AI и дата-центры
Qwen-Image-2.1-Turbo: генерация картинок за 8 шагов вместо 40 на том же железе
Публикация:
Alibaba выпустила ускоренный чекпоинт своей 7B-модели: в пять раз меньше проходов на картинку, поддержка ComfyUI в день релиза, но лицензия по-прежнему только для исследований.
Команда Qwen выпустила Qwen-Image-2.1-Turbo, ускоренную версию модели генерации изображений Qwen-Image-2.1. Тот же визуальный генератор на 7 миллиардов параметров теперь делает текст-в-картинку и редактирование изображений за 8 шагов шумоподавления вместо 40 по умолчанию. Расписание сэмплирования зашито в чекпоинт, Diffusers подхватывает его автоматически.
Ускорение дают три технических изменения. Руководство classifier-free guidance по умолчанию равно 1, то есть каждый шаг это один проход вместо обычных двух. Prefix KV caching переиспользует контекст промпта и референсного изображения между шагами. Загружается модель через тот же QwenImage21Pipeline в Diffusers, но пока нужна установка из исходников: поддержка конфигурируемых сигм приехала в PR #14950 и еще не во всех релизах.
Экосистема отреагировала за часы. Comfy-Org упаковал Turbo для ComfyUI сразу в трех видах: полный BF16, квантованный INT8 convrot для карт с меньшим объемом памяти и LoRA-экстракт ранга 178 поверх базового трансформера. Текстовый энкодер и VAE общие с базовой моделью, так что существующую установку обновить несложно.
Лицензия не изменилась: веса под Qwen Research License Agreement, только исследования и оценка, коммерческое использование требует отдельной лицензии от Hangzhou Tongyi Laboratory. В тот же день заработали API Qwen-Image-2.1 Pro и Turbo в Alibaba Cloud Model Studio. Для сравнения: Z-Image-Turbo от Tongyi-MAI работает за 8 NFE, а FLUX.2 klein 9B от Black Forest Labs за 4.