阿里巴巴发布 Qwen-Image-2.1-Turbo,速度提升 5 倍

BABA+0.05%

关键要点

  • Alibaba Qwen 团队于 10 月 9 日发布 Qwen-Image-2.1-Turbo,通过将去噪步骤从 40 步减少至 8 步,实现了约 5 倍的推理速度提升。
  • Qwen-Image-2.1-Turbo API 的定价为每张图像 0.1 CNY,请求限制为 120 RPM,比 Pro 版本便宜 40%,速度快 6 倍。
  • 该模型支持原生 2000 像素分辨率输出、RGBA 透明度,并继承了基础版本的多参考图像编辑能力。

阿里巴巴 Qwen 团队于 10 月 9 日发布 Qwen-Image-2.1-Turbo。这是开源权重图像模型 Qwen-Image-2.1 的加速版本,将默认去噪步骤从 40 步缩减至 8 步,在相同 7B 架构下实现约 5 倍的推理速度提升。模型采用前缀 KV 缓存技术。

7B DiT 架构与前缀 KV 缓存

Qwen-Image-2.1-Turbo 采用单流 DiT 架构,共 32 层、70 亿个参数,内置块级因果注意力机制;文本 token 使用 token 级因果遮罩,图像则采用块级双向遮罩。前缀 KV 缓存是实现 8 步推理的核心机制:输入图像和文本的相关信息仅在第一步计算一次,后续步骤直接复用缓存,大幅降低每一步的条件计算成本。完整架构由以下主要组件构成:

文本编码器:Qwen3-VL 8B,负责对指令与条件图像进行编码

VAE:64 通道 RGBA 自动编码器,具备 16 倍空间压缩能力,支持原生透明度输出

调度器:基于欧拉离散调度与动态偏移的流匹配(Flow Matching),默认 CFG=1

注意力机制:块级因果注意力,为前缀缓存提供技术基础

官方指出,其他调度方案未经测试,不建议直接替换;只有明确指定 sigmas 参数,才能覆盖已存储的调度方案。

生成与编辑能力:2K 输出、透明 RGBA、多参考合成与局部蒙版编辑

Turbo 模型卡展示的生成类别涵盖人像、人物姿势、透明图像、字体排印、海报及 UI 布局等 8 个类别。输出分辨率支持原生 2K(2048×2048)及 2752×1536(16:9)等多种预设尺寸;64 通道 RGBA VAE 架构支持原生透明度输出。编辑功能包括单张图像变换、多参考合成及四图合成(Inpainting);基础版 Qwen-Image-2.1 支持最多 10 张参考图像,并可通过圆圈标记、绘制注解或遮罩进行局部编辑,Turbo 版本继承相同功能集。

**運行需求:Diffusers PR #14950 为必装项目,Turbo 的 VRAM 官方需求尚未公开

模型通过 Diffusers 在 CUDA GPU 上以 BF16 格式运行。安装时需从源代码安装 Diffusers,并包含 PR #14950(提供管道配置中的采样 sigma 参数),同时需使用 transformers>=5.17.0。

Qwen 官方未公布 Turbo 版本的最低 VRAM 需求;Unsloth 针对基础版 Qwen-Image-2.1 的估算为:GGUF 格式约需 11 GB 内存,INT8/FP8 格式约需 24 GB 显存,Turbo 的具体数据以官方公告为准。设置 num_inference_steps 参数不会覆盖已存储的调度方案,需明确指定 sigmas 参数才能生效。

API 定价与授权条款:研究许可不含商业自架,Turbo 每张 0.1 元人民币,速率为 Pro 六倍

阿里云模型工作室现已同步提供 Turbo 与 Pro 两个版本:qwen-image-2.1-turbo 在大多数地区定价为每张图片 0.1 元人民币,每分钟请求上限为 120 RPM;qwen-image-2.1-pro 定价为每张图片 0.25 元人民币,上限为 20 RPM。Turbo 每张图片的费用为 Pro 的 40%,请求速率为 Pro 的 6 倍。

授权方面,模型采用 Qwen 研究许可,商业用途的自架部署需另行取得独立授权;基准测试方面,目前尚无针对 Turbo 版本的独立评测,基础版 Qwen-Image-2.1 在 Qwen-Image-Bench 公开组别中的得分为 60.28。

常见问题

Qwen-Image-2.1-Turbo 与 Qwen-Image-2.1 最主要的差异是什么?

依据 Qwen 官方说明,Turbo 版本将默认去噪步骤从 40 步缩减至 8 步,在相同 7B 视觉生成架构下实现约 5 倍的推理速度提升;前缀 KV 缓存让文本与参考图像上下文在第一步计算后可供后续步骤重复使用,其余架构与功能集(2K 输出、多参考编辑、透明 RGBA)与基础版一致。

Qwen-Image-2.1-Turbo 的 VRAM 需求是多少?

Qwen 官方未公布 Turbo 版本的最低 VRAM 需求;Unsloth 针对基础版 Qwen-Image-2.1 的估算为:GGUF 格式约需 11 GB,INT8/FP8 格式约需 24 GB,Turbo 的具体需求以官方公告为准。

Qwen-Image-2.1-Turbo 的 API 定价与使用限制为何?

依据阿里云模型工作室资料,qwen-image-2.1-turbo 在大多数地区定价为每张图片 0.1 元人民币,每分钟请求上限为 120 RPM;模型采用研究许可,商业自架需另行取得独立授权。

Qwen-Image-2.1-Turbo 是否已有独立基准测试结果?

依据 Qwen 官方资料,目前尚无针对 Turbo 版本的独立基准测试;基础版 Qwen-Image-2.1 在 Qwen-Image-Bench 公开组别中的得分为 60.28,为 Qwen 报告中的最高公开组得分。Turbo 版本的评测结果以后续官方公告为准。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论