Qwen Image 2.1Qwen Image 2.1

Modellguide

Qwen-Image-2.1-Turbo

Qwen-Image-2.1-Turbo ist ein beschleunigter Checkpoint von Qwen-Image-2.1, veröffentlicht am 9. Oktober 2026. Er behält dieselbe visuelle Generierungsarchitektur mit 7B und beendet ein Bild in 8 Entrauschungsschritten, während der Basis-Checkpoint standardmäßig 40 nutzt. Ein Modell deckt Text-zu-Bild und Bildbearbeitung ab.

Prompt online entwerfen

Der Online-Arbeitsbereich dieser Website läuft mit Qwen Image 2.1, nicht mit dem Turbo-Checkpoint. Beide Checkpoints teilen Architektur und Prompt-Format, du kannst die Formulierung also hier testen, bevor du Turbo lokal ausführst. Ein 1K-Bild kostet 4 Credits, ein 2K-Bild 8.

Turbo im Vergleich zum Qwen-Image-2.1-Checkpoint

Turbo ist kein kleineres Modell. Es ist dasselbe Netzwerk mit einem Sampling-Zeitplan für weniger Schritte.

MerkmalQwen-Image-2.1-TurboQwen-Image-2.1
Entrauschungsschritte8, aus dem im Checkpoint gespeicherten ZeitplanStandardmäßig 40
Schrittzahl ändernNur num_inference_steps zu setzen überschreibt den gespeicherten Zeitplan nicht. Übergib sigmas für Experimente.num_inference_steps setzen
Architektur7B-Komponente für visuelle Generierung, 32 Single-Stream-DiT-LayerGleich
Standardauflösung2048-Stufe (2048 × 2048 bei 1:1)Gleich
AufgabenText zu Bild und BildbearbeitungGleich
LizenzQwen Research License AgreementGleich

Was Turbo von Qwen-Image-2.1 übernimmt

Text zu Bild

Schreibe einen Prompt und erhalte ein 2K-Bild in einem von sieben voreingestellten Seitenverhältnissen.

Referenzbasierte Bearbeitung

Bearbeite anhand von bis zu 10 Referenzbildern – zum Beispiel eine Skizze in ein fotorealistisches Rendering verwandeln.

Transparente Ausgabe

Der 64-Kanal-RGBA-Autoencoder kann Bilder mit echtem Alphakanal für Sticker und Freisteller erzeugen.

Text und Layout

Poster, Lernnotizen und UI-artige Layouts mit langen, gut lesbaren Textpassagen sind Teil der offiziellen Turbo-Showcase.

Qwen-Image-2.1-Turbo mit Diffusers ausführen

Die offizielle Modellkarte lädt Turbo mit QwenImage21Pipeline. Du brauchst eine CUDA-GPU und einen Diffusers-Build aus dem Quellcode.

  1. Abhängigkeiten installieren

    Installiere einen CUDA-Build von PyTorch, dann Diffusers von GitHub und transformers 5.17.0 oder neuer. Der Release-Build von Diffusers unterstützt möglicherweise noch keine in einer Pipeline konfigurierten Zeitpläne, die Turbo braucht.

  2. Checkpoint laden

    Lade Qwen/Qwen-Image-2.1-Turbo in bfloat16. Der 8-Schritte-Zeitplan wird aus dem Checkpoint gelesen, ein Scheduler muss also nicht konfiguriert werden.

  3. In einer Preset-Größe generieren

    Wähle Breite und Höhe aus der Tabelle unten und lass use_kv_cache aktiviert. Text und Referenzbilder werden einmal kodiert und in allen 8 Schritten wiederverwendet.

  4. Ein vorhandenes Bild bearbeiten

    Übergib das Quellbild als image= im selben Pipeline-Aufruf. Das offizielle Beispiel wandelt es vorher in RGBA um.

pip install git+https://github.com/huggingface/diffusers.git
pip install "transformers>=5.17.0" accelerate pillow
import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16
).to("cuda")

image = pipe(
    prompt="Editorial poster for a night market, bold headline NIGHT MARKET, gold ink on charcoal paper",
    width=2528,
    height=1696,
    use_kv_cache=True,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("turbo.png")

Auflösungspresets

Turbo nutzt dieselben Presets wie Qwen-Image-2.1.

SeitenverhältnisBreite × Höhe (px)
1:12048 × 2048
4:32400 × 1792
3:41792 × 2400
3:22528 × 1696
2:31696 × 2528
16:92752 × 1536
9:161536 × 2752

Lokales Turbo oder der Online-Arbeitsbereich

Führe Turbo lokal aus, wenn

Du eine CUDA-GPU hast, viele Entwürfe hintereinander brauchst oder alle Dateien auf deinem Rechner bleiben sollen.

Nutze den Online-Arbeitsbereich, wenn

Du keine GPU hast, lieber eine Maske malst statt zu programmieren, oder 1K- und 2K-Presets mit gespeicherter Historie willst.

Bevor du dich auf Turbo verlässt

  • Die Gewichte stehen unter der Qwen Research License Agreement. Lies sie vor jeder kommerziellen Nutzung.
  • Nur der gespeicherte 8-Schritte-Zeitplan wurde evaluiert. Eigene sigmas sind für Experimente.
  • Die Modellkarte nennt keinen minimalen VRAM. Teste auf deiner eigenen GPU, bevor du Stapeljobs planst.

Fragen zu Qwen-Image-2.1-Turbo

Was ist Qwen-Image-2.1-Turbo?

Ein beschleunigter Checkpoint von Qwen-Image-2.1, der mit derselben 7B-Architektur in 8 Entrauschungsschritten Bilder erzeugt und bearbeitet.

Kann ich Turbo auf mehr als 8 Schritte stellen?

Nur num_inference_steps zu ändern hat keine Wirkung, weil der Zeitplan im Checkpoint gespeichert ist. Ein explizites sigmas-Argument überschreibt ihn, andere Zeitpläne wurden aber nicht evaluiert.

Wo lade ich die Turbo-Gewichte herunter?

Der Checkpoint ist auf Hugging Face als Qwen/Qwen-Image-2.1-Turbo unter der Qwen Research License Agreement veröffentlicht.

Gibt es eine gehostete Turbo-API?

Ja. Das Qwen-Team führt Qwen-Image-2.1 Pro und Turbo-APIs auf Alibaba Cloud Model Studio, gestartet am 9. Oktober 2026.

Generiert diese Website mit Turbo?

Nein. Der Arbeitsbereich hier läuft mit Qwen Image 2.1. Vor dem Generieren zeigt er 4 Credits für ein 1K-Bild und 8 für 2K.

Verwandte Seiten