Qwen Image 2.1 Turbo API
通义千问推出的 8 步加速图像模型，沿用 Qwen Image 2.1 的 7B 视觉生成架构，同时支持文生图与指令式图像编辑，最高可输出 2K 分辨率图像。
Qwen Image 2.1 Turbo 是通义千问团队于 2026 年 10 月开源的图像生成模型，也是 Qwen Image 2.1 的加速检查点版本。它沿用 70 亿参数的视觉生成架构，仅需 8 步去噪即可完成生成与编辑，显著降低推理开销，让研究和开发侧以更少算力拿到高质量图像。
模型把文生图与指令式编辑整合在同一套权重里：文生图可用自然语言提示词直接出图，最高 2K 分辨率；编辑则接受参考图像加指令完成修改。编辑默认使用 CFG=1，并支持前缀 KV 缓存，在去噪步骤之间复用文本与参考图像上下文，进一步提速。
官方模型卡片重点展示了人物肖像、人体姿态、透明图像、排版海报与 UI 设计，同时也适合电商商品图与产品图编辑、插画、概念图、故事板，以及全景图和信息图表。它在文字渲染上更完整，处理界面元素更熟练。权重已在 Hugging Face 和 ModelScope 开放，可通过 Diffusers 的 QwenImage21Pipeline 运行，社区另提供 GGUF 量化版供 stable-diffusion.cpp 使用；官方未给出速度基准或与原版完整模型的画质对比，建议按目标 GPU 与分辨率自行测试。
更新时间:
模型 ID
qwen-image-2.1-turbo- 输入
- text / image
- 输出
- image
核心要点
- 8 步去噪完成生成与编辑
- 文生图与图像编辑同一模型
- 最高支持 2K 分辨率
- 文字与界面元素渲染更准
- 权重开源，支持 Diffusers
- 提供 GGUF 量化版本
供应商
比较不同供应商的调用价格，点击供应商可查看完整费用和适用条件。
API 文档
该模型尚未公布具体协议信息，请查阅 API 文档中的接入要求。
API 文档 →支持的参数
- resolution
- aspect_ratio
- n
- input_references
- seed
常见问题
什么是 Qwen Image 2.1 Turbo?
Qwen Image 2.1 Turbo 是通义千问团队于 2026 年 10 月开源的图像生成模型，也是 Qwen Image 2.1 的加速检查点版本。它沿用 70 亿参数的视觉生成架构，仅需 8 步去噪即可完成生成与编辑，显著降低推理开销，让研究和开发侧以更少算力拿到高质量图像。 模型把文生图与指令式编辑整合在同一套权重里：文生图可用自然语言提示词直接出图，最高 2K 分辨率；编辑则接受参考图像加指令完成修改。编辑默认使用 CFG=1，并支持前缀 KV 缓存，在去噪步骤之间复用文本与参考图像上下文，进一步提速。 官方模型卡片重点展示了人物肖像、人体姿态、透明图像、排版海报与 UI 设计，同时也适合电商商品图与产品图编辑、插画、概念图、故事板，以及全景图和信息图表。它在文字渲染上更完整，处理界面元素更熟练。权重已在 Hugging Face 和 ModelScope 开放，可通过 Diffusers 的 QwenImage21Pipeline 运行，社区另提供 GGUF 量化版供 stable-diffusion.cpp 使用；官方未给出速度基准或与原版完整模型的画质对比，建议按目标 GPU 与分辨率自行测试。
如何计算调用费用？
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格，详见计费明细。 按实际生成费用计费，具体金额以账单为准。
Qwen Image 2.1 Turbo 支持哪些输入和输出？
支持自然语言提示词做文生图，也支持参考图像加编辑指令做图像编辑，输出为图像，最高 2K 分辨率。
它和 Qwen Image 2.1 有什么区别？
它是 Qwen Image 2.1 的加速检查点版本，架构相同（70 亿参数），主要差别是把生成与编辑压缩到 8 步去噪以提升推理效率。官方未公布两者的画质对比数据。
可以本地部署吗？
可以。权重已在 Hugging Face 和 ModelScope 开放，通过 Diffusers 的 QwenImage21Pipeline 运行，需要 CUDA 兼容的 PyTorch 构建和较新版本的 Diffusers；社区也提供 GGUF 量化版本。
图像编辑默认使用什么配置？
编辑默认使用 CFG=1，并支持前缀 KV 缓存，在去噪步骤间复用文本与参考图像上下文。
它适合哪些任务？
设计素材与海报、电商商品图与产品图编辑、插画与概念图、故事板，以及全景图和信息图表编辑。
