Qwen-Image 2.1の高速版「Qwen-Image-2.1-Turbo」を、ComfyUIの公式テンプレートから利用できるようになりました。今回の中心は、画像生成・画像編集を8ステップで処理できること。通常版で利用していた透過画像や複数画像を使った編集も、高速化の対象になります。
モデル自体は10月9日に公開され、ComfyUIでは10月13日付のv0.40.0更新履歴にTurbo対応と専用テンプレートの追加が掲載されています。今回のアップデートで、ComfyUIから試すための導線が整いました。
なお、配布モデルのライセンスは通常版と同じQwen Research License Agreementです。研究・評価を目的とする非商用利用が許諾範囲で、商用利用には別途商用ライセンスの取得が必要です。
Turboで変わったのは生成に必要なステップ数
通常版Qwen-Image 2.1の公式Diffusers実行例は40ステップです。Turboは8ステップで生成・編集を行う高速化チェックポイントとして公開されました。画像生成部分の規模は、どちらも7B、70億パラメータです。
| 比較項目 | 通常版Qwen-Image 2.1 | Qwen-Image 2.1 Turbo |
|---|---|---|
| 画像生成部分 | 7B | 同じ7Bのアーキテクチャ |
| 公式Diffusers実行例 | 40ステップ | 専用スケジュールによる 8ステップ |
| ComfyUIのT2Iテンプレート | 初期値25ステップ | Turbo用の8ステップ構成 |
| CFG | 公式テンプレートは1 | 推奨値1 |
| 生成と編集 | 同じモデルで対応 | 両方を8ステップで処理 |
ComfyUIで通常版を25ステップで使っていた場合は、25回から8回へ、ステップ数で68％の削減になります。公式Diffusers例の40回と比べると80％の削減です。比較する通常版の設定によって数字が変わるため、「通常版は必ず40ステップ」と固定して考えず、実際に使っていたワークフローを基準に見ると分かりやすくなります。
この削減率はサンプリング回数の比較です。画像が保存されるまでの時間には、モデルの読み込み、プロンプトや参照画像の処理、VAEのデコードなども含まれます。実時間の短縮率はGPU、解像度、参照画像数、モデルの常駐状態によって変わります。
7Bのモデルサイズと既存の機能を引き継ぐ
Qwen-Image 2.1の特徴だった、生成と編集の統合、RGBA透過画像、最大10枚の参照画像は、通常版の時点で用意されていた機能です。Turboでは、それらを扱う画像モデルを少ないステップで動かせることが進化点になります。
Turboの公開作例には、人物写真、文字を含むポスター、UI、透過画像、複数参照画像の合成、4枚の画像を使った室内の構成が含まれています。解像度のプリセットも通常版を引き継ぎ、正方形の2048×2048や横長の2752×1536などを利用できます。Turboの作例と解像度設定
作例はTurboの8ステップ出力を示しています。通常版との画質差や、日本語の文字、人物の一致度、細部の保持については、用途に合ったプロンプトと参照画像を揃えて比較する必要があります。速度を理由に通常版のワークフローをすべて置き換えるより、同じ題材で仕上がりを見比べて使い分けるのが実用的です。
ComfyUIでTurbo用テンプレートを読み込む
ComfyUI v0.40.0では、次の2種類の公式テンプレートが追加されています。
ComfyUI本体とテンプレートを更新し、テンプレート一覧で「Qwen Image 2.1 Turbo」から読み込みます。Text to Imageは文章からの生成、Image Editは参照画像を使う編集用です。v0.40.0の更新履歴では、同梱テンプレートがv0.11.82へ更新されています。
専用サンプリングスケジュールが重要
Turboは、Turbo用の重みと専用のノイズ除去スケジュールを組み合わせて使います。Text to Imageテンプレートの説明では、8ステップ向けに蒸留したチェックポイントとManualSigmasを使用するとされています。ManualSigmasは、各ステップでどのノイズ量を扱うかを指定するノードです。
そのため、既存の通常版ワークフローから移行するときは、モデル名とStepsに加えてサンプリング構成も合わせる必要があります。最初はTurbo専用テンプレートをそのまま使うと、設定の取りこぼしを避けられます。
フルモデルとTurbo LoRAの2通り
Comfy-Orgからは、Turboのフルモデルに加え、通常版へ適用するTurbo LoRAも配布されています。両方とも案内されている基本設定は8ステップ・CFG 1です。
| 用途 | ファイル | 配布ページ上の容量 |
|---|---|---|
| Turboフルモデル BF16 | qwen_image_2.1_turbo_bf16.safetensors | 約14.2GB |
| Turboフルモデル INT8 ConvRot | qwen_image_2.1_turbo_int8_convrot.safetensors | 約7.26GB |
| 通常版に適用するTurbo LoRA | qwen_image_2.1_turbo_lora_avg_rank_178_bf16.safetensors | 約913MB |
容量はHugging Faceの表示値です。
公式のTurbo Image Editテンプレートでは、INT8 ConvRotのTurbo本体、Qwen3-VL 8Bのテキストエンコーダー、Qwen-Image 2.1用VAEを組み合わせています。通常版で使っていた対応テキストエンコーダーとVAEは引き続き利用できます。
Prompt Enhancerも引き続き利用できる
Prompt Enhancerは、入力した文章を画像モデルへ渡す前に書き換える別のモデルです。画像生成が8ステップになっても、Prompt Enhancerによる文章生成は別の処理として加わります。
テンプレートで生成してみた
公式テンプレートの設定INT8で生成してみました。
Text to Image 1024×1024 8step
VRAM16GB 環境で初回約42秒、2回目以降約4.3秒でした。
消費メモリは、専用GPU13GB、共有14GBでした。
Relight the scene as a clear moonlit night
edit 896×1152
平均約10秒、消費メモリは、専用GPU14GB、共有15GBでした。
通常版との比較
通常版2026年9月20日のリリース時に、「人物のライティングと細部の描写の改善した」とアナウンスがありました。
今回の比較でも、通常版は窓から回り込む柔らかな光、肌の明暗の滑らかな変化、逆光で透ける細い髪が目立ちます。Turboは影と輪郭が強まり、人物をくっきり見せる方向へ変わっています。
全128枚を比較しました。昼の明るい場所を除いてTurboは多くの候補で近い仕上がりを保ち、平均1.88～3.05倍速く生成できています。人物の差は小さく、少し差があったのは文字の装飾、壁・質感の描き込みでした。
まとめ
生成は早いですね。比較すると通常版の光の表現のクオリティの高さが際立ちます。
Qwen-Image 2.1 Turboの魅力は、生成・編集・透過画像という既存の用途を、8ステップで量産できることです。プロンプトを変えて構図を探したり、参照画像を差し替えて編集結果を見比べたりする作業には便利です。
