Qwen-Image-2.1-Turbo ist ein beschleunigter Checkpoint, den das Qwen-Team von Alibaba am 9. Oktober 2026 veröffentlicht hat – kein völlig neues Modell. Es nutzt dieselbe 7B-Architektur zur Bilderzeugung. Die Standardversion braucht standardmäßig 40 Denoising-Schritte, Turbo nur 8, mit einem Standard-CFG von 1 und einem Sampling-Zeitplan, der bereits im Checkpoint enthalten ist. Kostenloses Ausprobieren ist kein Problem, aber wer damit Geld verdienen will, sollte zuerst die Lizenz klären.
Kostenlos testen und Bilder erzeugen
Beginnen Sie mit der offiziellen Hugging-Face-Space-Demo oder der kostenlosen Testversion auf ModelScope – für beides müssen Sie zuerst keine Gewichte herunterladen. Wenn Ihnen die Ergebnisse gefallen, laden Sie die Gewichte kostenlos von Hugging Face oder ModelScope herunter. Diffusers lädt sie direkt mit dem 8-Schritte-Zeitplan, und ComfyUI unterstützt Turbo ab Version 0.40.0. Erzeugung und Bearbeitung übernimmt dasselbe Modell, mit Unterstützung für bis zu 10 Referenzbilder, nativer 2K-Ausgabe und einem nativen Transparenzkanal – geeignet für Bilder, bei denen freigestellt oder der Hintergrund getauscht werden soll. Beim Ausprobieren müssen Sie sich um Parameter keine Gedanken machen: Die Standardeinstellungen sind bereits für 8 Schritte optimiert. Erzeugen Sie erst ein paar Bilder, um zu sehen, ob der Stil passt, und entscheiden Sie dann, ob Sie das Modell lokal betreiben wollen.
Zuerst die beiden kommerziellen Wege klären
Die heruntergeladenen Gewichte stehen unter der Qwen Research License und dürfen nur nichtkommerziell genutzt werden, etwa für Forschung oder Evaluation. Das unterscheidet sich von der Apache-2.0-Lizenz der Qwen-Image-Version von 2025. Wer die heruntergeladenen Gewichte direkt für ein kommerzielles Produkt oder bezahlte Aufträge nutzt, ist von der Lizenz nicht abgedeckt. Für die kommerzielle Nutzung gibt es zwei Wege: eine separate kommerzielle Lizenz bei Qwen beantragen oder die gehostete API von Alibaba Cloud Model Studio nutzen. In Singapur kostet Turbo im Vielnutzer-Tarif 0,016 US-Dollar pro Bild, mit einem Limit von 120 Anfragen pro Minute; in Festlandchina gilt ein eigener Preis von 0,10 Yuan pro Bild, und die Preise unterscheiden sich je nach Region. Wählen Sie den Weg nach Ihrem Volumen und Ihrer Art der Auslieferung.
Die VRAM-Angaben für den lokalen Betrieb genau lesen
Die offizielle README nennt keine VRAM-Zahl, daher sind alle kursierenden Zahlen Messungen Dritter und keine offiziellen Anforderungen. Die vollständigen BF16-Gewichte sind etwa 33 GB groß, darunter ein Text-Encoder von etwa 17,5 GB, ein DiT von etwa 14,2 GB und ein VAE von etwa 1,4 GB. Der gesamte Satz passt selbst im BF16-Format nicht auf eine RTX 5090 mit 32 GB, sodass VRAM-Offloading nötig ist. Mit INT8- oder 4-Bit-Quantisierung plus CPU-Offloading braucht die Erzeugung eines 1024×1024-Bildes etwa 6 bis 16 GB VRAM. Prüfen Sie vor dem Start Ihre Grafikkarte und Ihr Quantisierungsschema. Richten Sie keinen Rechner nach einer offiziellen Anforderung aus, denn eine solche Zahl wurde nie veröffentlicht.
