阿里开源Qwen-Image-2.1-Turbo：8步出2K图，比基础版快5倍还自带透明通道

阿里通义千问团队在10月9日开源了Qwen-Image-2.1-Turbo。这是Qwen-Image-2.1的加速检查点，把图像生成的去噪步数从基础版的40步压到8步，同时保留2K分辨率输出、多参考图编辑和原生透明RGBA通道。权重已在Hugging Face和ModelScope开放，阿里云百炼也同步上线了API。

核心参数一览

项目 数值
发布时间 2026年10月9日
视觉生成器规模 7B参数
文本编码器 Qwen3-VL 8B
默认去噪步数 8步（基础版40步）
最高分辨率 2048×2048（方图）、2752×1536（16:9）
API价格 0.1元/张，120 RPM
Pro档价格 0.25元/张，20 RPM
许可证 Qwen Research License
基础版基准分 Qwen-Image-Bench 60.28（厂商自测）

8步是怎么做到的

Turbo不是新的模型家族，架构没动：单流Diffusion Transformer，32层，7B参数。注意力设计是块因果的——文本token用token级因果掩码，图像token用块级双向掩码。文本编码器沿用Qwen3-VL 8B视觉语言模型，VAE是64通道RGBA自编码器，16倍空间压缩，这也是它能原生输出透明图的根源。调度器走flow matching配Euler离散采样加动态偏移。

提速的关键有两个。

一是推荐采样调度被直接烧进了检查点。这带来一个反直觉的坑：你改num_inference_steps参数并不会生效，必须显式传sigmas参数才能覆盖。Qwen也说明，其他调度方案未经过测试。

二是前缀KV缓存。文本token和参考图在第一步算一次，之后每一步复用这份缓存。步数本来只有8步，缓存掉的前缀就占了条件计算成本的很大一部分——这才是Turbo不改架构也能快起来的原因。生成默认CFG=1。

编辑和透明通道是它真正的差异化

基础版Qwen-Image-2.1支持最多10张参考图，支持用圆圈、涂抹标注或遮罩做局部编辑，Turbo全部继承。官方模型卡展示了八类输出：人像、人体姿态、透明图、字体排版与海报、UI布局、单图变换、多参考图合成、四图室内合成。

原生透明RGBA值得单独说一句。多数竞品要单独跑一遍透明通道处理，Qwen这边因为VAE本身就是64通道RGBA设计，透明图是同一个检查点直接出的，不需要额外流程。对电商产品图、UI素材、贴纸这类需要抠图合成的场景，这省掉的是一整个后处理环节。

自然语言编辑也是标配：改服装颜色、加元素、换整体风格，不需要重启整个生成过程。

和同类模型怎么比

模型 生成器规模 默认步数 原生编辑 透明输出 许可证
Qwen-Image-2.1-Turbo 7B 8 支持，多参考图 支持 Qwen Research
Qwen-Image-2.1（基础版） 7B 40 支持，最多10参考 支持 Qwen Research
Z-Image-Turbo 6B 8 NFEs 不支持（需独立编辑模型） 未披露 Apache 2.0
FLUX.2 klein 9B 未披露 支持，多参考图 未披露 FLUX 非商用

同属阿里的Z-Image-Turbo走Apache 2.0，16GB显存能跑，商用友好度更高；FLUX.2 klein大约需要RTX 4090级别（约29GB显存），且自带非商用许可。Qwen-Image-2.1-Turbo卡在中间，硬件门槛不算低，但编辑和透明通道这套功能组合是三者里最完整的。

怎么跑起来

环境要求比较具体：Diffusers需要从源码安装，且要包含PR #14950（这个PR加入了pipeline可配置的采样sigmas），transformers需要5.17.0及以上。模型在CUDA GPU上以BF16加载。

最小生成调用长这样：

import torch
from diffusers import QwenImage21Pipeline

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

image = pipe(
    prompt="A ceramic teapot on a wooden table, soft window light",
    width=2048,
    height=2048,
    use_kv_cache=True,
).images[0]

做编辑时，把原图通过image=参数传入，配合指令式提示词即可。

显存方面，Qwen没有针对Turbo检查点公布最低显存数字。目前最接近的公开参考是Unsloth对基础版的估算：GGUF量化11GB，INT8/FP8约24GB。

两个要注意的地方

第一是许可证。权重采用Qwen Research License，商业自托管需要向阿里单独申请授权。如果你的硬性要求是能直接商用自部署，Apache 2.0的Z-Image-Turbo值得先评估。托管API不受此限制，可以商用。

第二是基准分。60.28这个Qwen-Image-Bench分数属于40步的基础版，而且是厂商自测。截至发稿，8步的Turbo检查点还没有独立第三方基准数据。在把Turbo推上生产之前，最好用自己的场景跑一轮对比。

谁适合用

做高吞吐图像管线、需要快速原型验证的团队，5倍步数削减在吞吐和成本上是实打实的——0.1元一张、120 RPM的API档位，比Pro档便宜2.5倍、限速宽6倍。

需要透明图和多参考图编辑的场景，比如电商产品可视化、3D产品配置器里的背景去除与合成，Turbo把这两件事合进了一个检查点，不用再跨模型拼接。

反过来，如果只是想要一个能自由商用、显存占用可控的方案，Z-Image-Turbo可能是更省心的起点；如果连自托管都不想碰，先用API低量跑通再决定，是摩擦最小的路径。

来源：阿里通义千问官方模型卡与GitHub、Marktechpost、Hugging Face