其中 4.2 GB 的 AD-Q4_K 版本在 LPIPS（图像感知相似度指标）上比 llama.cpp 的普通 Q4_K 低 21%，即图像更接近原版。截至发稿，Qwen 的发布帖在 X 上获得约 2,500 次点赞和 15.5 万次浏览。
对自建工作流的人来说，商业用途需要单独申请授权，或改用已上线的托管 API。