Qwen Image 2.1 Turbo:8ステップ版の仕様、API料金、2.1との違い

2026年10月9日、AlibabaのQwenチームがQwen-Image-2.1-Turboをオープンウェイトで公開しました。それまで「Qwen Image 2.1 Turbo」で検索しても、出てくるのはコミュニティ製の高速化版ばかりでした。今回はQwen自身によるものです。

結論から: Qwen Image 2.1 Turboは、7BのQwen Image 2.1と同じモデルを高速化し、ベースモデルの公式例が40ステップのところを8デノイズステップで動かすようにしたものです。テキストから画像も、自然言語による画像編集も2Kで行え、Alibabaは「ステップが少ない=画質が低い、ではない」としています。SpicyAPIでは2026年10月13日から提供中で、テキストから画像と編集に対応し、1回のリクエストで1〜6枚を返します。料金はどのサイズでも1枚あたり一律で、Qwen Image 2.1より安く設定しています。Alibaba自身のホスト型APIの価格は1枚あたりCNY 0.10で、Qwen Image 2.1 ProはCNY 0.25です。

30秒でわかる要点

• 正体: Qwen Image 2.1の高速化チェックポイントです。7Bの同じアーキテクチャで、QwenがHugging FaceとModelScopeで公開しています。LoRAではなく、別のモデルでもありません。
• 変わる点: 40ステップが8ステップに、ガイダンス(CFG)は既定で1に、そしてプロンプトと参照画像をステップ間で再利用するキャッシュが入りました。どれも速度のための変更で、できることと2Kの出力は同じです。
• 料金: SpicyAPIでは1K・1.5K・2Kのどれでも1枚あたり一律で、Qwen Image 2.1より安い価格です(金額は下のAPIの節に)。Alibaba CloudのホストAPIでは1枚あたりCNY 0.10(シンガポールはCNY 0.113362)です。重みは無料でダウンロードできますが、Qwen Research Licenseのもとにあり、一般的な商用ライセンスではありません。
• 無審査(アンセンサード)か: SpicyAPIでは、プロンプト拡張をオフにすれば無審査です。23件のテストリクエストで拒否はゼロでした。拡張をオンにすると、Alibabaのプロンプト書き換えが成人向けのプロンプトを和らげます。結果の全体はTurboのNSFW検証にまとめています。
• Viggleのturboとは別物: あちらはベースモデルに載せるコミュニティ製LoRAで、6ステップ(新しいモードでは9ステップ)で動きます。

Qwen Image 2.1 Turboでテキストから画像を作る→

Qwen Image 2.1 Turboで写真を編集する→

この記事の画像はすべて、SpicyAPIで実際に生成したQwen Image 2.1 Turboの結果です。2Kの段階、プロンプト拡張オフで作っています。

Qwen Image 2.1 Turboとは何か

TurboはQwen Image 2.1をベースにしています。Qwen Image 2.1は、Alibabaが2026年9月に公開した、生成と編集の両方をこなす7Bモデルです。Turboはそのアーキテクチャと2Kの出力を保ったまま、デノイズのパス数を減らしました。公開時の投稿でQwenは、「わずか8デノイズステップで画像を作成・編集できる」こと、テキストから「高品質な2K画像」を生成できること、そして自然言語の指示による編集を「アクセサリーの追加からシーンの変更まで」続けられることを挙げています。

公式のショーケースには、ポートレート、ポーズと動き、透過(RGBA)画像、タイポグラフィとポスター、UIやインフォグラフィックのレイアウト、単一画像の編集、複数参照の合成、4枚の画像によるインテリア合成が並びます。これらはQwen自身の例であってベンチマークではありません。Alibabaは処理時間、品質スコア、40ステップ版との並べた比較のいずれも公表していません。

40ステップが8ステップになると、実際にどうなるか

拡散モデルは、ノイズを何度かのパスで取り除きながら絵を組み立てます。1ステップは7Bモデルを1回通すことです。ベースモデルの公式例が40回通すところを、Turboは8回で済ませるので、画像モデルの1枚あたりのパス数は80%減ります。

ただし、「5倍速い」という意味ではありません。リクエスト全体では、プロンプトと参照画像のエンコード、結果のピクセルへのデコード、ホスト型APIならキューでの待ち時間もかかります。これらはステップ数が減っても縮まず、Qwenも処理時間を公表していません。SpicyAPIでの当社のTurboのリクエストは、エンドツーエンドでテキストから画像が13〜39秒、編集が26〜59秒でした。最初のステップの前に書き換えが走るため、プロンプト拡張をオンにするとその分かかります。1Kのテキストから画像を拡張オフで実行したときは13〜21秒でした。

違いが出る場面は次のとおりです。

• 試行の繰り返し。 プロンプトの1フレーズを変えて見直す、を1回の作業で何度も回せます。アイデアごとに長いレンダリングを待つ必要がありません。
• バッチ。 1つのブリーフから複数のテイクを出し、いちばん良いものを残します。SpicyAPIでは1回のリクエストで最大6枚が返り、1枚ごとに課金されます。ドラフトの束から選ぶのは、少ステップのモデルが想定しているワークフローそのものです。
• ドラフトから仕上げまで。 構図、衣装、光はTurboで固め、その1枚に40ステップのモデルが必要かどうかを、そのあとで判断します。
• GPUの費用。 重みを自分で動かす場合、パスが減ればそれだけ1枚あたりのGPU時間が減ります。ホスト型APIはステップごとではなく1枚ごとの課金なので、節約は価格表に表れます。AlibabaのAPIではTurboがCNY 0.10、ProがCNY 0.25で、SpicyAPIではTurboの1枚あたりの価格はQwen Image 2.1より安くなっています。

Turbo、2.1、2.1 Pro:どれを使うか

3つとも同じQwen Image 2.1世代なので、選ぶ基準は、画像を何枚作るか、1枚にどれだけ精度を求めるか、そしてどこで動かすかです。

• 量と試行回数ならTurbo: 構図のドラフト、プロンプトの言い回しの検証、多数のバリエーションを出して1枚を選ぶ作業に向いています。1枚あたりのパスが5分の1になる、というのがまさに狙いです。
• 1枚を確実に仕上げたい、またはTurboにない機能が必要ならベースの2.1: 一部分だけを変えるマスク、背景透過の切り替え、JPEGやWebPでの出力などです。難しい複数参照の編集や細かい文字の多い画面も、慎重に扱いたい作業です。このモデルの少ステップ版が苦戦してきた領域で、たとえばViggleのturboのモデルカードは、人物の重複、人物の同一性のずれ、小さな文字の崩れを注意点に挙げています。公式のTurboについてQwenは画質の比較を公表していません。当社のテストでは、Turboは2枚のポートレートの合成で2人とも顔を保ち、ポスターの短い2行の文字を1字も違えずに描きました。まずTurboで試し、物足りないフレームだけ2.1に回すのがおすすめです。
• 文字表現や人物の描写を重視するならProも検討を。 Qwen Image 2.1 ProはAlibabaのホスト型の上位グレードで、AlibabaのAPIでは1枚CNY 0.25、TurboはCNY 0.10です。Alibabaは、Proで文字表現、人物のライティング、細部が改善されたとしています。10月14日からSpicyAPIでも提供中で、Turboと同じリクエストでテキストから画像と編集を使えます。AlibabaはPro、Turbo、ベースモデルを並べた比較を公表していないため、予算を決める前に、同じ手持ちのプロンプトを少数選んで両方で試してください。
• seedは引き継げません。 seedは1つのチェックポイントと1つのスケジュールの初期ノイズを決めるものです。TurboとベースのQwen Image 2.1に同じseedを渡しても、別の絵になります。気に入った絵は、seedではなくファイルを保管してください。

実践的な流れは、Turboでドラフトを作り、うまくいったプロンプトを残して、Turboの出来で足りなければ最終フレームを2.1で描き直す、というものです。ベースモデルで通用するプロンプトの例は、Qwen Image 2.1ガイドにあります。

Qwen Image 2.1 Turboのプロンプトの書き方

以下の多くは、少ステップの画像モデルとQwen Image 2.1に通じる一般的なルールで、最後の1つは当社のTurboのテストから得たものです。8パスで動くモデルには、意図を推し量る余地が少ないので、はっきり書いてください。

1. 6つを、この順で書く: 誰が、何を着て、どんなポーズで、光、レンズ、色調。書かなかったものは、ありきたりな既定値になります。
2. 1つのプロンプトに1つの場面。 1文に2つのムードや2つの場所を入れると、たいていその中間の妥協案が返ってきます。
3. 光は光源として書く。 「ムーディーな照明」より、「右から暖色のベッドサイドランプ1つ、部屋のほかは影の中」のほうがうまくいきます。
4. 画像内の文字は、 正確な文言を引用符で囲み、置く位置も書きます(「上部に'LATE SHOW'と読めるポスターの見出し」)。
5. 編集では、先に変更を、次に残すものを書く。 「ドレスをエメラルドのサテンに変える。顔、髪、ポーズ、ベッド、ランプの光はそのまま」。
6. 参照画像が複数あるときは、 各画像が担うものを書きます。1枚目から人物、2枚目からジャケット、3枚目から部屋、というように。
7. SpicyAPIでは、プロンプト拡張をどうするか決める。 Turboでは既定でオフなので、書いた言葉がそのまま描かれます。Qwen Image 2.1では既定でオンです。短い日常的なプロンプトを膨らませたいときはオンに。光、レンズ、色調をすでにプロンプトで決めているときや、成人向けのプロンプトではオフのままにしてください。Alibabaの書き換えは成人向けの内容を和らげ、編集では指示ごと落とすことがあります(詳しくは下のコンテンツの節を参照)。

弱い例: "a woman in a dress in a bedroom."

強い例:

Photograph of a woman in her early thirties in a black silk slip dress with a low back, one strap slipped off her shoulder, sitting on the edge of an unmade bed and looking back over her shoulder. One warm bedside lamp from the right, the rest of the room in shadow. 85mm lens, shallow depth of field, light film grain, oxblood, black and honey palette.

弱い例は、衣装、ポーズ、光、レンズをモデル任せにしています。強い例はそのすべてを決めており、素早く試行を回してドラフトを比べるときに欲しいのは、こちらです。

Turboで作れるもの:2Kサイズ、透過PNG、編集、ポスター

QwenのTurboのショーケースは、ベースモデルと同じ範囲をカバーしています。それぞれがSpicyAPIで何を意味するかを、当社のテストで見えたことと合わせて整理します。

2Kサイズ。 SpicyAPIでTurboが返した2Kのサイズです。Qwenのベースモデルの例にあるプリセットとは少し異なります。

Turboはアスペクト比(全15種類)と、1k・1.5k・2kの段階を指定でき、どの段階も料金は同じなので、既定は2Kです。編集でアスペクト比を指定しないと、元画像の形のまま約2Kで返ります。1024 × 1536の元画像は、1680 × 2512または1664 × 2496で返ってきました。

透過画像。 Qwenの例には、透過(RGBA)の結果が含まれています。背景のない商品やキャラクターを、そのままレイアウトに置ける形です。SpicyAPIのTurboには背景の切り替えがなく、出力は常にPNGです。Alibabaは、透過背景やステッカーを頼むプロンプトならアルファチャンネル付きのPNGが返るとしていますが、当社では確認していません。確実に切り抜きたいときは、出力をPNGかWebPにしてbackgroundをtransparentにできるQwen Image 2.1を使ってください。

編集と複数の参照。 Turboは普通の言葉の指示で、アクセサリーの追加からシーン全体の変更まで編集できます。SpicyAPIでは1回の編集で1〜10枚の参照画像を受け付け、プロンプトではImage 1、Image 2のように呼びます。この記事の冒頭の画像は、屋上の男性とベルベットのドレスの歌手という別々の2枚のポートレートから作ったもので、2人とも顔がわかるまま残りました。マスクはないので、変える範囲は言葉で説明し、残すものも書いてください。

ポスター、文字、レイアウト。 ショーケースには、タイポグラフィ、ポスター、UI画面、インフォグラフィックのレイアウトが含まれます。Qwenは精度の数値を示していません。当社のポスターのテストでは引用符で囲んだ2行が1字も違わずに出ましたが、Viggleは自社の少ステップ版について、小さな文字がベースモデルより崩れやすいと述べています。印刷や公開の前に、等倍で文字を確認してください。

Qwen Image 2.1 Turbo API:どこで呼べて、いくらか

Alibaba CloudのホストAPI。 Qwenは公開当日にTurbo APIとPro APIを発表しました。公式の価格ページには、プロモーション前の定価が1枚あたりで掲載されています。

Alibabaは人民元でのみ掲載しています。TurboはProの40%の価格です。

SpicyAPI。 Turboは2026年10月13日から、テキストから画像と編集の2つのエンドポイントで提供しています。料金は1枚$0.0144で、1k・1.5k・2kのどれでも、編集の参照画像が1枚でも10枚でも同じです。課金は返ってきた画像1枚ごとなので、6枚のリクエストならその6倍です。リクエストでは、最大5,000文字のプロンプト、1〜6枚の出力枚数、15種類のアスペクト比、1k・1.5k・2kの段階、プロンプト拡張(既定はオフ。オンにすると任意の思考モードと、テキストから画像ではdirectかagentの書き換え)、seedを指定でき、編集では1〜10枚の参照画像が加わります。出力は常にPNGです。マスク、ネガティブプロンプト、出力形式の選択はありません。

比較すると、Qwen Image 2.1はテキストから画像が1kで1枚$0.024、2kで$0.048、編集は$0.036からです。2.1からTurboへの切り替えは、ほぼモデル名を変えるだけです。Turboではnum_outputsとenable_thinking、テキストから画像ではprompt_optimization_modeが加わり、backgroundとoutput_format、編集のmask_urlはなくなります。どちらのモデルも知らないフィールドを拒否するので、切り替えるときはそれらを外してください。

最小限のテキストから画像のリクエスト:

curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  --data '{
    "model": "alibaba/qwen-image-2.1-turbo/text-to-image",
    "input": {
      "prompt": "Golden-hour photograph of an adult man in his thirties on a whitewashed balcony on a Greek island, white linen shirt open, leaning on a blue railing with a glass of white wine, 85mm, medium-format film look.",
      "aspect_ratio": "4:5",
      "resolution": "2k",
      "num_outputs": 2
    }
  }'

オープンウェイトを動かす:Hugging Face、Diffusers、GGUF

公式の重みは、2026年10月9日にHugging FaceとModelScopeでBF16として公開されたQwen/Qwen-Image-2.1-Turboです。チェックポイントはQwenImage21Pipelineで読み込みます。ソースからインストールしたDiffusers(パイプラインで設定するサンプリングsigmaに依存しており、PR #14950で追加されました)、transformers>=5.17.0、accelerate、pillow、CUDA版のPyTorchが必要です。

import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16
).to("cuda")

image = pipe(
    prompt="Studio portrait of an adult woman in a charcoal wool coat, one warm key light from the left, 85mm, shallow depth of field",
    width=2048,
    height=2048,
    use_kv_cache=True,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("turbo.png")

モデルカードが明確に書いている点が3つあります。

• ステップ数は自分で設定しません。 推奨の8ステップ・スケジュールはチェックポイントに同梱され、自動で読み込まれます。num_inference_stepsだけを指定しても上書きされません。上書きできるのはsigmasを明示した場合だけですが、Qwenは他のスケジュールは評価していないとしています。
• CFGは既定で1なので、公式の例には調整すべきガイダンススケールがありません。
• 編集も同じパイプラインです。 元画像をimage=に渡し、編集の指示と出力サイズを指定します。公式の例では入力を.convert("RGBA")で開いています。

widthとheightについて、Qwen自身の例では正方形に2048 × 2048、縦長に1696 × 2528を使っています。モデルカードにVRAMの要件は載っていません。重みは7Bパラメーターのbf16です。

ComfyUIとstable-diffusion.cpp向けのGGUF

Qwenが公開しているのはBF16のチェックポイントだけです。GGUFファイルはコミュニティ製で、公開から1日以内にHugging Faceのunsloth/Qwen-Image-2.1-Turbo-GGUFやAtomicChat/Qwen-Image-2.1-Turbo-GGUFなどがいくつも出ました。Unslothは、多くのGPUには4ビットのQ4_K_M(4.2 GB)、BF16に最も近い出力にはQ8_0(7.6 GB)を勧めています。ダウンロードする前に知っておきたいことが3つあります。

• GGUFに入っているのは画像モデルだけです。 ベースモデルと同じQwen3-VL-8BのテキストエンコーダーとQwen Image 2.1のVAEが別に必要です。
• Turboのスケジュールを守る: 8ステップ、CFG 1、チェックポイントに含まれるsigmaのリストです。ComfyUIではComfyUI-GGUFのノードで読み込み、stable-diffusion.cppではsigmaをコマンドラインで渡します。
• ライセンスはファイルについて回ります。 量子化してもQwen Research LicenseのQwen-Image-2.1-Turboのままです。

名前に「Uncensored」と付いたいちばん有名なダウンロードは、別物です。AtomicChatのQwen-Image-2.1-Turbo-Uncensored-GGUFは、拒否の挙動を取り除いたテキストエンコーダーで、手を加えていないTurboの画像モデルと組み合わせて使います。そのモデルカードによれば、標準のオープンウェイトのパイプラインにはコンテンツフィルターがなく、45件のセンシティブなテストプロンプトで、編集済みエンコーダーに替えても結果は1件も変わりませんでした。

オープンウェイトをセルフホストするか、APIを呼ぶか

研究、LoRAやサンプリングスケジュールの実験、画像を手元から出せない場合は、重みを自分で動かしてください。プロダクトを出す、GPUを維持したくない、設定なしで今日から画像が欲しい、という場合はAPIを使いましょう。

公式のTurboとViggleのturbo

10月9日より前は、「Qwen Image 2.1 turbo」といえばコミュニティ製の高速化版のことでした。最もよく知られているのはViggle版で、似た名前で出回っているものもほかにあります。種類の違うファイルです。

Viggleは、6ステップのモードがエンドツーエンドで40ステップのベースモデルの約5倍速く、9ステップのモードは6ステップの約1.4〜1.5倍の時間がかかるとしています。モデルカードにはトレードオフも書かれています。複雑な編集での人物の重複やゴースト化と同一性のずれ、ベースモデルより崩れやすい小さな文字、数パーセント低い色の彩度です。これらはViggleのLoRAについての記述で、まだ比較が公表されていない公式のTurboについてのものではありません。コミュニティ版をComfyUIで動かす場合は、ワークフローのステップ数を確認してください。推奨設定はバージョンや量子化ビルドによって異なります。

Qwen Image 2.1 Turboは無審査(アンセンサード)か

SpicyAPIでは、プロンプト拡張をオフにしている限り無審査です。2026年10月13日、ランジェリーから成人同士の合意に基づく拘束場面、映画的な暴力場面まで、テスト基準の全段階で23件のリクエストをTurboに送り、拒否は1件もありませんでした。拡張オフでは、成人2人の親密な場面2回のうち1回を除いてすべて指示どおりに返り、拡張オンではAlibabaのプロンプト書き換えが3件を和らげ、編集2件を元画像のまま返しました。

段階ごとの結果、使うべき設定、「無審査GGUF」のダウンロードが実際に何を変えているのかは、Qwen Image 2.1 TurboのNSFW検証:無修正か?にまとめています。SpicyAPIは独自のコンテンツフィルターを置いていません。

Turboは商用利用できるか

オープンウェイトはQwen Research License Agreementのもとで公開されており、ベースのQwen Image 2.1と同じライセンスです。同じライセンスを使うViggleのカードは、これを研究または評価目的の非商用利用とし、商用利用にはライセンサーからの別途ライセンスが必要だと説明しています。重みを自分のGPUで動かして商用プロダクトに組み込むつもりなら、先にライセンスを読んでください。ホスト型APIは別の取り決めで、そのプロバイダー自身の規約が適用されます。

Qwen Image 2.1 Turboでよくある質問

Qwen Image 2.1 Turboはいつ公開されましたか?

2026年10月9日です。同日に、Hugging FaceとModelScopeでオープンウェイトが、Alibaba CloudでホストされたTurbo APIとPro APIが公開されました。

Qwen Image 2.1 Turboは無料ですか?

重みは研究用ライセンスのもとで無料でダウンロードできます。動かすには十分なGPUが必要です。Alibabaのホスト型APIは1枚あたりCNY 0.10、SpicyAPIはどのサイズでも1枚あたり一律の料金です。

Qwen Image 2.1 Turboはオープンソースですか?

重みは公開されており、ダウンロードして動かせます。ライセンスはQwen Research Licenseで、Apache 2.0のようなオープンソースライセンスではないため、正確には「オープンウェイト」です。

Qwen Image 2.1 Turboは商用利用できますか?

セルフホストの重みについては、先にQwen Research Licenseをお読みください。これは研究用のライセンスで、Viggleは同じライセンスを非商用と説明しています。ホスト型APIを通す場合は、そのプロバイダーの規約が適用されます。

Qwen Image 2.1 Turboは何ステップで、変更できますか?

8ステップです。スケジュールはチェックポイントとともに読み込まれ、上書きできるのはsigmasを明示した場合だけで、Qwenは他のスケジュールを評価していません。

Qwen Image 2.1 TurboのGGUF版はありますか?

Qwenからは出ておらず、公開されているのはBF16の重みです。コミュニティ製のGGUFは公開から1日以内にHugging Faceに登場し、UnslothやAtomicChatなどが出しています。Qwen3-VLのテキストエンコーダーとVAEを併用し、8ステップ・CFG 1のスケジュールで動かす必要があります。

Qwen Image 2.1 Turboで画像を編集できますか?

はい。アクセサリーの追加からシーン全体の変更まで、自然言語の指示で編集できます。SpicyAPIでは1回の編集で1〜10枚の参照画像を使え、アスペクト比を指定しなければ元画像の形が保たれます。

Qwen Image 2.1 Turboは透過背景に対応していますか?

Qwenのショーケースには透過(RGBA)画像が含まれ、Alibabaはプロンプトで透過背景を頼めばアルファチャンネル付きのPNGが返るとしています。当社はTurboでこれを確認しておらず、SpicyAPIのTurboには背景の切り替えもありません。確実に切り抜きたいなら、backgroundをtransparentにしたQwen Image 2.1を使ってください。

Qwen Image 2.1 Turboの解像度はどれくらいですか?

2Kです。SpicyAPIの2Kの段階では、正方形が2048 × 2048、16:9が2688 × 1536で、アスペクト比は15種類、1kと1.5kの段階も同じ料金です。

Qwen Image 2.1 TurboとProはどちらを使うべきですか?

AlibabaのAPIでは、Turboが1枚CNY 0.10、ProがCNY 0.25です。Alibabaは比較を公表していないので、自分のプロンプトで両方を試してください。Turboは重みもオープンなので、自分で動かすこともできます。

Qwen Image 2.1 TurboはViggleのturboと同じですか?

いいえ。公式のTurboはQwenによる完全なチェックポイントで、8ステップのスケジュールを持ちます。ViggleのものはベースモデルのコミュニティLoRAで、6または9ステップで動きます。

Qwen Image 2.1 Turboは無審査(アンセンサード)ですか?

SpicyAPIでは、プロンプト拡張をオフにすれば無審査です。23件のテストリクエストで拒否はゼロでした。拡張をオンにすると、Alibabaの書き換えが成人向けのプロンプトを和らげます。結果の全体へのリンクは、上のコンテンツの節にあります。

Qwen Image 2.1 TurboはAPIで使えますか?

はい。Alibaba Cloudで提供されているほか、SpicyAPIでも2026年10月13日からテキストから画像と編集のエンドポイントで使えます。送信前にリアルタイムの料金が表示されます。

まとめ

Qwen Image 2.1 Turboは、すでに使っているかもしれないモデルの公式の高速版です。同じ7Bアーキテクチャ、同じ編集機能、2Kの出力を、8ステップで動かします。SpicyAPIでは提供中で、1枚あたりの料金はQwen Image 2.1より安く、1回のリクエストで最大6枚を返し、プロンプト拡張は既定でオフです。ドラフト、量、合成にはこれを使い、マスク、確実な背景透過、JPEGやWebPのファイルが必要なときは40ステップのベースに回してください。オープンウェイトでプロダクトを作る前には、研究用ライセンスを確認しましょう。まずはTurboのテキストから画像のページからどうぞ。