Qwen 發布了 Qwen-Image-2.1-Turbo，這是 Qwen-Image-2.1 的加速檢查點，專為文字生成圖像（text-to-image）及圖像編輯設計，僅需 8 個去噪步驟（denoising steps）。該模型採用與 Qwen-Image-2.1 相同的 7B 視覺生成架構，並可直接透過 Diffusers 中的 QwenImage21Pipeline 載入使用。
該檢查點內建了推薦的採樣調度（sampling schedule），因此無需手動配置調度器即可直接使用。生成過程預設使用 CFG=1，並採用前綴 KV 快取（prefix KV caching）技術，以在各去噪步驟間重用文字與參考圖像的上下文。若要進行實驗，可透過明確的 call-time sigmas 參數覆蓋內建的調度，但其他調度方案尚未對此檢查點進行評估。
在使用條件方面，該模型需要支援 pipeline-configured sampling sigmas 的 Diffusers 版本（由 PR #14950 新增），以及 CUDA 相容的 PyTorch 構建、transformers>=5.17.0、accelerate 和 pillow 等依賴項。官方範例展示了文字生成圖像使用 1680 × 2512 的直式解析度，以及圖像編輯使用 2048 × 2048 的解析度。支援的長寬比預設與 Qwen-Image-2.1 相同，包括 1:1 (2048x2048)、4:3 (2400x1792)、3:4 (1792x2400)、3:2 (2528x1696) 及 2:3 (1696x2528) 等。
事件背景
Qwen-Image-2.1-Turbo 是基於 Qwen-Image-2.1 架構的加速版本。根據 Reddit 社群貼文描述，該模型強調「較少的步驟並不意味著較低的品質」，仍能從文字生成強大的 2K 圖像，並支援透過自然語言編輯進行持續創作，例如添加配件或改變場景。
社群觀察
社群討論集中在本地執行的簡便性、與競品的比較以及授權問題。使用者 Repulsive_Initial308 詢問最簡單的本地執行方式，希望能避免複雜的配置步驟。Jigawattts 詢問此版本與 Qwen-Image-2.1 的具體差異。在 Reddit 討論區中，使用者 mungie3 詢問該模型與 z-image-turbo 的比較。此外，使用者 silenceimpaired 對 Qwen 的授權變更表示不滿，懷念之前的 Apache 2.0 授權；mivog49274 則呼籲直接發布 Qwen Image 3；Dramatic-Rub-7654 建議發布用於訓練的原始版本。
