Ambos modelos vienen de Alibaba y tienen pesos abiertos bajo Apache-2.0, así que la elección suele depender de una pregunta práctica: cuál te da una imagen utilizable para el trabajo que realmente tienes, y a qué costo por imagen. Las comparaciones de la comunidad no coinciden. La mayoría se hizo en una sola configuración local con dos a cinco prompts, y la votación ciega de la comunidad de Lumenfall sobre 13 prompts compartidos fue de 77.8% a 22.2% a favor de Z-Image Turbo, mientras que las notas de su juez con IA favorecían sobre todo a Qwen.
Ejecutamos los mismos seis prompts, con dos semillas fijas cada uno, en ambos modelos a través de los endpoints de SpicyAPI el 17 de octubre de 2026: un retrato de estudio, un póster con tres líneas de texto, una etiqueta de producto, una calle concurrida, un primer plano de manos y una composición de mesa con tres personas. Son 24 imágenes, $0.48 en total.
Respuesta corta: usa Z-Image Turbo para retratos fotorrealistas con textura, fotos de producto sencillas y cualquier cosa que generes en volumen (cuesta una tercera parte, $0.01 por imagen). Usa Qwen Image 2512 a $0.03 cuando la imagen sea una pieza diseñada (letras con estilo, una escena densa, un ambiente específico), cuando necesites una salida más grande o formatos anchos como 21:9 en nuestros endpoints, o cuando quieras cargar LoRA en formato Qwen. Para trabajo orientado a adultos sin LoRA, Z-Image Turbo es la opción más directa; Qwen Image 2512 suavizó la categoría más intensa de nuestro historial de pruebas.
La decisión rápida
| Si necesitas… | Empieza con | Por qué |
|---|---|---|
| Muchos borradores o un lote grande | Z-Image Turbo | $0.01 por imagen, una tercera parte que Qwen Image 2512 |
| Un primer plano de retrato con textura visible de piel | Z-Image Turbo | Pecas, poros y textura de punto más marcados en nuestro prompt de retrato (dos semillas) |
| Pósters, menús, portadas con letras estilizadas | Qwen Image 2512 | Ambos escribieron bien cada palabra; Qwen también siguió las pistas de «art deco» y «papel envejecido» |
| Una multitud densa o una escena con un ambiente indicado | Qwen Image 2512 | Más personas y una iluminación más cercana a «a la luz de las velas» o «después de la lluvia» |
| Salida de más de un megapíxel aproximadamente en SpicyAPI | Qwen Image 2512 | 1328×1328 en 1:1 frente a 1024×1024 en nuestros endpoints |
| Encuadre 21:9, 9:21, 3:2 o 2:3 en SpicyAPI | Qwen Image 2512 | Z-Image Turbo en SpicyAPI ofrece cinco proporciones (1:1, 4:3, 3:4, 16:9, 9:16) |
| Prompts de más de 1,000 caracteres en SpicyAPI | Qwen Image 2512 | Nuestro endpoint de Qwen acepta hasta 5,000 caracteres; el endpoint de Z-Image Turbo tiene un límite de 1,000 |
| LoRA de la comunidad | Z-Image Turbo LoRA | Unas cuatro veces más LoRA publicados en Hugging Face; los LoRA de Qwen son más pesados de entrenar |
| Imágenes para adultos sin LoRA | Z-Image Turbo | Generó todas las categorías de nuestro historial de pruebas; Qwen suavizó la más intensa |
Cómo probamos
Ambos modelos recibieron el mismo texto de prompt, la misma proporción y las mismas semillas (42 y 7). Conservamos todas las salidas; no repetimos ni elegimos ninguna. Las figuras muestran el par de la semilla 42 para cada prompt; el par de la semilla 7 contó la misma historia en todos los casos.
- Qwen Image 2512 se ejecutó en el endpoint de texto a imagen de Qwen Image 2512 LoRA sin LoRA conectado, es decir, con el modelo base sin modificaciones. Salida PNG.
- Z-Image Turbo se ejecutó en el endpoint de texto a imagen de Z-Image (los pesos Turbo) con la expansión de prompt desactivada. Solo devuelve PNG.
Los tamaños nativos difieren en la misma proporción: Qwen devolvió 1104×1472 en 3:4, 1328×1328 en 1:1 y 1536×864 en 16:9; Z-Image Turbo devolvió 864×1152, 1024×1024 y 1280×720. En cada figura de comparación ambas imágenes se escalan a la misma altura, así que comparas el contenido, no la resolución.
Doce imágenes por modelo es una muestra pequeña. Toma los resultados como un patrón claro en estos seis temas, no como un benchmark.
Retratos: Z-Image Turbo muestra más textura de piel
Prompt: Studio portrait of a woman in her early thirties with freckles and shoulder-length auburn hair, wearing a charcoal wool turtleneck. Soft key light from the left, gentle fill, seamless warm grey backdrop. 85mm lens, shallow depth of field, natural skin texture, calm direct gaze into the camera.
Izquierda: Qwen Image 2512. Derecha: Z-Image Turbo. Mismo prompt, 3:4, semilla 42.
Ambos retratos son utilizables. Z-Image Turbo (derecha) da más definición a las pecas, los poros y las fibras de la lana, y acerca el fondo gris a «gris cálido». Qwen Image 2512 (izquierda) es más suave y cálido, más cercano a un retrato editorial retocado, y su cabello está más cerca del «hasta los hombros» que pedimos; Z-Image Turbo lo hizo más largo en ambas semillas.
Esto coincide con la división de la comunidad. Algunos probadores locales prefieren la luz más suave de Qwen para rostros que «se ven menos hechos con IA»; otros creen que el detalle de piel de Z-Image Turbo es difícil de superar. Si tu público amplía los rostros, empieza con Z-Image Turbo; si quieres un acabado pulido sin retoque, prueba Qwen.
Fíjate también en que cada modelo produjo casi la misma mujer con la semilla 42 y la semilla 7. Cambiar solo la semilla da poca variedad en cualquiera de los dos modelos; cambia la descripción (edad, cabello, iluminación) cuando necesites personas distintas.
Texto y etiquetas: ambos escriben bien, Qwen sigue el brief de diseño
Prompt (poster): A vintage jazz concert poster pasted on a brick wall. Large art deco headline at the top reads "MIDNIGHT ECHOES". Below a saxophone illustration, smaller text reads "Live at The Blue Room" and on the last line "Friday 9 PM". Cream, navy and gold palette, slightly weathered paper.
Prompt (product): Commercial product photo of a matte black ceramic coffee mug with the word "NORTHWIND" printed in white capital letters on its side. The mug stands on a light oak table next to a small pile of roasted coffee beans and a folded linen napkin. Soft morning window light from the right, clean background, sharp focus.
Columna izquierda: Qwen Image 2512. Columna derecha: Z-Image Turbo. Semilla 42; arriba 3:4, abajo 1:1.
En cuatro cadenas de texto y dos semillas, ningún modelo escribió mal una sola palabra. Ese es el hallazgo principal para quien elige solo por el texto: en titulares y etiquetas cortas, ambos son confiables.
La diferencia está en el diseño. Qwen Image 2512 dibujó letras art deco con un sol radiante detrás del saxofón y papel envejecido y arrugado, aunque su saxofón se superpone al titular, algo que un diseñador quizá no quiera. Z-Image Turbo respetó con más literalidad la paleta crema, azul marino y dorada, y dejó espacio libre alrededor del texto, pero su póster es más sobrio y menos desgastado; las palabras están bien, pero el aspecto «vintage» casi no aparece. En la taza el resultado se invierte un poco: Z-Image Turbo imprimió una etiqueta blanca más nítida y brillante, mientras que las letras de Qwen salieron más grises y pequeñas. Ambos conservaron los granos, la servilleta y la luz de la ventana.
Elige Qwen Image 2512 cuando la tipografía sea el diseño. En una foto de producto donde la etiqueta solo debe ser legible, ambos funcionan; la ventaja de Z-Image Turbo ahí es sobre todo que cuesta una tercera parte.
Multitudes y composición: ambos ubican bien a las personas, Qwen marca el ambiente
Prompt (street): Wide shot of a crowded street festival in a European old town at dusk after rain. Dozens of people walk between food stalls, some holding umbrellas, string lights overhead, steam rising from a grill, reflections on wet cobblestones, a cyclist in a yellow raincoat in the foreground. Cinematic, natural colours.
Prompt (layout): Three friends at a candlelit dinner table, photographed from the front. On the left, a woman in a red dress raises a glass of white wine. In the middle, a bald man with a grey beard in a blue shirt is laughing. On the right, a woman with short silver hair and round glasses is looking at her phone. A single blue vase with yellow tulips stands in the centre of the table.
Columna izquierda: Qwen Image 2512. Columna derecha: Z-Image Turbo. 16:9, semilla 42.
La composición de tres personas es la prueba más limpia de fidelidad al prompt del conjunto, y ambos modelos la superaron con las dos semillas: vestido rojo a la izquierda levantando una copa, hombre calvo con barba gris riendo en el centro, mujer de cabello plateado y gafas redondas mirando su teléfono a la derecha, y un solo jarrón azul con tulipanes amarillos en el centro de la mesa. Algunas publicaciones de la comunidad dicen que Z-Image Turbo ignora partes del prompt; en este prompt posicional explícito, no lo hizo.
La diferencia está en la atmósfera. Qwen Image 2512 creó una cena real a la luz de las velas, con una ventana oscura y lámparas cálidas. Z-Image Turbo puso velas en la mesa, pero iluminó la habitación como una tarde gris. En la calle, Qwen reunió un festival realmente concurrido con la luz del atardecer lluvioso, aunque en el plano medio se repiten rostros parecidos con chaquetas oscuras. La calle de Z-Image Turbo es más espaciosa que «concurrida», con el ciclista empujado al borde derecho del encuadre en ambas semillas.
Manos: ambos limpios, ambos fallaron en el detalle del anillo
Prompt: Close-up photo of a man's hands tying the laces of a worn brown leather boot on a wooden workshop bench. Both hands fully visible, five fingers on each hand, a silver ring on the left ring finger, visible knuckles and veins. Warm side light, shallow depth of field.
Izquierda: Qwen Image 2512. Derecha: Z-Image Turbo. 1:1, semilla 42.
Las cuatro imágenes de manos tenían cinco dedos naturales por mano y un manejo creíble de los cordones; ningún modelo produjo los dedos extra o fusionados por los que se conocen los modelos anteriores. Ambos fallaron, sin embargo, en la pequeña instrucción. Qwen Image 2512 puso un anillo en ambas manos en las dos semillas. Z-Image Turbo dibujó un anillo, pero en la mano que se lee como su derecha. Qwen encuadró un primer plano más cerrado con más textura de cuero; Z-Image Turbo se alejó para mostrar el banco y sus rodillas.
Si un detalle pequeño tiene que ser exacto, como en qué mano va el anillo, cuenta con revisar cada salida o corregirla con una pasada de edición, sea cual sea el modelo que elijas.
Velocidad y precio por imagen
| Qwen Image 2512 | Z-Image Turbo | |
|---|---|---|
| Precio por imagen | $0.03 | $0.01 ($0.016 con expansión de prompt activada) |
| Cobrado en nuestra prueba | $0.03 × 12 | $0.01 × 12 |
| Tiempo mediano, de la solicitud a la imagen terminada | 8.5 s | 19 s |
| Rango en 12 imágenes | 7.8–32 s | 13–31 s |
| Tamaño nativo en 1:1 / 16:9 | 1328×1328 / 1536×864 | 1024×1024 / 1280×720 |
| Formatos de salida | JPEG, PNG, WebP | PNG |
Los precios son las tarifas públicas actuales de SpicyAPI, y ambas tareas cobraron exactamente eso. Un lote de 1,000 imágenes cuesta $10 en Z-Image Turbo y $30 en Qwen Image 2512.
El resultado de velocidad nos sorprendió. Sobre el papel, Z-Image Turbo es el modelo más rápido: 6B de parámetros y ocho pasos de muestreo, frente a 20B de parámetros y 50 pasos recomendados para Qwen Image 2512, y en una GPU local los probadores informan que termina en una fracción del tiempo de Qwen. Sin embargo, por la API alojada el 17 de octubre, Qwen Image 2512 respondió antes en once de las doce ejecuciones. El tiempo alojado incluye la cola y la entrega, que dependen de la carga y cambian con el tiempo; léelo como «ambos terminan en segundos, ninguno es un cuello de botella», no como un ranking permanente. Si ejecutas los pesos tú mismo, la velocidad de Z-Image Turbo y su capacidad para caber en una tarjeta de 16 GB son ventajas reales.
Soporte de LoRA y pesos abiertos
Ambos modelos se publicaron bajo Apache-2.0 con pesos abiertos: Qwen-Image-2512 el 31 de diciembre de 2025, y Z-Image-Turbo del equipo Tongyi-MAI de Alibaba a finales de noviembre de 2025. La licencia permite el uso comercial de las salidas y de los pesos; revisa la ficha de cada modelo para el aviso de atribución.
Los LoRA no se transfieren entre ellos. Son arquitecturas distintas, así que un LoRA de Z-Image Turbo no se cargará en Qwen Image 2512, y viceversa.
- Z-Image Turbo tiene la biblioteca de la comunidad más grande, porque un modelo de 6B es barato de ajustar. El 17 de octubre de 2026, Hugging Face listaba 879 modelos etiquetados como adaptadores LoRA para Z-Image-Turbo frente a 200 para Qwen-Image-2512. Carga hasta tres LoRA en el endpoint de LoRA de Z-Image Turbo a $0.012 por imagen. Nuestra prueba de LoRA con la misma semilla muestra cómo comprobar que un LoRA realmente cambia la imagen.
- Qwen Image 2512 acepta hasta tres LoRA en formato Qwen en el mismo endpoint que probamos, sin costo adicional. Existen menos, porque entrenar un modelo de 20B necesita mucho más hardware. La edición dentro de la misma familia funciona sobre una base distinta (Qwen Image Edit 2511), así que haz coincidir el LoRA con la tarea; qué LoRA de Qwen encaja con qué base explica la división.
Imágenes para adultos: en qué se diferencian
Ningún endpoint añade un filtro de plataforma; las diferencias vienen de los propios modelos y aparecen en el extremo más intenso.
Nuestro historial interno de pruebas cubre seis categorías, desde imágenes sugerentes hasta escenas para adultos de mayor intensidad, tres veces cada una, y cada salida se revisa a simple vista:
- Z-Image Turbo (septiembre de 2026) generó las seis categorías en las tres ejecuciones, sin rechazos ni suavizado.
- Qwen Image 2512 sin LoRA (septiembre de 2026) generó cinco categorías completas, incluidas las imágenes NSFW avanzadas, pero suavizó las escenas para adultos de mayor intensidad en las tres ejecuciones: la escena quedó sugerida en lugar de mostrada. En una sola ejecución anterior, con un LoRA orientado a adultos de disponibilidad pública conectado, esa misma categoría se generó completa.
Así que, para trabajo de personajes adultos a partir de un prompt simple, Z-Image Turbo llega ahí más directamente y a una tercera parte del precio. Si necesitas tamaños de píxel exactos de hasta 1,536 o prompts de más de 1,000 caracteres, el endpoint Z-Image Spicy de la misma familia cuesta $0.01235 por imagen. Qwen Image 2512 sigue siendo una buena opción para imágenes para adultos de intensidad moderada, por debajo de esa categoría máxima, o cuando traes un LoRA hecho para él. Para la redacción que funciona en Z-Image Turbo, consulta nuestra guía de prompts NSFW para Z-Image Turbo; para sus modelos hermanos, ¿Es Z-Image sin censura?. Usa solo sujetos adultos y nunca personas reales sin consentimiento.
¿Cuál deberías usar?
- Personajes, retratos y fotografía para adultos en volumen: Z-Image Turbo. Más textura de piel en nuestra prueba de retrato (las personas de la escena de cena de Qwen también fueron realistas), el historial de pruebas más completo para contenido para adultos, $0.01 por imagen. Añade el endpoint de LoRA Turbo cuando necesites un look específico.
- Pósters, portadas y gráficos para redes con letras: Qwen Image 2512. Ambos escriben bien, pero Qwen sigue las pistas tipográficas y de textura de papel.
- Escenas concurridas, ambientes de luz, encuadres cinematográficos, banners 21:9: Qwen Image 2512, por el ambiente, la densidad y las proporciones más anchas.
- Fotos de producto con una etiqueta corta: cualquiera; Z-Image Turbo si importa el costo, ya que ambos imprimieron bien la etiqueta.
- Prompts largos y detallados de más de 1,000 caracteres: Qwen Image 2512.
Un patrón práctico es hacer borradores con Z-Image Turbo, conservar los prompts que funcionan y repetir los pocos que necesitan texto diseñado o un ambiente más fuerte en Qwen Image 2512. Ambos usan la misma forma de solicitud en SpicyAPI, así que cambiar es cuestión de cambiar el nombre del modelo. Abre Z-Image Turbo o Qwen Image 2512 para probar tu propio prompt.
Preguntas frecuentes
¿Z-Image Turbo es un modelo de Qwen?
No. Ambos vienen de Alibaba, pero Qwen-Image lo desarrolla el equipo Qwen y Z-Image el equipo Tongyi-MAI. Usan arquitecturas distintas y LoRA distintos.
¿Cuál escribe mejor el texto en las imágenes?
En titulares y etiquetas cortas, ambos escribieron bien cada palabra en nuestra prueba. Qwen Image 2512 es la mejor opción cuando las letras mismas necesitan un estilo, y su desarrollador incluye la composición de texto y la combinación de texto e imagen entre las mejoras de 2512.
¿Puedo usar un LoRA de Qwen Image 2512 en Z-Image Turbo?
No. Un LoRA solo funciona con la familia de modelos para la que fue entrenado.
¿Por qué cambiar la semilla me da casi la misma imagen?
Ambos modelos produjeron casi la misma persona y la misma composición con las semillas 42 y 7 en cada prompt. Para obtener variedad, cambia la descripción misma (edad, cabello, escenario, luz) en lugar de la semilla.
