Qwen-Image-2.1-Turbo: 같은 7B 생성기, 노이즈 제거는 단 8단계

타임라인

1. 2026년 9월 14일

   Qwen-Image-2.1 저장소가 Hugging Face에 나타난다. 카드 설명에 따르면 텍스트-이미지 생성과 이미지 편집을 통합한 모델로, 시각 생성 부분은 32층 단일 스트림 DiT에 7B 파라미터이며, 네이티브 투명도, 최대 10장의 참조 이미지로 하는 편집, QwenImage21Pipeline이라는 Diffusers 파이프라인을 갖췄다. 예제 호출은 추론 40단계를 요구한다.

   Qwen/Qwen-Image-2.1 model card

2. 2026년 10월 9일

   Qwen-Image-2.1-Turbo 저장소가 나타난다. 카드는 Qwen-Image-2.1의 가속 체크포인트로, 노이즈 제거 8단계, 같은 7B 아키텍처, 기본값 CFG=1, 프리픽스 KV 캐싱을 쓴다고 설명하며 Diffusers를 소스에서 설치해야 한다고 밝힌다.

   Qwen/Qwen-Image-2.1-Turbo model card

먼저 기본 모델, Turbo는 그것과 견줘야 이해된다

9월 14일 Hugging Face에 Qwen-Image-2.1이라는 저장소가 나타났고, 카드는 소박한 한 문장으로 시작한다. Qwen 계열의 텍스트-이미지 생성과 이미지 편집을 통합한 모델을 오픈소스로 공개하게 되어 기쁘다는 것이다. 뒤따르는 세부 내용이 실제로 돌려야 하는 사람에게 중요하다. 시각 생성 부분은 32층 단일 스트림 DiT로 이루어진 7B 파라미터뿐이고, 카드는 이번 릴리스를 가장 큰 모델을 노린 것이 아니라 품질, 효율, 범용성 사이의 균형으로 설명한다.

카드는 개선점 네 가지를 든다. 혼합 입도 어텐션과 프리픽스 KV 캐시 재사용을 갖춘 간결한 아키텍처로 낮은 연산 비용에서 화질을 내는 것이 목표다. 네이티브 투명도는 한 모델로 텍스트에서 일반 또는 투명(RGBA) 이미지를 생성하고, 투명 레이어를 편집하고, 사진에서 피사체를 추출하게 해 준다. 편집은 최대 10장의 참조 이미지를 지원하고, 국소 편집을 원, 손으로 그린 주석, 별도 마스크로 지정할 수 있으며 인물과 제품의 정체성을 유지한다. 마지막으로 작성자는 타이포그래피, 인물 조명, 세부 묘사가 나아졌다고 주장한다. 모두 작성자의 주장이다. 카드에는 우리가 확인할 수 있는 벤치마크 표가 없고 모델도 돌리지 않았다.

예제 코드는 사용 비용에 대해 솔직하다. 텍스트-이미지 호출은 2048×2048에서 추론 40단계를 요구하며, 메모리 예산이 빠듯한 경우를 위해 카드는 파이프라인에서 enable_model_cpu_offload를 호출하라는 팁을 싣는다. 이것이 Turbo가 개선하려 한 기준선이다.

4주 뒤: ‘가속’이란 무엇인가

4주 뒤인 10월 9일 두 번째 저장소가 나타났다. Qwen-Image-2.1-Turbo다. 카드의 첫 문단은 압축된 한 문장이다. Qwen-Image-2.1의 가속 체크포인트로, 텍스트-이미지 생성과 이미지 편집을 위해 노이즈 제거를 8단계로 하고, 같은 7B 시각 생성 아키텍처를 쓰며, Diffusers의 같은 QwenImage21Pipeline으로 바로 불러올 수 있다. 아키텍처는 하나도 바뀌지 않았다. 바뀐 것은 이미지 한 장을 만들기 위해 모델을 몇 번 돌리느냐다.

용어가 낯선 독자를 위해 설명하면, 확산 모델은 노이즈에서 출발해 반복적으로 다듬어 이미지를 만든다. 한 번의 다듬기가 노이즈 제거 한 단계이고, 각 단계는 네트워크를 한 번 통과하는 전체 연산이므로 단계 수가 이미지 한 장에 걸리는 시간을 정하는 첫째 요인이다. 기본 카드의 예제는 40단계이고 Turbo의 예제는 8단계다. 통과 횟수가 5분의 1로 줄었으니 헤드라인을 쓰기 쉽다. 그래서 더 조심한다. 단계 수가 실제 소요 시간은 아니다. 해상도, 하드웨어, 캐시된 컨텍스트, 네트워크 밖의 모든 것이 시간에 영향을 주는데, 카드는 시간 측정치를 제시하지 않는다. ‘빠르다’는 측정된 결과가 아니라 예상되는 귀결로 받아들이자.

두 번째 변경은 덜 눈에 띈다. 카드는 생성이 기본적으로 CFG=1을 쓴다고 말한다. 분류기 없는 가이던스(classifier-free guidance)는 통상적인 정식화에서 모델을 프롬프트와 함께 한 번, 프롬프트 없이 한 번 돌린 뒤 결과를 프롬프트 없는 답에서 멀어지게 미는 기법이다. 가이던스 스케일이 1이면 그 추가 힘이 꺼진다. 이는 카드가 명시한 것이 아니라 일반적인 배경 지식이며, 증류된 소수 단계 모델이 싸지기 쉬운 이유의 일부다. 카드가 분명히 말하는 것은 체크포인트에 권장 샘플링 스케줄이 함께 들어 있어 스케줄러를 직접 설정할 필요가 없다는 점, 프리픽스 KV 캐싱이 노이즈 제거 단계들에 걸쳐 텍스트와 참조 이미지 컨텍스트를 재사용한다는 점이다. 이유는 간단하다. 프롬프트와 참조 이미지는 단계마다 바뀌지 않으므로 그 중간 결과를 한 번 계산해 재사용할 수 있다.

발목을 잡는 부분: 설정

라이브러리 버전을 고정해 본 사람이라면 Turbo 카드에서 가장 중요한 문장이 무엇인지 안다. 이 체크포인트는 파이프라인에서 설정하는 샘플링 시그마를 지원하는 Diffusers 버전을 요구한다. Diffusers 풀 리퀘스트 14950에서 추가된 것으로, 릴리스가 아니라 소스 저장소에서 Diffusers를 설치해야 한다는 뜻이다. transformers 5.17.0 이상, accelerate와 pillow, CUDA 호환 PyTorch 빌드도 요구한다. 실제로는 Turbo 기반 배포가, 빌드 시스템이 기본으로 가져오는 패키지에는 아직 들어 있지 않을 수 있는 변경에 의존한다는 뜻이다. 커밋을 고정하자.

샘플링 안내에는 함정이 하나 더 있다. 저장된 8단계 스케줄은 자동으로 불러와지며, 카드에 따르면 num_inference_steps만 설정해서는 덮어쓸 수 없다. 실험하려면 호출 시 sigmas 인자를 명시적으로 넘겨야 하는데, 카드는 이 체크포인트에서 다른 스케줄을 평가하지 않았다고 솔직하게 밝힌다. 곧 8단계 레시피가 지원되는 길이고 거기서 벗어나는 것은 본인 책임이다. 품질을 위해 단계 수를 올려 온 사람은 이 손잡이가 기대대로 듣지 않는다는 것을 알게 될 것이다.

카드의 두 가지 실제 예제는 작성자가 전형적이라 보는 사용 방식을 보여 준다. 텍스트-이미지 예제는 세로 방향 교육용 포스터를 1696×2528로 요구하며, 레이아웃, 색상, 모든 줄의 글자와 화학식 전체까지 지시하는 아주 긴 프롬프트를 쓴다. 타이포그래피에 대한 의도적인 부하 시험이다. 편집 예제는 모터요트 스케치를 받아 2048×2048의 사실적인 사진을 요구하며, 프롬프트로 선체 색, 굴뚝 색, 현창, 바다 상태를 지정한다. 카드는 지원하는 종횡비도 나열하는데 2048×2048의 1:1부터 1536×2752의 9:16까지이고, 쇼케이스는 인물 사진, 인물 자세와 동작, 투명 이미지 생성, 타이포그래피와 포스터 디자인, 단일 이미지 변환, 다중 참조 합성, 네 장 이미지 인테리어 합성으로 나뉜다.

읽어야 할 것은 라이선스

두 카드 아래쪽에는 이것이 장난감인지 부품인지를 가르는 한 줄이 있다. 이 모델은 Qwen Research License Agreement로 라이선스된다. OSI 기준의 오픈소스 라이선스가 아니므로 ‘오픈 웨이트’는 정확한 표현이지만 ‘제품에 자유롭게 실어 출시할 수 있다’고 가정해서는 안 된다. 상업적인 것을 만든다면 계약서 자체를 읽자. 여기서는 조항을 요약하지 않았고 짐작하지도 않는다.

채택 신호는 페이지에서 보인다. Hugging Face는 Turbo 체크포인트를 쓰는 Space를 31개로, 기본 모델은 100개로 표시한다. 사람들이 써 보고 있다는 것은 알 수 있지만 얼마나 잘 되는지는 알 수 없다. Turbo 카드는 공식 양식으로도 피드백을 받는데, Qwen Image 연구팀에 연결되며 프롬프트, 이미지, 워크플로를 공유해 달라고 요청한다. 성숙도를 가늠할 단서로 쓸모 있다. 팀이 아직 실패 사례를 모으고 있다는 뜻이다.

GPU가 비어 있다면 이렇게 시험한다

증류된 체크포인트를 평가하는 정직한 방법은 나머지를 모두 고정하는 것이다. 나에게 중요한 프롬프트 스무 개를 고른다. 글자가 들어가는 것과 투명 배경이 필요하다면 그런 것도 최소 하나씩 포함한다. 시드를 고정하고 각각을 기본 모델에서 40단계, Turbo에서 8단계로 렌더링한다. 실제로 쓸 해상도로 내 카드에서 둘의 시간을 잰다. 그런 다음 짝지은 이미지를 보며 내 제품에 중요한 실패를 찾는다. 글자 깨짐이든, 편집 중 정체성 이탈이든, 투명 가장자리의 프린지든 좋다. 카드는 동등성을 주장하지 않으니 그렇게 가정해서도 안 된다.

우리의 판단

Turbo는 사람이 프롬프트를 반복해서 다듬으며 매번 결과를 기다리는 대화형 사용에서 흥미롭다. 초안을 빠르게 많이 생성하고 채택할 것만 기본 모델로 렌더링하는 워크플로는 합리적이며, 두 체크포인트가 그것을 위해 만들어졌다. 주변 도구를 만든다면 미출시 Diffusers 변경에 대한 의존이 가장 깨지기 쉽고, 연구용 라이선스가 출시를 가장 막기 쉽다. 어느 쪽도 이 모델을 무시할 이유는 아니다. 쇼케이스보다 설정 절을 먼저 읽을 이유일 뿐이다. 기본 모델이 더한 것, 투명도와 편집 글이 이야기의 나머지 절반을 다룬다.

이 이미지 모델 옆의 언어 모델 계보는 Qwen 모델 출시 타임라인에 있다.

이어서 읽기

모든 글은 최신순으로 Front 블로그 목록에 있습니다.

• Qwen Image 2.1의 투명 이미지와 편집: Qwen Image 2.1의 투명 이미지와 편집 기능.
• Ling 3.1 Flash: 돌리려면 무엇이 필요한가: Ling 3.1 Flash를 돌리는 데 필요한 하드웨어.
• Reflection Beam 501B 타임라인: Reflection Beam 501B 가중치 공개를 날짜순으로 정리.
• Blender 대안 고르는 법: 3D 도구 선택을 위한 종합 가이드.
• Qwen 모델 출시 타임라인: Qwen을 Qwen-7B부터 Qwen3-Coder까지, 라이선스와 컨텍스트.

자주 묻는 질문

업데이트 기록

• 2026년 10월 17일 — 최초 게시.

출처

• Qwen/Qwen-Image-2.1-Turbo model card
• Qwen/Qwen-Image-2.1 model card