Qwen Image 2.1 Turbo API

Qwen Image 2.1 Turbo ist ein beschleunigter, destillierter Checkpoint der Qwen-Image-2.1-Serie des Alibaba Qwen-Teams. Er basiert auf derselben 7B-Vision-Generierungsarchitektur wie Qwen-Image-2.1, läuft in nativer BF16-Präzision und ist etwa 14,2 GB groß. Die Wissensdestillation komprimiert den Denoising-Prozess auf 8 Schritte, wobei die Bildgenerierung auf 2K-Niveau erhalten bleibt. Die empfohlene Generierungsauflösung liegt bei etwa 2 Megapixeln, beispielsweise 2048x2048 im Format 1:1. Das Modell unterstützt die Text-zu-Bild-Generierung sowie die Bearbeitung von Bildern auf Basis natürlicher Sprachbefehle. Pro Bearbeitungsanfrage können bis zu 4 zusätzliche Referenzbilder verwendet werden. Zudem ist die Ausgabe von RGBA-Bildern mit transparentem Hintergrund möglich. Für das Sampling ist ein spezieller 8-Schritt-Zeitplan mit CFG 1.0 erforderlich; die euler-Sampling-Methode wird empfohlen. Die Gewichte sind auf Hugging Face und ModelScope verfügbar und können über die QwenImage21Pipeline von Diffusers geladen werden. Für den Text-Encoder wird Q8_0-Präzision empfohlen. Das Modell eignet sich für lokale Bildgenerierungs-Workflows mit hoher Frequenz, für Produktvisualisierungen wie Poster, Konzeptkunst und Werbematerialien, für E-Commerce-Produktbilder und Modell-Outfit-Wechsel sowie für Content-Creation-Prozesse, die schnelle Iterationen erfordern. Zu den Stärken zählen schnellere Generierung bei kaum sichtbarem Qualitätsverlust, eine verbesserte Wiederherstellung von Gesichtsdetails sowie eine bessere Konsistenz von Produkttexten und -texturen in neuen Szenen. Einschränkungen bestehen bei 4-Bit-Quantisierung und darunter, da die Ausgabe deutlich vom Original abweicht. Auch stark quantisierte Text-Encoder beeinträchtigen die Qualität. Das Modell steht unter der Qwen Research-Lizenz, die Einschränkungen für die kommerzielle Nutzung enthält.

Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben. Abrechnung nach den tatsächlichen Generierungskosten. Den endgültigen Betrag finden Sie in Ihrer Rechnung.

Das Modell unterstützt Text-zu-Bild-Generierung sowie Bildbearbeitung auf Basis natürlicher Sprachbefehle. Bei Bearbeitungsanfragen können bis zu 4 zusätzliche Referenzbilder verwendet werden.

Es verwendet einen speziellen 8-Schritt-Sampling-Zeitplan mit CFG 1.0. Die euler-Sampling-Methode wird empfohlen. Der Standard-Zeitplan führt zu anderen Ergebnissen.

Die empfohlene Generierungsauflösung liegt bei etwa 2 Megapixeln, zum Beispiel 2048x2048 im Format 1:1.

Es eignet sich für lokale Bildgenerierungs-Workflows mit hoher Frequenz, Produktvisualisierungen wie Poster, Konzeptkunst und Werbematerialien, E-Commerce-Produktbilder und Modell-Outfit-Wechsel sowie für Content-Creation-Prozesse mit schnellen Iterationen.

Bei 4-Bit-Quantisierung und darunter weicht die Ausgabe deutlich vom Original ab. Für den Text-Encoder wird Q8_0-Präzision empfohlen, da stark quantisierte Encoder die Qualität beeinträchtigen.

Turbo ist der destillierte, beschleunigte Checkpoint der Qwen-Image-2.1-Serie. Die Standardversion dient als Qualitätsbasis, Turbo für Geschwindigkeit und die Pro-Version für einen volleren API-Service.