Qwen-Image-2.1 Pro / Turbo API 上线：图像生成从「能出图」走到「能接进工作流」

2026 年 10 月 11 日，千问 AI 平台宣布 Qwen-Image-2.1 Pro 与 Turbo API 正式上线。据界面新闻、DoNews 等转载的平台公告，开发者可以通过 API 把图像生成与编辑能力直接接进应用，不必自己部署模型、管理推理环境，官方给出的目标场景是设计、电商与内容创作的工作流搭建。同日，Qwen-Image-2.1-Turbo 的模型权重同步开放。

时间线上还有更早的一步：据 PC Watch 10 月 9 日报道（原文引用 Qwen 官方账号推文），Qwen 团队已于当日以开放权重形式在 Hugging Face 与 ModelScope 发布 Qwen-Image-2.1-Turbo，图像生成去噪步数压缩到 8 步。也就是说，权重开放与托管 API 上线相隔两天，官方给出的是「二选一」而非「两条都必须走」的路径：要快上线用托管 API，要自己掌控流程用权重。

这条新闻的形态值得注意：它不是一次模型能力跃迁发布，而是一次**可用性收口**——把 9 月 20 日发布的模型变成两条可走的落地通道。对做选型的团队来说，这种新闻的信息密度往往高于又一次跑分刷新。

据 Qwen 官方说明（经 PC Watch 与社区整理稿一致转述），Turbo 是 Qwen-Image-2.1 的加速检查点，视觉生成部分仍是 7B 参数架构，与标准版共享同一套设计：文本以自然语言下达指令，图像由 Qwen3-VL 8B 编码，视觉生成为 32 层 Single-Stream DiT，配 64 通道 RGBA VAE 与 16× 空间压缩。

差别在去噪步数。标准版官方示例默认 40 步，Turbo 压到 8 步，官方称仍能保持不错的 2K 文本生图质量。若单看数字，这是五分之一的采样开销；但需要把话说完整——**「8 步保质量」是官方口径，PC Watch 的转述用了「という」（据称）的措辞，本次核验未找到第三方在真实业务提示词上的独立 A/B 复现**。

支撑加速的另一项设计是 prefix KV cache 复用：在一次生成过程中，文本指令与参考图是不变的，模型可以先算完这段静态条件并在后续去噪步里复用缓存，而不是每步重算。这项机制在标准版里也存在（Diffusers 实现会在因果条件选项开启时自动启用），但在 Turbo 的少步数设定下，重复计算的节省占比更高——编辑判断，未实测：这更像是把已有机制放到更吃收益的位置，而不是凭空多出一个技巧。

输出规格与标准版一致：方形默认 2048×2048，16:9 与 9:16 等比例的长边最高可到 2752 像素。这意味着 Turbo 不是「缩水版」，而是同一能力面的更省路径。

价格是最容易被二手文章写错的部分，所以这里只写官方文档里逐项核对得到的数。阿里云 Model Studio 的 qwen-image-2-1-turbo 文档页（页面标注最后更新 2026-10-11）显示：图片生成按张计费，中国（北京）区域 0.014133 美元/张，新加坡区域 0.016 美元/张；四个海外区域（弗吉尼亚、法兰克福、东京、香港）与北京同价。所有区域 RPM（每分钟请求数）上限均为 120。

同一页列出了明确的能力边界，这些「不支持」项对选型往往比「支持」更有用：不支持 Function Calling、结构化输出、联网搜索、前缀续写、上下文缓存与批量推理；输入模态为文本加图像，输出模态为图像；支持微调。

两点必须提醒。第一，文档页明确写着「仅显示 API 调用原价，不含任何限时促销」，实际账单以控制台为准。第二，**本次核验未取得 Pro 档的官方逐档价格表**，因此本文不对 Pro 价格做任何数字断言——如果你要做预算，请直接打开百炼官方计费页核对，不要用 Turbo 的价格去推 Pro。

按 0.014133 美元/张粗略换算，单张成本在人民币一毛上下（取决于汇率与批量折扣）。这个量级使得「先出一批候选图再挑」的工作流比「精修一张」更经济，但批量推理接口尚未开放，现阶段要靠循环调用实现。

如果只盯着「8 步」和「几分钱一张」，会漏掉这次更新里更难被复制的部分——它们都来自 9 月 20 日的 Qwen-Image-2.1 本体，只是随着 API 与 Turbo 上线才真正变得可用。

**其一，原生 RGBA 透明图。** 模型用带 alpha 通道的 VAE 直接生成透明背景素材，而不是先出 RGB 图再跑一遍抠图。官方仓库建议在提示词里明确写出 RGBA 相关描述。对贴纸、emoji、商品抠图、游戏素材、PPT 图形这类「生成后要叠到别的背景上」的需求，这等于从流水线里拿掉一整段分割步骤。

**其二，最多 10 张参考图。** 一次编辑任务可以把人物、外套、鞋子、包、帽子分别作为参考图输入，组合成完整穿搭；也可以用多张肖像合成合影。官方演示给出了这两类例子。这使得「保持主体身份或商品特征的多素材组合」成为可能，对电商与角色设计的价值高于单纯的画质提升。

**其三，可控局部编辑。** 用户可以用圆圈、涂抹标注或单独的 mask 图来指定编辑区域，而不必把所有空间细节写进文字。单独 mask 尤其适合生产流程——原图不必被永久画上标记。官方演示里，一张图可以同时标记「去掉手表」「改发色」「换衣服」三个区域。

这三点合起来指向一个判断（编辑判断）：这条产品线的竞争力正从「画得好」转向「能不能被嵌进一条已有的流水线」。透通道省掉后处理，多参考图降低反复抽卡，mask 编辑减少对提示词工程的依赖——三项都是工程属性，而非画质属性。

Qwen-Image-2.1 与 Qwen-Image-2.1-Turbo 适用的是 **Qwen Research License Agreement**，不是 Apache 2.0 这类宽松许可证。社区整理稿与 PC Watch 的报道给出了一致的口径：允许的非商用用途限于研究或评估，商用需向 Qwen 另行取得商业许可。

翻译到实际决策上：「可以下载权重」「可以研究/评估」「可以为研究目的自托管」都为是；但「公开许可证自动授予商用权利」为否。如果你打算把它接进给客户出图的产品，或嵌进付费服务，需要先读一遍官方许可证原文，而不是沿用此前 Qwen 某些版本的授权习惯。

这里还有一个容易被忽略的组合：托管 API 与开放权重走的是不同授权路径。走 Model Studio 的 API 时，你受的是云服务条款约束；下载权重自部署时，你受的是 Qwen Research License 约束。二者条款不同，混着谈「能不能商用」很容易谈错。本文不构成法律建议。

Qwen 团队在发布时用自建的 Qwen-Image-Bench 给出了 60.28 的综合分。同一份厂商对比里，Nano Banana 2.0 为 59.82、GPT Image 1.5 为 59.65；PC Watch 的报道把它放在 GPT Image 2.5 Sunburst（67.01）之下、FLUX 2 Max（55.33）之上。

必须说清楚的口径问题是：**Qwen-Image-Bench 由 Qwen 团队开发，不是独立第三方榜单**。它含 1000 条提示词，从 Quality、Aesthetics、Alignment、Real-world Fidelity、Creative Generation 五个大类评估，细分为 23 项子能力与 56 个评估面，打分使用基于 Qwen3.6-27B 的 Q-Judger。这些数字适合理解厂商如何给自己定位，不适合当作「在你自己的活儿里一定比别人强」的证据。

更实用的选型线索反而是官方文档里那些硬边界：不支持批量推理、不支持联网搜索、RPM 120。如果你的场景是每天几千张的批量出图，120 RPM 的上限意味着要提前做队列与重试设计；如果你的场景需要模型自己找参考资料，这一版不支持联网搜索，得在上层补齐。

**百器AI 未对 Qwen-Image-2.1 Pro / Turbo 做任何第一方实测**：未调用 API、未本地部署、未跑 8 步与 40 步的对照采样、未做自有任务集的出图评测。本文所有性能描述均为官方口径（已标注「官方称」）或第三方媒体报道/社区整理的转述（已标注来源），编辑判断已单独标注。

三项明确留白的未完成项：其一，Pro 档官方价格表未取得，不做数字断言；其二，「8 步保 2K 质量」无第三方独立复现，标记为待验证；其三，Qwen-Image-Bench 为厂商自建基准，不作为选型结论。

想要真正的答案，只有一条路：用你自己的真实任务集跑一遍。特别是「8 步与更多步在你这类提示词上的质量差」和「10 张参考图能否保住你的商品特征」这两件事，公开数字都回答不了。