В официальной карточке модель описана как accelerated checkpoint, то есть подготовленная версия уже существующей модели, рассчитанная на более короткий процесс генерации. Она относится к задачам text-to-image: это создание изображения по текстовому описанию. Кроме того, для неё указано image editing: редактирование изображения на основе входной картинки и запроса. В карточке прямо сказано, что Qwen-Image-2.1-Turbo использует 8 denoising steps. Denoising steps можно понимать как шаги постепенного уточнения картинки из шума. Источник не приводит измерений качества или скорости, поэтому корректнее говорить только о заявленном устройстве checkpoint и поддержанных сценариях, а не о превосходстве над другими моделями.

Особенности архитектуры и оптимизации

Qwen-Image-2.1-Turbo использует ту же 7B visual generation architecture, что и Qwen-Image-2.1. 7B означает масштаб архитектуры с семью миллиардами параметров, а visual generation architecture означает устройство модели для генерации визуального результата. В карточке также указано, что модель загружается напрямую через QwenImage21Pipeline в Diffusers. Diffusers: это библиотека для запуска диффузионных моделей, которые строят изображение через последовательное уточнение. Важная деталь: рекомендуемое расписание sampling, то есть порядок шагов генерации, сохранено внутри checkpoint и подхватывается автоматически. Генерация использует CFG=1 по умолчанию. CFG: это настройка, которая связана с тем, насколько модель следует условию запроса.

Контекст и работа с памятью

В карточке отдельно упомянут prefix KV caching. Простыми словами, это повторное использование уже подготовленного контекста, чтобы не пересчитывать одни и те же данные на каждом шаге. Для этой модели указано, что такой кэш переиспользует текстовый контекст и контекст референсного изображения между denoising steps. Это важно именно для описания механики запуска, но источник не связывает эту функцию с конкретным приростом скорости, снижением стоимости или улучшением результата. Для sampling также есть ограничение: если просто изменить num_inference_steps, это не отменит сохранённое 8-шаговое расписание. Для экспериментов можно передать sigmas при вызове, но другие расписания для этого checkpoint не оценивались.

Доступ и ограничения модели

Официальная карточка размещена на Hugging Face и перечисляет ModelScope, Hugging Face, GitHub, Qwen-Image-2.1 Blog, Discord и WeChat. В примере запуска предлагается загрузить checkpoint с Hugging Face. Для установки указаны CUDA-совместимая сборка PyTorch, актуальный исходный код Diffusers и дополнительные зависимости. Отдельно сказано, что checkpoint требует версию Diffusers с поддержкой pipeline-configured sampling sigmas, добавленной в PR #14950. В карточке приведены примеры: text-to-image использует портретное разрешение 1696 × 2528, а пример редактирования использует 2048 × 2048. Для модели указана лицензия Qwen Research License Agreement. Данных о русском языке, ценах, региональной доступности или отдельном чат-боте в источнике нет.

Источники

Вопросы и ответы

Для чего в первую очередь подходит Qwen-Image-2.1-Turbo?

По официальной карточке, модель предназначена для генерации изображений по тексту и редактирования изображений. Также показаны категории примеров: портреты, постеры, UI-макеты, преобразование одной картинки и композиция по референсам.