Editor’s Note
XピックアップQwen-Image-2.1-Turbo公開、40ステップの標準例を8ステップに短縮
Qwen Developersは10月9日、Qwen-Image-2.1-Turboの重みを公開した。Qwen-Image-2.1と同じ7B画像生成アーキテクチャを保ちながら、テキストからの画像生成と画像編集を8回のノイズ除去処理で行う高速化チェックポイントだ。ローカルで動かす道とホステッドAPIの両方が用意された一方、導入条件と利用許諾は「公開重み」という言葉だけでは見えにくい。
40ステップの標準例から8ステップへ
公式リポジトリの通常版サンプルは40推論ステップを指定する。それに対しTurboは、チェックポイントに保存された固定のシグマ・スケジュールを使って8ステップで処理する。Diffusers側の実装からも、別の小型モデルへ置き換えたのではなく、同じ7B系統のサンプリングを短縮した設計だと分かる。
Qwen Developersが引用したQwen公式投稿は、ステップを減らしても強い2K画像生成品質を維持すると説明している。ただし、確認した一次資料には通常版と同条件で比べた独立ベンチマークや、GPU別の生成時間・必要メモリはない。ここは提供側の性能主張であり、速度と品質の実測結果として読む段階ではない。
ローカル実行とAPIは、手軽さの種類が違う
10月10日確認時点のモデルカードでは、ローカル実行にCUDA対応PyTorch、torch 2.4以上、transformers 5.17以上、さらに固定シグマを扱える最新のDiffusersソースが必要とされる。num_inference_stepsだけを変えても保存済みの8ステップ設定は上書きされない。明示的なsigmasで別設定にはできるが、公式資料はほかのスケジュールを未評価としている。
環境を組まずに使うなら、ProとTurboのホステッドAPIが選択肢になる。API資料によると、画像編集は1〜10枚の参照画像を公開URLまたはBase64で渡せるが、モデル、エンドポイント、APIキーを同じリージョンにそろえる必要がある。OpenAI互換APIでも、非同期、ストリーミング、部分画像、multipart、mask、/images/editsには未対応で、編集は/images/generationsの拡張フィールドを使う。資料の更新日表示がないため、これらの制約が公開日の10月9日から同じだったかは確定できない。
重み公開は、商用利用の解禁ではない
最も大事な現実確認はライセンスだ。Qwen Research Licenseは、重みなどの利用を研究・評価目的に限定し、商用利用にはQwenとの別契約を求めている。8ステップ化はローカル検証の入口をかなり近づけるが、製品へ組み込む判断では、実行環境や画質より先に利用目的を確かめたい。
参考資料
- QwenLM/Qwen-Image-2.1（GitHub）
- Qwen/Qwen-Image-2.1-Turbo Model Card（Hugging Face）
- Configure fixed sampling sigmas on QwenImage21Pipeline — PR #14950（GitHub）
- Qwen Image Generation and Editing API Reference（Alibaba Cloud）
- Qwen Research License Agreement
