Qwen Image 2.1 Turbo API
通義千問推出的 8 步加速圖像模型，沿用 Qwen Image 2.1 的 7B 視覺生成架構，同時支援文生圖與指令式圖像編輯，最高可輸出 2K 影像。
Qwen Image 2.1 Turbo 是通義千問團隊於 2026 年 10 月開源的圖像生成模型，也是 Qwen Image 2.1 的加速檢查點版本。它沿用 70 億參數的視覺生成架構，只要 8 步去噪就能完成生成與編輯，大幅降低推理成本，讓研究與開發端用更少算力取得高品質影像。
模型將文生圖與指令式編輯整合在同一套權重中：文生圖可用自然語言提示詞直接出圖，最高 2K 解析度；編輯則接受參考影像加上指令來完成修改。編輯預設使用 CFG=1，並支援前綴 KV 快取，在去噪步驟間重複使用文字與參考影像的上下文，進一步提升速度。
官方模型卡片重點展示人像、人體姿態、透明影像、排版海報與 UI 設計，也適合電商商品圖與產品圖編修、插畫、概念圖、分鏡腳本，以及全景圖和資訊圖表。它在文字呈現上更完整，處理介面元素更嫻熟。權重已在 Hugging Face 與 ModelScope 開放，可透過 Diffusers 的 QwenImage21Pipeline 執行，社群另有 GGUF 量化版供 stable-diffusion.cpp 使用；官方未提供速度基準或與完整版的畫質對比，建議依目標 GPU 與解析度自行測試。
更新時間:
模型 ID
qwen-image-2.1-turbo- 輸入
- text / image
- 輸出
- image
核心要點
- 8 步去噪完成生成與編輯
- 文生圖與編輯同一模型
- 最高支援 2K 解析度
- 文字與介面元素更精準
- 權重開源、支援 Diffusers
- 提供 GGUF 量化版本
供應商
比較不同供應商的呼叫價格，點擊供應商可查看完整費用和適用條件。
API 文件
此模型尚未公布具體協定資訊，請查閱 API 文件中的接入要求。
API 文件 →支援的參數
- resolution
- aspect_ratio
- n
- input_references
- seed
常見問題
什麼是 Qwen Image 2.1 Turbo?
Qwen Image 2.1 Turbo 是通義千問團隊於 2026 年 10 月開源的圖像生成模型，也是 Qwen Image 2.1 的加速檢查點版本。它沿用 70 億參數的視覺生成架構，只要 8 步去噪就能完成生成與編輯，大幅降低推理成本，讓研究與開發端用更少算力取得高品質影像。 模型將文生圖與指令式編輯整合在同一套權重中：文生圖可用自然語言提示詞直接出圖，最高 2K 解析度；編輯則接受參考影像加上指令來完成修改。編輯預設使用 CFG=1，並支援前綴 KV 快取，在去噪步驟間重複使用文字與參考影像的上下文，進一步提升速度。 官方模型卡片重點展示人像、人體姿態、透明影像、排版海報與 UI 設計，也適合電商商品圖與產品圖編修、插畫、概念圖、分鏡腳本，以及全景圖和資訊圖表。它在文字呈現上更完整，處理介面元素更嫻熟。權重已在 Hugging Face 與 ModelScope 開放，可透過 Diffusers 的 QwenImage21Pipeline 執行，社群另有 GGUF 量化版供 stable-diffusion.cpp 使用；官方未提供速度基準或與完整版的畫質對比，建議依目標 GPU 與解析度自行測試。
如何計算呼叫費用？
費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格，詳見計費明細。 按實際生成費用計費，具體金額以帳單為準。
Qwen Image 2.1 Turbo 支援哪些輸入與輸出？
支援以自然語言提示詞進行文生圖，也支援參考影像加上編輯指令來編修影像，輸出為影像，最高 2K 解析度。
它和 Qwen Image 2.1 有什麼差別？
它是 Qwen Image 2.1 的加速檢查點版本，架構相同（70 億參數），主要差別在於把生成與編輯壓縮到 8 步去噪以提升推理效率。官方並未公布兩者的畫質對比資料。
可以自行部署嗎？
可以。權重已在 Hugging Face 與 ModelScope 開放，透過 Diffusers 的 QwenImage21Pipeline 執行，需要 CUDA 相容的 PyTorch 環境與較新版本的 Diffusers；社群也提供 GGUF 量化版本。
圖像編輯預設使用什麼設定？
編輯預設使用 CFG=1，並支援前綴 KV 快取，在去噪步驟間重複使用文字與參考影像上下文。
它適合哪些任務？
設計素材與海報、電商商品圖與產品圖編修、插畫與概念圖、分鏡腳本，以及全景圖與資訊圖表編輯。
