Alibaba lance Qwen-Image-2.1-Turbo, un modèle d'image de 7 milliards de paramètres qui génère en 8 étapes
L'équipe Qwen d'Alibaba a publié Qwen-Image-2.1-Turbo, une version accélérée de son modèle d'images à poids ouverts Qwen-Image-2.1. Le checkpoint génère et édite des images en 8 étapes de débruitage, contre 40 par défaut pour le modèle de base, soit cinq fois moins sur la même architecture de 7 milliards de paramètres. Le générateur visuel est associé à un encodeur de texte Qwen3-VL 8B, qui traite à la fois les instructions et les images de conditionnement. L'architecture est un DiT à flux unique de 32 couches avec attention causale par blocs : masque causal au niveau des jetons pour le texte, masque bidirectionnel par blocs pour les images. L'autoencodeur RGBA à 64 canaux, avec compression spatiale 16x, permet la transparence native. Le modèle se charge via QwenImage21Pipeline dans Diffusers, en BF16 sur GPU CUDA, avec un calendrier de 8 étapes intégré et un CFG de 1 par défaut. Il gère des sorties jusqu'à 2K, de 2048×2048 à 2752×1536 en 16:9. Alibaba Cloud Model Studio héberge aussi le modèle : qwen-image-2.1-turbo coûte 0,1 yuan par image avec 120 requêtes par minute, contre 0,25 yuan et 20 requêtes par minute pour la version Pro.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Pour les développeurs, l'intérêt est une génération et une édition en 2K nettement plus rapides et moins chères, sans changer de famille de modèle. Le Turbo est 2,5 fois moins cher par image que le Pro et accepte six fois plus de requêtes. Le modèle de base obtient 60,28 sur Qwen-Image-Bench, le meilleur score open weight rapporté par Qwen. Qwen ne publie aucune exigence minimale de mémoire vidéo pour le Turbo ; Unsloth estime que le modèle de base tourne avec 11 Go de VRAM en GGUF et 24 Go en INT8 ou FP8. La limite principale est la licence : elle est réservée à la recherche, si bien qu'un auto-hébergement commercial exige une autorisation distincte. La mise en route demande aussi Diffusers installé depuis les sources, transformers 5.17.0 ou supérieur et la pull request n°14950 de Diffusers, qui ajoute des sigmas d'échantillonnage configurés par le pipeline. Régler seul numinferencesteps ne modifie pas le calendrier enregistré ; seul un argument sigmas explicite le remplace, et Qwen précise que les autres calendriers n'ont pas été testés.
Cette sortie s'inscrit dans la course aux modèles d'images rapides. Le Turbo concurrence Z-Image-Turbo, du laboratoire Tongyi-MAI d'Alibaba (6 milliards de paramètres, 8 étapes), et FLUX.2 klein 9B de Black Forest Labs, qui s'appuie sur un encodeur Qwen3 8B. Sa vitesse repose sur la conception de l'attention : texte et images de référence sont calculés une fois à la première étape, puis leur contexte est réutilisé par un cache KV de préfixe. Avec seulement 8 étapes, ce cache couvre l'essentiel du coût de conditionnement. Le modèle de base accepte jusqu'à 10 images de référence et des retouches locales par cercles, annotations dessinées ou masques. La fiche du Turbo illustre huit catégories : portraits, poses humaines, images transparentes, typographie et affiches, interfaces. Côté édition, elle montre la transformation d'une image, la composition multi-références et une composition d'intérieur à quatre images.
Pas d'impact direct sur la France/UE