Qwen-Image 2.1 Turbo: generación local en 4 s con una RTX 4090
Qwen-Image 2.1 Turbo genera imágenes hasta cinco veces más rápido que la versión 2.1 normal. Lo probé en ComfyUI con una RTX 4090.
👁 114 lecturas
Qwen-Image 2.1 Turbo es una versión acelerada de Qwen-Image 2.1, publicada por Alibaba el 9 de octubre de 2026. En lugar de 25 pasos, utiliza 8. La ejecuté localmente en ComfyUI con una RTX 4090 y le di las mismas cuatro instrucciones que a la versión 2.1 normal. Turbo genera una imagen de 1024×1536 en 4 segundos; la versión normal tarda 20. La calidad es muy similar y, en dos pruebas con texto en polaco, Turbo incluso obtuvo mejores resultados.
Datos a 17 de octubre de 2026
- Tiempo con RTX 4090: 3-4 s por imagen (2.1 normal: 13-20 s), es decir, entre 4 y 5 veces más rápido.
- Memoria: pico de 16,8-18,6 GB de VRAM en toda la tarjeta, con la versión int8.
- Archivo del modelo: 7,26 GB. El codificador de texto y el VAE son los mismos que en 2.1; si ya tienes esa versión, solo necesitas descargar este archivo.
- Licencia: Qwen Research, sin uso comercial.
- ComfyUI: compatibilidad nativa desde la versión 0.41 y plantilla lista en el navegador de plantillas.
Serie: IA local en una RTX 4090, pruebas del 17 de octubre de 2026
- Resumen: nuevos modelos de IA local (octubre de 2026)
- Influencer virtual sin aspecto artificial: 5 personajes con 5 modelos
- Una influencer virtual que habla: vídeo con voz en polaco
- FLUX 3 Image Klein: 7,5 GB de VRAM y 6 s por imagen
- Qwen-Image 2.1 Turbo: 4 s por imagen (estás aquí)
- Kandinsky 6.0: vídeo con sonido y voz en polaco
- YuE2 y otros 3 modelos: canciones en polaco en local
Qué es Qwen-Image 2.1 Turbo
Es el mismo modelo que Qwen-Image 2.1 (7B, el mejor modelo abierto de generación de imágenes en la clasificación de Artificial Analysis a principios de octubre), pero destilado. La destilación enseña al modelo a llegar a la imagen final con menos pasos. El equipo de Qwen publicó los pesos en Hugging Face el 9 de octubre y Comfy-Org añadió al día siguiente un paquete listo para ComfyUI, con las versiones int8 y bf16.
Turbo funciona con un calendario fijo: 8 pasos con valores sigma configurados manualmente, sampler euler y CFG 1. No se ajustan los «pasos» como en un KSampler normal, porque la plantilla de ComfyUI ya proporciona una lista preparada.
Mi prueba: Turbo frente a 2.1 normal
Equipo: RTX 4090 de 24 GB, 64 GB de RAM, Windows 11, ComfyUI 0.41.0 y modelos int8 en una unidad SSD conectada por USB. Ambas versiones recibieron las mismas cuatro instrucciones y la misma semilla (7). Turbo usa 8 pasos y CFG 1; 2.1 normal, 25 pasos y CFG 3. Medí el tiempo desde el envío del trabajo hasta que se guardó el archivo, y consulté la VRAM con nvidia-smi cada medio segundo. La prueba se hizo en polaco; las instrucciones y los textos reproducidos aquí son traducciones de los originales polacos, no nuevas pruebas en español.
| Instrucción | Resolución | Turbo | 2.1 normal |
|---|---|---|---|
| Póster con texto en polaco (instrucción original traducida) | 1024×1536 | 45,4 s* | 38,1 s* |
| Retrato de un pescador (instrucción original traducida) | 1024×1536 | 4,0 s | 20,1 s |
| Tienda de los años 80 (instrucción original traducida) | 1536×1024 | 4,0 s | 20,1 s |
| Fotografía de producto (instrucción original traducida) | 1024×1024 | 3,0 s | 13,0 s |
* La primera imagen de la serie incluye la carga del modelo desde el disco a la memoria de la tarjeta. La generación propiamente dicha con Turbo tarda los mismos 4 segundos que las imágenes siguientes.
Un póster con texto en polaco
La instrucción pedía un titular rojo «JAZZ SOBRE EL ÓDER» y el pie «Breslavia, 14-16 de noviembre de 2026». Son traducciones al español del texto de la instrucción original en polaco; el modelo se probó con el original polaco. Ambos modelos escribieron correctamente «SOBRE EL ÓDER» (traducción del original polaco), incluida la letra con diacrítico. En cambio, ambos mostraron un texto con grafía alterada en la prueba original en polaco. Turbo puso un titular más grande y mostró la silueta completa de un saxofonista; 2.1 dejó mucho espacio azul oscuro vacío.
Una tienda de los años 80 y un precio en un cartel
La instrucción pedía un rótulo «Juntos» (traducción del original polaco) y un cartel con «VINAGRE 12 [monedas]». Son traducciones al español de las expresiones de la instrucción original en polaco; la prueba se hizo con el original polaco, que indicaba un precio de «12 unidades de la moneda original polaca». Turbo escribió correctamente el contenido del cartel traducido del original polaco, pero omitió el rótulo. El modelo 2.1 estándar puso texto con grafía alterada en la prueba original en polaco en lugar de «Juntos» (traducción del original polaco) y escribió «12 unidades de la moneda original polaca» en el cartel, sin la palabra «VINAGRE» (traducción del original polaco). Ambas imágenes transmiten el ambiente de una tienda de la época comunista, aunque 2.1 estándar muestra estanterías más llenas.
Retrato y fotografía de producto
El retrato del pescador en el muelle parece un fotograma de una película en ambas versiones: arrugas, chaqueta mojada y luz gris. Turbo ofrece un contraste ligeramente más marcado y un aspecto más «publicitario». Sin comparar las imágenes lado a lado, no habría sabido cuál se generó con 8 pasos y cuál con 25.
Cómo usar Turbo en ComfyUI
- Actualiza ComfyUI a la versión 0.41 o posterior. La plantilla de Turbo no está disponible en la versión 0.37.
- Descarga del repositorio Comfy-Org/Qwen-Image-2.1 el archivo
diffusion_models/qwen_image_2.1_turbo_int8_convrot.safetensors(7,26 GB) y guárdalo enComfyUI/models/diffusion_models. - Si no tienes Qwen-Image 2.1 normal, descarga también el codificador
qwen3vl_8b_int8_convrot.safetensors(9,35 GB, entext_encoders) y el VAEqwen_image_2.1_vae_bf16.safetensors(0,68 GB, envae). - En ComfyUI, abre Workflow, después Browse Templates y elige la plantilla «Qwen Image 2.1 Turbo».
- La plantilla incluye desactivado por defecto el ampliador de instrucciones (un modelo Qwen 3.5 9B aparte, de 9,5 GB). Sin él, escribe directamente en inglés una descripción completa de la escena. Una instrucción corta como «gato en el sofá» da una imagen correcta, pero poco interesante.
En ComfyUI desde cero tienes mi guía general para instalarlo en Windows; en la guía IA local encontrarás la lista completa de modelos que funcionan localmente en mis pruebas.
Licencia: para qué puedes usarlo
Turbo tiene la misma licencia que Qwen-Image 2.1: Qwen Research. Puedes ejecutar, probar e investigar con el modelo, pero para usos comerciales (portadas para clientes, anuncios o productos) necesitas un permiso aparte de Alibaba. Si buscas un modelo local para trabajar con fines comerciales, puedes echar un vistazo a Z-Image Turbo, con licencia Apache 2.0, que genera imágenes en un tiempo parecido.
Para quién es Turbo
- Para probar ideas rápidamente: con 4 segundos por imagen puedes cambiar la instrucción y ver enseguida el resultado. 2.1 normal te hace esperar cinco veces más.
- Para generar series: 100 imágenes de 1024×1536 tardan unos 7 minutos, frente a 33.
- Deja 2.1 normal para imágenes individuales más trabajadas, con escenas densas y muchos detalles de fondo.
La opción más sencilla: Hangar
Turbo está en el catálogo de Hangar, mi gestor gratuito de modelos locales para Windows (sin cuenta ni suscripción y con ComfyUI como motor). La variante int8 ocupa 17,3 GB en total: el modelo Turbo, de 7,26 GB, y el mismo codificador Qwen3-VL-8B int8 (9,35 GB) y VAE (0,68 GB) que la versión 2.1 normal. Tiene la misma licencia que 2.1: Qwen Research, sin uso comercial. La versión 2.1 normal ya se probó en Hangar (52 s por imagen, incluida la carga); todavía no he probado allí la configuración de Turbo.
- Descarga el instalador (14 MB) desde la web de Hangar. Todavía no está firmado digitalmente, así que Windows SmartScreen mostrará una advertencia: pulsa «Más información» y luego «Ejecutar de todas formas».
- Hangar detecta la tarjeta (Nvidia con CUDA, desde 8 GB de VRAM; se recomiendan 12 GB o más) y te indica si cabe el modelo.
- Busca Qwen Image 2.1 Turbo en el catálogo: verás el tamaño de los archivos, la licencia y si se permite usar el modelo en la UE.
- Por ahora, genera imágenes en ComfyUI siguiendo las instrucciones anteriores. Hangar instalará ComfyUI portable desde cero (en mi caso tardó 231 s) o se conectará a una instalación que ya tengas.
Hangar incluye el modelo en su catálogo, pero todavía no permite generar imágenes desde la propia aplicación (situación a 17 de octubre de 2026). Por ahora, hay que usar ComfyUI, como explico arriba. Más información: Hangar.
Preguntas frecuentes
¿Cuánta VRAM necesita Qwen-Image 2.1 Turbo?
En mis pruebas, el pico de memoria ocupada en toda la tarjeta fue de 16,8-18,6 GB con la versión int8. En tarjetas de 16 GB, ComfyUI trasladará parte de los pesos a la RAM y funcionará más despacio. La versión bf16, cuyo modelo ocupa 14,2 GB, es una opción solo para tarjetas de 24 GB o más.
¿Turbo genera texto en polaco?
Con resultados desiguales. «SOBRE EL ÓDER» (traducción del original polaco) y «12 unidades de la moneda original polaca» salieron correctamente, mientras que en la otra palabra apareció un texto con grafía alterada en la prueba original en polaco y el rótulo «Juntos» (traducción del original polaco) desapareció. El resultado fue mejor que el de 2.1 estándar en esta misma prueba, pero no dejaría textos más largos en polaco sin revisarlos. La prueba se hizo en polaco; estas expresiones se mencionan aquí como traducciones y descripciones de la prueba original.
¿Turbo puede editar fotos?
ComfyUI tiene una plantilla aparte, «Qwen Image 2.1 Turbo Image Edit». Todavía no he probado la edición: en esta prueba medí solo la generación de imágenes a partir de texto.
¿Se puede usar sin ComfyUI?
Sí, mediante la biblioteca Diffusers o con interfaces que integran el modelo en un programa convencional. Desde el 14 de octubre, por ejemplo, está Kokon, un editor abierto basado en stable-diffusion.cpp. Sin embargo, ComfyUI es la opción más sencilla si ya tienes una tarjeta NVIDIA y quieres utilizar una plantilla lista para usar.
¿Turbo o Z-Image Turbo?
En una prueba anterior, Z-Image Turbo generó una imagen en 4,2 s. Qwen Turbo tarda lo mismo y obtuvo mejores resultados con los textos en polaco y la coherencia de la escena. Z-Image destaca por su licencia Apache 2.0, que permite el uso comercial.
Google · Tus fuentesBrilla más alto en tu Google - con un solo clicAñadir a fuentes preferidas →Fuentes
- Qwen/Qwen-Image-2.1-Turbo en Hugging Face (ficha del modelo y licencia; consultada el 17.10.2026)
- Comfy-Org/Qwen-Image-2.1 (archivos para ComfyUI)
- Registro de cambios de ComfyUI (Turbo añadido el 13.10.2026)
- Mediciones propias con una RTX 4090, el 17 de octubre de 2026.
More on this from FULGOR
