알리바바 Qwen 팀은 2026년 10월 9일 이미지 생성·편집 모델 Qwen-Image-2.1-Turbo의 가중치를 Hugging Face와 ModelScope에 공개했습니다. Hugging Face의 Turbo 모델 카드는 이 모델을 9월 20일 공개된 Qwen-Image-2.1의 가속 체크포인트로 소개하며, 같은 7B 시각 생성 구조로 텍스트-이미지 생성과 이미지 편집을 8번의 디노이징 스텝으로 처리한다고 설명합니다. Qwen의 GitHub 저장소 README에 적힌 원본 Qwen-Image-2.1의 기본 스텝 수는 40입니다.
같은 날 13시 24분(UTC)에 올라온 Qwen 공식 X 발표 게시물은 Alibaba Cloud Model Studio의 Turbo API도 정식으로 열렸다고 알렸습니다. Qwen 팀이 속도와 관련해 내놓은 수치는 스텝 수뿐이고, 실제 생성 시간(초)이나 원본 대비 속도 배수는 공식 자료에 없습니다. 생성 시간에는 텍스트 인코딩과 VAE 디코딩처럼 스텝 수와 무관한 구간도 들어가므로 40 대 8이라는 비율을 그대로 속도 차이로 읽을 수는 없습니다.
8스텝 스케줄은 체크포인트에 담겨 있다
Turbo는 권장 샘플링 스케줄을 체크포인트 안에 넣어 배포합니다. Hugging Face의 Turbo 모델 카드에 따르면 Diffusers가 이 8스텝 스케줄을 자동으로 불러옵니다. 스케줄 값은 Turbo 저장소의 설정 파일인 model_index.json의 sample_sigmas 항목에 숫자 8개로 들어 있습니다. Qwen 팀은 Turbo를 ‘가속 체크포인트’라고만 부르고 스텝을 줄인 학습 방법은 밝히지 않았습니다.
스케줄이 체크포인트에 고정돼 있어 원본용 코드에서처럼 num_inference_steps 값만 바꿔서는 Turbo의 스케줄을 덮어쓰지 못합니다. 호출할 때 sigmas 인자를 직접 넘기면 저장된 스케줄 대신 쓸 수 있지만, 모델 카드는 그 밖의 스케줄을 이 체크포인트에서 평가하지 않았다고 적습니다.
공개된 점수 60.28은 원본 2.1의 자체 평가다
Qwen 팀은 X 발표 게시물에서 “스텝이 줄었다고 품질이 낮아지는 것은 아니다(Fewer steps does not mean lower quality)”라며 Turbo가 텍스트만으로 2K 이미지를 만들고 자연어 지시로 이어서 편집할 수 있다고 주장했습니다. 이 주장을 받치는 Turbo 평가 수치는 공개되지 않았습니다. Hugging Face 모델 카드에는 그 대신 인물 사진, 투명 이미지 생성, 포스터 타이포그래피, 여러 참조 이미지 합성 등 8개 분야의 8스텝 출력 예시가 실려 있습니다.
공개된 비교 수치는 Turbo가 빠진 원본 2.1의 평가입니다. 9월 20일 Qwen 블로그의 Qwen-Image-2.1 발표글에 실린 Qwen-Image-Bench 총점 비교에서 Qwen-Image-2.1은 60.28점으로 29개 모델 가운데 7위였습니다. 1위는 GPT Image 2.5 Sunburst(67.01점)였고, 2.1보다 앞선 6개 모델은 모두 파라미터 수를 공개하지 않았습니다. 파라미터 수가 공개된 모델 중에서는 7B인 2.1이 가장 높았고, 32B인 FLUX 2 Max는 55.33점이었습니다.
arXiv에 실린 Qwen-Image-Bench 논문에 따르면 이 벤치마크는 층화 추출한 프롬프트 1,000개로 만든 이미지를 5개 축, 23개 하위 능력, 56개 세부 채점 항목으로 평가합니다. 채점은 Qwen3.6-27B 기반 판정 모델 Q-Judger가 맡고, 이 판정 모델은 미술대학 출신 전문 평가자 80명의 블라인드 라벨로 학습됐습니다. 60.28점은 Qwen 팀이 자사 발표글에 직접 실은 자체 평가 결과입니다.
로컬 실행에는 Qwen3-VL 8B 텍스트 인코더가 함께 필요하다
7B는 이미지를 생성하는 트랜스포머 부분의 크기입니다. Qwen의 GitHub 저장소 README는 구조 설명에서 Qwen-Image-2.1을 32층 7B 트랜스포머에 텍스트 지시와 조건 이미지를 함께 인코딩하는 Qwen3-VL 8B 텍스트 인코더, 투명 채널을 다루는 64채널 RGBA VAE를 더한 구성으로 설명합니다. Turbo의 설정 파일에도 같은 트랜스포머와 Qwen3-VL 텍스트 인코더, VAE가 지정돼 있습니다.
Hugging Face 저장소 메타데이터상 Turbo 저장소의 전체 용량은 약 32.5GB입니다. 실행에 필요한 GPU 메모리는 공식 자료에 나와 있지 않습니다.
Hugging Face 모델 카드의 설치 안내는 CUDA용 PyTorch 위에 Diffusers를 GitHub 소스로 설치하고(pip install git+https://github.com/huggingface/diffusers.git), transformers>=5.17.0과 accelerate, pillow를 더하는 순서입니다. 체크포인트는 QwenImage21Pipeline으로 바로 불러오며, 10월 5일 병합된 Diffusers의 PR #14950이 추가한 샘플링 스케줄 설정 기능을 요구합니다.
가중치의 상업 이용에는 별도 라이선스가 필요하다
Qwen의 GitHub 저장소 설명은 Qwen-Image-2.1을 ‘Qwen의 가장 강력한 오픈소스 이미지 생성 모델’로 소개합니다. Hugging Face의 Turbo 저장소도 저장소 메타데이터상 동의 절차 없이 내려받을 수 있게 열려 있습니다. 그러나 Turbo 저장소의 라이선스 문서인 Qwen Research License Agreement는 비상업(Non-Commercial)을 ‘연구 또는 평가 목적’으로 정의하고, 사용·복제·배포·수정을 비상업 목적에 한해 허용합니다.
2.b항은 권리자인 Hangzhou Tongyi Laboratory Technology Co., Ltd.의 별도 상업 라이선스 없이 상업 목적으로 쓰는 것을 금지하고, 문의처로 model-business@notice.qwencloud.com을 안내합니다. 4.b항은 이 모델이나 그 출력으로 AI 모델을 만들거나 학습·미세조정해 배포·제공하면 관련 문서에 “Built with Qwen” 또는 “Improved using Qwen”을 눈에 띄게 표시하도록 정하고, 4.c항은 파생물의 주된 이름에 ‘Qwen’을 쓰지 못하게 합니다.
이 조건은 이전 Qwen-Image 공개 모델과 다릅니다. 2025년 12월 공개된 Qwen-Image-2512의 Hugging Face 메타데이터는 라이선스를 apache-2.0으로 적고, 같은 해 8월의 Qwen-Image와 12월의 Qwen-Image-Edit-2511도 Hugging Face에서 Apache 2.0으로 표시됩니다. 비상업 조건은 9월 20일 Qwen-Image-2.1의 Hugging Face 저장소 공개 때부터 적용됐고, Turbo의 라이선스 문서는 원본 2.1의 문서와 내용이 같습니다.
Turbo API 가격은 싱가포르 기준 이미지당 0.016달러
Alibaba Cloud Model Studio는 Turbo를 qwen-image-2.1-turbo, 함께 제공하는 Qwen-Image-2.1-Pro를 qwen-image-2.1-pro라는 모델 ID로 제공합니다. Model Studio의 텍스트-이미지 문서는 Turbo를 Qwen-Image 계열에서 비용 효율이 가장 높은 모델로, Pro를 속도·품질·비용의 균형이 가장 좋은 모델로 소개합니다. 같은 문서는 Turbo가 프롬프트에 따라 투명 채널 이미지를 자동으로 출력할 수 있다고 적습니다.
다음 표는 10월 10일 확인한 Model Studio의 Turbo 모델 페이지와 Pro 모델 페이지, 가격표, 출시 기록의 값이며, 가격은 프로모션을 뺀 정가입니다.
| 항목 | Turbo | Pro |
|---|---|---|
| API 모델 ID | qwen-image-2.1-turbo | qwen-image-2.1-pro |
| 이미지당 가격: 싱가포르(International) | 0.016달러 | 0.04달러 |
| 이미지당 가격: 베이징과 Global 리전(미국·독일·일본·홍콩) | 0.014133달러 | 0.035333달러 |
| 분당 요청 한도(RPM) | 120 | 20 |
| 싱가포르 무료 할당량 | 10장 | 10장 |
| Model Studio 출시 기록 | 10월 9일 | 10월 2일 |
무료 할당량은 Model Studio 가격표에 따라 싱가포르 리전에서만 주어집니다. 싱가포르 기준 Turbo 단가는 Pro의 40%이고, 가격표에 함께 실린 이전 세대 qwen-image-2.0(0.035달러)보다도 낮습니다.
help.aliyun.com의 같은 모델 페이지는 Turbo 가격을 위안화로, 베이징과 Global 리전 0.1위안, 싱가포르 0.113362위안으로 표기합니다. 표의 출시일은 Model Studio 모델 출시 기록의 싱가포르 리전 기준이고, GitHub와 X 공지는 10월 9일에 Pro와 Turbo API가 함께 정식 제공됐다고 적었습니다.
2.1 계열 API의 요청 규칙
요금은 생성에 성공한 이미지 장수만큼 붙고, 한 번에 1~6장(n)까지 요청할 수 있다고 텍스트-이미지 문서는 설명합니다. 크기는 512*512부터 2048*2048까지, 비율 1:8~8:1 안에서 지정할 수 있습니다. 기본으로 켜진 프롬프트 확장(prompt_extend)은 큰 모델로 프롬프트를 다시 쓰는 기능으로, 생성 시간을 3~5초 늘립니다. 같은 문서는 2.1 계열이 negative_prompt를 지원하지 않는다며 빼고 싶은 요소를 프롬프트 문장에 적으라고 안내합니다.
Model Studio의 이미지 편집 문서에 따르면 2.1 계열은 편집 요청에 입력 이미지를 1~10장 받고(3.0 계열은 1~3장), 결과는 PNG로 돌려줍니다.
기존 Qwen-Image 사용자가 Turbo로 옮길 때 다시 볼 조건
원본 Qwen-Image-2.1을 Diffusers로 쓰던 경우에는 저장소 ID를 Qwen/Qwen-Image-2.1-Turbo로 바꾸면 8스텝 스케줄이 함께 적용되고, 코드에 남은 num_inference_steps=40은 이 스케줄을 바꾸지 못합니다. PR #14950이 들어가기 전의 Diffusers로는 모델 카드가 요구하는 조건을 채우지 못합니다.
Apache 2.0인 Qwen-Image나 Qwen-Image-2512를 상업 서비스에 쓰던 경우에는 2.1이나 Turbo 가중치로 옮기면 이용 조건이 달라집니다. 이 가중치를 상업 목적으로 쓰려면 권리자에게 별도 상업 라이선스를 받아야 합니다. Model Studio API로 생성한 이미지를 상업적으로 쓸 수 있는지는 확인되지 않았습니다.
Model Studio API로 분당 20건이 넘는 요청을 보내는 작업은 Pro의 한도를 넘고, Turbo의 한도(120건) 안에는 듭니다. 다른 이미지 모델에서 negative_prompt로 빼던 요소는 2.1 계열에서 프롬프트 문장 안에 적는 방식으로 바뀝니다. API에서 Turbo의 생성 시간을 직접 잴 때는 기본으로 켜진 prompt_extend가 더하는 3~5초도 결과에 들어갑니다.
한국어 문구를 넣은 이미지는 공식 자료만으로 결과를 가늠하기 어렵습니다. 원본 2.1 발표글은 지원 언어 목록을 싣지 않았고, 텍스트 렌더링 예시도 영어와 간체 중국어뿐입니다. 싱가포르 리전에서는 Turbo 무료 할당량 10장으로 한국어 문구를 먼저 시험해 볼 수 있습니다.
자료 확인 기준: 2026년 10월 10일(UTC).
구글 Nano Banana 2.1 정식 제공, 이미지 단가는 내리고 입력·사고 단가는 올렸다
구글이 2026년 10월 6일 Gemini API에서 이미지 생성 모델 Nano Banana 2.1을 정식 제공하고 Nano Banana 2를 지원 중단했습니다. 다만 Gemini 앱 같은 일반 이용자 채널은 이름만 공개됐고, 플랜·국가별 적용 범위는 나오지 않았습니다.
GPT Image 2.5 공개, 부분 수정 강화하고 Higgsfield에서도 제공
OpenAI가 이미지 편집과 생성 기능을 개선한 GPT Image 2.5를 공개했습니다. Higgsfield에서는 Flare와 Sunburst를 선택해 사용할 수 있습니다.