10月9日，阿里通义千问团队发布并开源图像模型 Qwen-Image-2.1-Turbo，作为 Qwen-Image-2.1 的加速检查点，将去噪步数从基座的 40 步压缩到 8 步，配合前缀 KV 缓存复用文本与参考图上下文，实现约 5 倍提速。权重已托管于 Hugging Face 与 ModelScope。
事件背景
步数（sampling steps）是图像模型延迟与算力成本的最大杠杆之一。在文生图与图像编辑工作流中，更少的步数意味着更低的单图 GPU 开销，这也是”Turbo”蒸馏版受到产品团队青睐的原因。本轮发布正值中外厂商竞相压缩高分辨率图像合成推理成本。
核心内容
据官方模型卡与多家技术媒体披露，Qwen-Image-2.1-Turbo 沿用 7B 单流 DiT 架构与 Qwen3-VL 8B 文本编码器，默认 CFG=1，支持最高 2K（2048×2048）文生图、最多 10 张参考图的多图编辑与原生透明 RGBA 输出。已在阿里云百炼（Model Studio）上线，Turbo 档 API 定价 0.1 元/张（120 RPM），仅为 Pro 档 0.25 元/张的三折不到。
- 架构：单流扩散 Transformer，32 层，7B 参数；
- 能力覆盖人像、姿态、透明图、排版海报、UI 布局、单图变换与多参考组合；
- 最长边预设从 2048×2048 到 2752×1536（16:9）。
影响与解读
开源、高速、低价的中文图像模型，正成为设计工具与自动化内容流水线的”主力机”。不过 Turbo 版本采用 Qwen Research License（非商用需单独授权），且官方仅评估了内置的 8 步采样表，其他调度方案尚未验证。团队在把产品架到该栈上之前，应优先确认许可条款与 hardest prompt 上的画质保留。
相关动态
同期阿里还开源了自动化代码审查工具 open-code-review，延续其围绕 Qwen 生态”模型+工具链”的开源节奏。
信息来源：Hugging Face 模型卡、LLM Reference
评论(0)