モデルガイド

Qwen-Image-2.1-Turbo

Qwen-Image-2.1-Turbo は 2026 年 10 月 9 日に公開された Qwen-Image-2.1 の高速化チェックポイントです。同じ 7B 視覚生成アーキテクチャを保ち、ベースが既定で 40 ステップのところを 8 ステップのデノイズで画像を仕上げます。1 つのモデルでテキスト生成と画像編集の両方をこなします。

Turbo と Qwen-Image-2.1 チェックポイントの違い

Turbo は小さくなったモデルではありません。より少ないステップ向けにサンプリングスケジュールを調整した同じネットワークです。

項目	Qwen-Image-2.1-Turbo	Qwen-Image-2.1
デノイズステップ	8。チェックポイントに保存されたスケジュール由来	既定で 40
ステップ数の変更	num_inference_steps だけを設定しても保存済みスケジュールは上書きされません。実験には sigmas を渡します。	num_inference_steps を設定
アーキテクチャ	7B 視覚生成コンポーネント、32 層のシングルストリーム DiT	同じ
既定解像度	2048 レベル（1:1 で 2048 × 2048）	同じ
タスク	テキスト生成と画像編集	同じ
ライセンス	Qwen Research License Agreement	同じ

Turbo が Qwen-Image-2.1 から引き継ぐもの

テキストから画像

プロンプトを書くだけで、7 つのプリセット比率のどれかで 2K 画像が得られます。

参照ベースの編集

最大 10 枚の参照画像から編集できます。例えばスケッチをフォトリアルなレンダーに変えられます。

透明出力

64 チャネル RGBA オートエンコーダーは、ステッカーや切り抜き向けに本物のアルファチャネル付き画像を生成できます。

文字とレイアウト

長い可読テキストを含むポスター、学習ノート、UI 風レイアウトは公式 Turbo ショーケースの一部です。

Diffusers で Qwen-Image-2.1-Turbo を動かす

公式モデルカードは QwenImage21Pipeline で Turbo を読み込みます。CUDA GPU とソースビルドの Diffusers が必要です。

依存関係をインストール
CUDA 版 PyTorch を入れてから、GitHub から Diffusers と transformers 5.17.0 以降を入れます。リリース版 Diffusers は、Turbo が必要とするパイプライン内スケジュール設定にまだ対応していない可能性があります。
チェックポイントを読み込む
Qwen/Qwen-Image-2.1-Turbo を bfloat16 で読み込みます。8 ステップのスケジュールはチェックポイントから読まれるので、スケジューラの設定は不要です。
プリセットサイズで生成
下の表から幅と高さを選び、use_kv_cache をオンのままにします。テキストと参照画像は一度だけエンコードされ、8 ステップすべてで再利用されます。
既存画像を編集
同じパイプライン呼び出しに image= としてソース画像を渡します。公式例では先に RGBA に変換します。

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")

解像度プリセット

Turbo は Qwen-Image-2.1 と同じプリセットを使います。

アスペクト比	幅 × 高さ（px）
1:1	2048 × 2048
4:3	2400 × 1792
3:4	1792 × 2400
3:2	2528 × 1696
2:3	1696 × 2528
16:9	2752 × 1536
9:16	1536 × 2752

ローカルの Turbo かオンラインワークスペースか

ローカルで Turbo を動かす場合

CUDA GPU があり、何枚も連続で下書きしたい、またはすべてのファイルを自分のマシンに留めたいとき。

オンラインワークスペースを使う場合

GPU がない、コードではなくマスクを描きたい、または履歴付きで 1K と 2K のプリセットを使いたいとき。

Turbo に頼る前に

重みは Qwen Research License Agreement で公開されています。商用利用の前に必ず読んでください。
評価済みなのは保存済みの 8 ステップスケジュールだけです。独自の sigmas は実験用です。
モデルカードには最小 VRAM の記載がありません。バッチ処理を計画する前に自分の GPU で試してください。