Qwen-Image 2.1 Turbo: 4 segundos por imagem na RTX 4090
Testei o Qwen-Image 2.1 Turbo no ComfyUI com uma RTX 4090: 3 a 4 segundos por imagem, com qualidade próxima à versão comum.
👁 117 leituras
O Qwen-Image 2.1 Turbo é uma versão acelerada do Qwen-Image 2.1, lançada pela Alibaba em 9 de outubro de 2026. Em vez de 25 etapas, ele usa 8. Rodei o modelo localmente no ComfyUI com uma RTX 4090 e usei os mesmos quatro prompts da versão comum 2.1. O Turbo gera uma imagem de 1024×1536 em 4 segundos; o 2.1 comum leva 20. A qualidade é muito parecida e, em dois testes com texto em polonês, o Turbo teve resultados melhores.
Atualizado em 17 de outubro de 2026
- Tempo na RTX 4090: 3-4 s por imagem; o 2.1 comum leva 13-20 s. Isso equivale a uma velocidade 4-5 vezes maior.
- Memória: pico de 16,8-18,6 GB de VRAM na placa inteira, na versão int8.
- Arquivo do modelo: 7,26 GB. O codificador de texto e o VAE são os mesmos do 2.1; se você já tem o 2.1, precisa baixar apenas esse arquivo.
- Licença: Qwen Research, sem uso comercial.
- ComfyUI: suporte nativo a partir da versão 0.41 e modelo pronto na galeria de templates.
Série: IA local na RTX 4090, testes de 17 de outubro de 2026
- Panorama: novos modelos de IA local (outubro de 2026)
- Influenciadora de IA sem aparência artificial: 5 personagens em 5 modelos
- Influenciadora de IA falando: vídeo com voz em polonês
- FLUX 3 Image Klein: 7,5 GB de VRAM, 6 s por imagem
- Qwen-Image 2.1 Turbo: 4 s por imagem (você está aqui)
- Kandinsky 6.0: vídeo com áudio e fala em polonês
- YuE2 e outros 3 modelos: músicas em polonês localmente
O que é o Qwen-Image 2.1 Turbo
É o mesmo modelo do Qwen-Image 2.1 (7B), que no início de outubro era o melhor modelo aberto de geração de imagens no ranking da Artificial Analysis, mas destilado. A destilação ensina o modelo a chegar à imagem final com menos etapas. A equipe Qwen publicou os pesos no Hugging Face em 9 de outubro; no dia seguinte, a Comfy-Org disponibilizou um pacote pronto para o ComfyUI, nas versões int8 e bf16.
O Turbo usa um cronograma fixo: 8 etapas com valores sigma definidos manualmente, sampler euler e CFG 1. Não é preciso configurar o número de etapas como em um KSampler comum, porque o template do ComfyUI já fornece a lista.
Meu teste: Turbo versus 2.1 comum
Equipamento: RTX 4090 de 24 GB, 64 GB de RAM, Windows 11, ComfyUI 0.41.0 e modelos int8 em um SSD conectado por USB. Dei às duas versões os mesmos quatro prompts e usei a mesma semente (7). O Turbo usa 8 etapas e CFG 1; o 2.1 comum usa 25 etapas e CFG 3. Medi o tempo entre o envio da tarefa e o salvamento do arquivo. A VRAM foi monitorada com o nvidia-smi a cada meio segundo. Os prompts e os testes de texto descritos abaixo foram feitos em polonês; as versões em português apresentadas aqui são traduções do material original, não novos testes em português.
| Prompt | Resolução | Turbo | 2.1 comum |
|---|---|---|---|
| Pôster com texto em polonês | 1024×1536 | 45,4 s* | 38,1 s* |
| Retrato de pescador | 1024×1536 | 4,0 s | 20,1 s |
| Loja dos anos 1980 | 1536×1024 | 4,0 s | 20,1 s |
| Foto de produto | 1024×1024 | 3,0 s | 13,0 s |
* A primeira imagem da série inclui o carregamento do modelo do disco para a memória da placa. A geração propriamente dita no Turbo leva os mesmos 4 segundos das imagens seguintes.
Pôster com texto em polonês
O prompt original em polonês pedia o título vermelho “JAZZ SOBRE O ODER” e a legenda “Breslávia, 14-16 de novembro de 2026”, sendo essa frase em português uma tradução do texto original testado em polonês. Os dois modelos escreveram a palavra polonesa para “Oder” corretamente, com o diacrítico na tradução original. Porém, ambos perderam a letra correta no nome da cidade, e o resultado foi letras corrompidas no teste original em polonês. O Turbo produziu um título maior e mostrou a silhueta inteira de um saxofonista; o 2.1 deixou bastante espaço azul-marinho vazio.
Loja dos anos 1980 e preço em uma placa
O teste pedia a placa “Juntos” e um cartaz com “VINAGRE 12” - uma tradução do texto do prompt original em polonês, não um novo teste. O Turbo escreveu o cartaz sem erros na tradução do original, mas omitiu a placa. O 2.1 comum gerou letras corrompidas no teste original em polonês em vez da inscrição correta, e o cartaz mostrou “12”, sem a palavra traduzida para “VINAGRE”. O clima de uma loja da época da República Popular da Polônia apareceu nas duas imagens, mas o 2.1 comum criou prateleiras mais cheias.
Retrato e foto de produto
Nas duas versões, o retrato do pescador no píer parece uma imagem de filme: rugas, jaqueta molhada e luz cinzenta. O Turbo tem um pouco mais de contraste e um visual mais “publicitário”. Sem comparar as imagens lado a lado, eu não saberia dizer qual foi feita com 8 e qual com 25 etapas.
Como usar o Turbo no ComfyUI
- Atualize o ComfyUI para a versão 0.41 ou mais recente. O template do Turbo não está disponível na versão antiga 0.37.
- Baixe do repositório Comfy-Org/Qwen-Image-2.1 o arquivo
diffusion_models/qwen_image_2.1_turbo_int8_convrot.safetensors(7,26 GB) e coloque-o emComfyUI/models/diffusion_models. - Se você ainda não tem o 2.1 comum, baixe também o codificador
qwen3vl_8b_int8_convrot.safetensors(9,35 GB, paratext_encoders) e o VAEqwen_image_2.1_vae_bf16.safetensors(0,68 GB, paravae). - No ComfyUI, abra Workflow, depois Browse Templates, e escolha “Qwen Image 2.1 Turbo”.
- Por padrão, o template deixa desativado o expansor de prompts, que usa um modelo Qwen 3.5 9B separado (9,5 GB). Sem ele, escreva diretamente uma descrição completa da cena em inglês. Um prompt curto como “gato no sofá” gera uma imagem correta, mas sem graça.
O guia geral de instalação do ComfyUI no Windows está em ComfyUI do zero; a lista completa de modelos que rodam localmente na minha máquina está no guia IA local.
Licença: para que você pode usar o modelo
O Turbo tem a mesma licença do Qwen-Image 2.1: Qwen Research. É possível executar, testar e estudar o modelo, mas o uso comercial - como criar capas para clientes, anúncios ou produtos - exige uma autorização separada da Alibaba. Se você precisa de um modelo local para trabalho comercial, veja o Z-Image Turbo, que usa a licença Apache 2.0 e gera imagens em tempo parecido.
Para quem o Turbo é indicado
- Para encontrar ideias rapidamente: com 4 segundos por imagem, você pode mudar o prompt e ver o resultado quase na hora. O 2.1 comum leva cinco vezes mais.
- Para gerar séries: 100 imagens em 1024×1536 levam cerca de 7 minutos, contra 33 minutos.
- Continue usando o 2.1 comum para imagens individuais mais elaboradas, com cenas densas e muitos detalhes ao fundo.
A maneira mais simples: Hangar
O Turbo está no catálogo do Hangar, meu gerenciador gratuito de modelos locais para Windows, sem conta nem assinatura e com o ComfyUI como mecanismo. A versão int8 ocupa 17,3 GB no total: o modelo Turbo de 7,26 GB, o mesmo codificador Qwen3-VL-8B int8 de 9,35 GB e o VAE de 0,68 GB usados no 2.1 comum. A licença também é a mesma do 2.1: Qwen Research, sem uso comercial. O 2.1 comum já foi testado no Hangar (52 s por imagem, incluindo o carregamento); ainda não testei as configurações do Turbo.
- Baixe o instalador (14 MB) no site do Hangar. Ele ainda não tem assinatura digital, então o Windows SmartScreen exibirá um aviso: clique em “Mais informações” e depois em “Executar assim mesmo”.
- O Hangar detecta a placa de vídeo (Nvidia com CUDA, a partir de 8 GB de VRAM; 12 GB ou mais são recomendados) e informa se o modelo cabe nela.
- Encontre o Qwen Image 2.1 Turbo no catálogo. Você verá o tamanho dos arquivos, a licença e se o modelo pode ser usado na União Europeia.
- Por enquanto, gere imagens no ComfyUI seguindo as instruções acima. O Hangar instala o ComfyUI portable do zero - no meu caso, levou 231 s - ou se conecta a uma instalação que você já tem.
O modelo está no catálogo do Hangar, mas ainda não é possível gerar imagens pelo próprio Hangar (situação em 17 de outubro de 2026). Por enquanto, use o ComfyUI seguindo as instruções acima. Saiba mais sobre a ferramenta em Hangar.
Perguntas frequentes
Quanta VRAM o Qwen-Image 2.1 Turbo precisa?
Na minha máquina, o uso máximo da placa inteira foi de 16,8-18,6 GB na versão int8. Em placas de 16 GB, o ComfyUI transfere parte dos pesos para a RAM, o que deixa a geração mais lenta. A versão bf16, cujo modelo sozinho ocupa 14,2 GB, é uma opção apenas para placas com 24 GB ou mais.
O Turbo consegue escrever em polonês?
Em parte. A referência ao rio Oder e o número “12” foram grafados de forma condizente com a tradução do original; o nome da cidade resultou em letras corrompidas no teste original em polonês, e a placa com a palavra “Juntos” em sua versão polonesa original desapareceu. O resultado foi melhor do que o do 2.1 comum nesse mesmo teste, mas eu conferiria qualquer texto mais longo em polonês. O teste foi feito em polonês; as frases em português deste artigo são traduções do material testado.
O Turbo edita fotos?
O ComfyUI tem um template separado chamado “Qwen Image 2.1 Turbo Image Edit”. Ainda não testei a edição; neste teste, medi apenas a geração a partir de texto.
Dá para executar sem o ComfyUI?
Sim, usando a biblioteca Diffusers ou interfaces que empacotam o modelo em um programa comum. Desde 14 de outubro, por exemplo, há o Kokon, um editor aberto baseado no stable-diffusion.cpp. Mesmo assim, o ComfyUI é a opção mais simples se você já tem uma placa NVIDIA e quer começar com um template pronto.
Turbo ou Z-Image Turbo?
No meu teste anterior, o Z-Image Turbo gerou uma imagem em 4,2 s. O Qwen Turbo é igualmente rápido e se saiu melhor nos textos em polonês e na coerência da cena. O Z-Image leva vantagem com a licença Apache 2.0, que permite uso comercial.
Google · Suas fontesBrilhe mais no seu Google com um cliqueAdicionar às fontes preferidas →Fontes
- Qwen/Qwen-Image-2.1-Turbo no Hugging Face (página do modelo e licença, consultadas em 17/10/2026)
- Comfy-Org/Qwen-Image-2.1 (arquivos para o ComfyUI)
- Registro de alterações do ComfyUI (Turbo adicionado em 13/10/2026)
- Medições próprias com uma RTX 4090, em 17 de outubro de 2026.
Tópicos relacionados no Centelharm
