Qwen-Image 2.1 TurboがComfyUIに対応！

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
7Bのモデルサイズと既存の機能を引き継ぐ
ComfyUIでTurbo用テンプレートを読み込む
フルモデルとTurbo LoRAの2通り
Prompt Enhancerも引き続き利用できる
テンプレートで生成してみた
通常版との比較
まとめ

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。