どちらのモデルも Alibaba 製で、重みは Apache-2.0 のもとで公開されています。そのため選ぶ際は、結局「今の用途に使える画像が、1 枚あたりいくらで得られるか」という一点に行き着きます。コミュニティの比較は結論がばらついています。多くは 1 台のローカル環境で、2〜5 個のプロンプトを使って行われたものです。Lumenfall が共有の 13 プロンプトで行ったコミュニティの盲検投票では、Z-Image Turbo が 77.8% 対 22.2% で勝った一方、同社の AI 審査によるコメントは、大半が Qwen に好意的でした。
2026 年 10 月 17 日に、同じ 6 つのプロンプトを各 2 つの固定シードで両モデルに通しました。使ったのは、スタジオのポートレート、3 行の文字が入ったポスター、商品ラベル、混雑した通り、手のクローズアップ、3 人が座るテーブルの配置です。SpicyAPI のエンドポイントで実行し、合計 24 枚、費用は合計 $0.48 でした。
結論: 質感のあるフォトリアルなポートレート、シンプルな商品写真、大量に生成する画像には Z-Image Turbo を使ってください（1 枚 $0.01 で、価格は 3 分の 1 です）。Qwen Image 2512（1 枚 $0.03）は、デザインされた画像（装飾的な文字、密度の高い場面、特定の雰囲気）を作るとき、SpicyAPI で大きめの出力や 21:9 のような横長の比率が必要なとき、Qwen 形式の LoRA を読み込みたいときに使ってください。 成人向けの作品で LoRA を使わない場合は、Z-Image Turbo がより直接的な選択です。Qwen Image 2512 は、私たちのテスト履歴で最も強度の高いカテゴリを和らげました。
すぐに選ぶための表
| 必要なもの | 最初に使うモデル | 理由 |
|---|---|---|
| 多くの下書き、または大量のバッチ | Z-Image Turbo | 1 枚 $0.01。Qwen Image 2512 の 3 分の 1 |
| 見える肌の質感がある近接のポートレート | Z-Image Turbo | 1 つのポートレートのプロンプト（2 シード）で、そばかす、毛穴、ニットの織り目がより強く出た |
| ポスター、メニュー、装飾的な文字入りのカバー | Qwen Image 2512 | 両モデルとも全ての単語を正しくつづった。Qwen は「アールデコ」と「風化した紙」の指示にも従った |
| 密集した群衆、または指定した雰囲気のある場面 | Qwen Image 2512 | 人数が多く、「ろうそくの明かり」「雨上がり」の照明に近い |
| SpicyAPI で約 1 メガピクセルを超える出力 | Qwen Image 2512 | 1:1 で 1328×1328。当社エンドポイントの Z-Image Turbo は 1024×1024 |
| SpicyAPI での 21:9、9:21、3:2、2:3 の構図 | Qwen Image 2512 | SpicyAPI の Z-Image Turbo は 5 つの比率（1:1、4:3、3:4、16:9、9:16）のみ |
| SpicyAPI で 1,000 文字を超えるプロンプト | Qwen Image 2512 | Qwen のエンドポイントは最大 5,000 文字。Z-Image Turbo のエンドポイントは 1,000 文字まで |
| コミュニティの LoRA | Z-Image Turbo LoRA | Hugging Face に公開された LoRA が約 4 倍多い。Qwen の LoRA は学習に負荷がかかる |
| LoRA なしの成人向けの画像 | Z-Image Turbo | テスト履歴の全カテゴリを描画。Qwen は最も強度の高いカテゴリを和らげた |
テスト方法
両モデルには、同一のプロンプト文、アスペクト比、シード（42 と 7）を与えました。出力はすべて保存し、再実行も選別もしていません。以下の図は、各プロンプトについてシード 42 の組を示しています。シード 7 の組も、すべてのケースで同じ傾向でした。
- Qwen Image 2512 は Qwen Image 2512 LoRA のテキストから画像へのエンドポイント で、LoRA を付けずに実行しました（素のベースモデルが動きます）。PNG 出力です。
- Z-Image Turbo は Z-Image のテキストから画像へのエンドポイント（Turbo の重み）で、プロンプト拡張をオフにして実行しました。PNG のみを返します。
同じ比率でもネイティブサイズは異なります。Qwen は 3:4 で 1104×1472、1:1 で 1328×1328、16:9 で 1536×864 を返しました。Z-Image Turbo は 864×1152、1024×1024、1280×720 を返しました。各比較図では、両方の画像を同じ高さに揃えています。つまり比べているのは解像度ではなく内容です。
モデルごと 12 枚という標本は小さいものです。この結果は、この 6 つの題材で見られた明確な傾向として捉えてください。ベンチマークではありません。
ポートレート: Z-Image Turbo はより多くの肌の質感を見せる
プロンプト: 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.
左: Qwen Image 2512。右: Z-Image Turbo。同じプロンプト、3:4、シード 42。
どちらのポートレートも使えます。Z-Image Turbo（右）は、そばかすや毛穴、ウールの繊維により明確な輪郭を与え、灰色の背景を「温かみのあるグレー」により近づけました。Qwen Image 2512（左）はより滑らかで温かく、レタッチされたエディトリアルのヘッドショットに近い仕上がりです。髪は要求した「肩までの長さ」により近いものでした。Z-Image Turbo は両方のシードで髪を長く描きました。
これはコミュニティの評価の割れ方と一致します。ローカルで試したテスターの中には、「AI らしさが少ない」顔に Qwen のやわらかい光を好む人もいれば、Z-Image Turbo の肌の描き込みは他に並ぶものがないと感じる人もいます。視聴者が顔を拡大して見るなら Z-Image Turbo から始めてください。レタッチなしで洗練された見た目が欲しいなら Qwen を試してください。
また、どちらのモデルもシード 42 と 7 でほぼ同じ女性を描いたことにも注意してください。どちらのモデルでも、シードを変えるだけでは変化は小さいです。別の人物が必要なら、シードではなく説明（年齢、髪型、照明）を変えてください。
文字とラベル: どちらも正しくつづり、Qwen はデザインの指示に従う
プロンプト（ポスター）: 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.
プロンプト（商品）: 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.
左列: Qwen Image 2512。右列: Z-Image Turbo。シード 42。上段は 3:4、下段は 1:1。
4 つの文字列と 2 つのシードにわたって、どちらのモデルも 1 語もつづりを間違えませんでした。文字だけで選ぶ人にとっての主な発見はこれです。短い見出しやラベルなら、どちらも信頼できます。
違いはデザインにあります。Qwen Image 2512 は、サックスの背後に光線を入れたアールデコの文字と、古びてしわの寄った紙を描きました。ただしサックスが見出しに重なっており、デザイナーは望まないかもしれません。Z-Image Turbo は、クリーム、ネイビー、ゴールドの配色をより忠実に保ち、文字の周りに余白を残しました。ただしポスターはより地味で風化感は弱く、単語は正しい一方、「ヴィンテージ」らしさはほぼ欠けています。マグカップでは結果がわずかに逆転します。Z-Image Turbo はよりくっきりと明るい白いラベルを印刷し、Qwen の文字は灰色がかって小さく出ました。どちらも豆、ナプキン、窓からの光を残しました。
タイポグラフィがデザインそのものなら Qwen Image 2512 を選んでください。ラベルが読めれば十分な商品写真なら、どちらでも機能します。その場合の Z-Image Turbo の強みは、主に 3 分の 1 の費用で済むことです。
群衆と配置: どちらも人物を正しく置く。Qwen は雰囲気を作る
プロンプト（通り）: 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.
プロンプト（配置）: 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.
左列: Qwen Image 2512。右列: Z-Image Turbo。16:9、シード 42。
3 人の配置は、このセットで最も明快なプロンプト追従のテストで、両モデルは両方のシードで合格しました。左の赤いドレスの女性がグラスを掲げ、中央のひげの禿げた男性が笑い、右の銀髪で丸眼鏡の女性がスマートフォンを見ており、テーブルの中央には黄色いチューリップを活けた青い花瓶が一つ。コミュニティの投稿には、Z-Image Turbo はプロンプトの一部を無視するという声もあります。しかし、この明示的な位置指定のプロンプトでは、無視しませんでした。
差は雰囲気にあります。Qwen Image 2512 は、暗い窓と暖かいランプのある、本物のろうそくの夜を描きました。Z-Image Turbo はテーブルにろうそくを置きましたが、部屋は灰色の午後のように照らされていました。通りでは、Qwen が雨上がりの夕暮れの光の中に、本当に混み合ったフェスティバルを詰め込みました。ただし中景には、暗い上着を着た似た顔が繰り返し現れます。Z-Image Turbo の通りは「混雑」というより広々としていて、両方のシードで自転車乗りがフレームの右端に押しやられました。
手: どちらも綺麗だったが、指輪のディテールは両方外した
プロンプト: 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.
左: Qwen Image 2512。右: Z-Image Turbo。1:1、シード 42。
4 枚の手の画像はすべて、片手に 5 本の自然な指があり、紐の扱いもありえるものでした。どちらも、古いモデルで知られる余分な指や融合した指は生じませんでした。ただし、小さな指示は両方とも外しました。Qwen Image 2512 は、両方のシードで両手に指輪をつけました。Z-Image Turbo は指輪を 1 つ描きましたが、それは彼の右手に見える手についていました。Qwen はレザーの質感をより多く見せる、より寄った近接を構図にしました。Z-Image Turbo は、作業台と彼の膝が見えるように引いた構図にしました。
どちらのモデルを選ぶにしても、どちらの手に指輪をつけるかのような小さな細部を正確にする必要があるなら、すべての出力を確認するか、編集パスで直す想定をしてください。
速度と 1 枚あたりの価格
| Qwen Image 2512 | Z-Image Turbo | |
|---|---|---|
| 1 枚あたりの価格 | $0.03 | $0.01（プロンプト拡張をオンにすると $0.016） |
| テストでの請求 | $0.03 × 12 | $0.01 × 12 |
| 中央値（リクエストから完成画像まで） | 8.5 秒 | 19 秒 |
| 12 枚の範囲 | 7.8〜32 秒 | 13〜31 秒 |
| 1:1 / 16:9 のネイティブサイズ | 1328×1328 / 1536×864 | 1024×1024 / 1280×720 |
| 出力形式 | JPEG、PNG、WebP | PNG |
価格は現在の SpicyAPI の定価で、両方のタスクはまさにその額で請求されました。1,000 枚のバッチは、Z-Image Turbo で $10、Qwen Image 2512 で $30 です。
速度の結果は意外でした。紙の上では Z-Image Turbo のほうが速いモデルです。6B パラメータで 8 ステップのサンプリングに対し、Qwen Image 2512 は 20B パラメータで推奨 50 ステップです。ローカル GPU では、テスターたちは Qwen よりずっと短い時間で完成したと報告しています。ただし 10 月 17 日のホスト型 API では、12 回のうち 11 回で Qwen Image 2512 のほうが早く返ってきました。ホスト型の時間にはキューイングと配信が含まれ、それは負荷によって変わり、時期によっても変化します。ですから、これは「どちらも数秒で終わり、どちらもボトルネックではない」と読んでください。恒久的な順位ではありません。重みを自分で動かすなら、Z-Image Turbo の速度と、16 GB のカードに収まることは実際の利点です。
LoRA 対応とオープンウェイト
両モデルとも Apache-2.0 のもと、オープンウェイトで公開されています。Qwen-Image-2512 は 2025 年 12 月 31 日、Z-Image-Turbo は 2025 年 11 月下旬に Alibaba の Tongyi-MAI チームから出ました。ライセンスは、出力と重みの商用利用を許可しています。帰属表示については、各モデルカードを確認してください。
LoRA はどちらのモデル間でも移植できません。アーキテクチャが異なるため、Z-Image Turbo の LoRA は Qwen Image 2512 に読み込めず、逆も同様です。
- Z-Image Turbo はコミュニティのライブラリが大きいです。6B のモデルは微調整が安いためです。2026 年 10 月 17 日時点で、Hugging Face には Z-Image-Turbo 向けの LoRA アダプターとしてタグ付けされたモデルが 879 件ありましたが、Qwen-Image-2512 は 200 件でした。Z-Image Turbo LoRA のエンドポイント では、最大 3 つの LoRA を 1 枚 $0.012 で読み込めます。LoRA が実際に絵を変えているかを確認する方法は、同一シード LoRA テストをご覧ください。
- Qwen Image 2512 は、テストしたのと同じエンドポイントで、追加料金なしに最大 3 つの Qwen 形式の LoRA を受け付けます。20B のモデルの学習にははるかに多くのハードウェアが必要なので、数はより少ないです。同じファミリーの編集は別のベース（Qwen Image Edit 2511）で動くため、LoRA はタスクに合わせてください。どの Qwen LoRA がどのベースに合うかで、この区別を説明しています。
成人向けの画像: 2 つのモデルの違い
どちらのエンドポイントにもプラットフォームのフィルターは追加されていません。違いはモデル自体から来ており、最も強度の高い端で現れます。
私たちの内部テスト履歴は 6 つのカテゴリ（示唆的な画像から、より強度の高い成人向けの場面まで）を扱っており、各 3 回ずつ実行し、すべての出力を目視で確認しています。
- Z-Image Turbo（2026 年 9 月）は、3 回すべてで 6 カテゴリすべてを描画し、拒否も和らげもありませんでした。
- LoRA なしの Qwen Image 2512（2026 年 9 月）は、高度な NSFW 画像を含む 5 カテゴリを完全に描画しましたが、より強度の高い成人向けの場面は 3 回すべてで和らげられました。場面は描かれず、示唆にとどまりました。以前の 1 回の実行で、公開されている成人向けの LoRA を付けた場合は、同じカテゴリが完全に描画されました。
ですから、通常のプロンプトによる成人向けのキャラクター作品では、Z-Image Turbo のほうが直接的に目的に届き、価格は 3 分の 1 です。1,536 までの正確なピクセルサイズや 1,000 文字を超えるプロンプトが必要なら、同ファミリーの Z-Image Spicy のエンドポイントが 1 枚 $0.01235 です。Qwen Image 2512 は、最も強度の高いカテゴリには届かない成人向けの画像や、それ向けに作られた LoRA を持ち込む場合には、依然として良い選択です。Z-Image Turbo で効く文言については、Z-Image Turbo の NSFW プロンプトガイドを、姉妹モデルについては Z-Image は検閲なし？をご覧ください。成人の被写体だけを使い、同意のない実在の人物には決して使わないでください。
どちらを使うべきか？
- キャラクター、ポートレート、成人向けの写真をまとめて作るなら: Z-Image Turbo。ポートレートテストでの肌の質感が多く、成人向けコンテンツのテスト履歴が最も充実しており、1 枚 $0.01 です（Qwen のディナーの場面の人物も写実的でした）。特定の雰囲気が必要なときは Turbo LoRA のエンドポイントを追加してください。
- 文字入りのポスター、カバー、SNS 用のグラフィック: Qwen Image 2512。どちらも正しくつづりますが、Qwen はタイポグラフィと紙の質感の指示に従います。
- 混み合った場面、光の雰囲気、映画的なフレーム、21:9 のバナー: Qwen Image 2512。雰囲気、密度、より広い比率のためです。
- 短いラベル付きの商品写真: どちらでも。費用が気になるなら Z-Image Turbo。どちらもラベルを正しく印刷したためです。
- 1,000 文字を超える長く詳細なプロンプト: Qwen Image 2512。
実用的なパターンは、Z-Image Turbo で下書きし、うまくいったプロンプトを残し、デザインされた文字や強い雰囲気が必要な少数だけを Qwen Image 2512 で再実行することです。両方とも SpicyAPI では同じリクエストの形を使うため、切り替えはモデル名を変えるだけです。自分のプロンプトを試すには、Z-Image Turbo か Qwen Image 2512 を開いてください。
FAQ
Z-Image Turbo は Qwen のモデルですか?
いいえ。どちらも Alibaba 製ですが、Qwen-Image は Qwen チームが、Z-Image は Tongyi-MAI チームが作っています。アーキテクチャが異なり、LoRA も異なります。
画像内の文字には、どちらが優れていますか?
短い見出しやラベルなら、私たちのテストでは両方とも全ての単語を正しくつづりました。文字そのものにスタイルが必要な場合は、Qwen Image 2512 がより良い選択です。提供元は、2512 の改良点としてテキストのレイアウトと、テキストと画像の構成を挙げています。
Qwen Image 2512 の LoRA を Z-Image Turbo で使えますか?
いいえ。LoRA は、学習されたモデルファミリーでしか動きません。
シードを変えるとほぼ同じ画像になるのはなぜですか?
どちらのモデルも、すべてのプロンプトについてシード 42 と 7 でほぼ同じ人物と構図を生成しました。バリエーションを得るには、シードではなく説明そのもの（年齢、髪型、場所、光）を変えてください。
