Qwen: Qwen Image 2.1 Turbo

Qwen Image 2.1 Turbo è un modello di immagini di Qwen, posizionato come il livello veloce e a costo inferiore della serie Qwen Image 2.1. È progettato per la generazione e la modifica di immagini dove throughput e prezzo contano più della qualità massima. Se hai già familiarità con la famiglia Qwen, questa è la variante da scegliere quando vuoi far passare molte immagini attraverso una pipeline invece di inseguire il miglior risultato possibile su una singola immagine.

Il modello accetta input di testo e immagini e produce output di immagini. La sua finestra di contesto è di 65.536 token, con un output massimo di 58.982. La generazione è controllata tramite parametri dedicati alle immagini: la risoluzione può essere impostata su 1K o 2K, e le proporzioni supportano 1:1, 1:2, 1:4, 2:1, 2:3, 3:2, 3:4, 4:1, 4:3, 4:5, 5:4, 9:16 e 16:9. Puoi richiedere da 1 a 6 immagini per chiamata e fornire da 0 a 4 riferimenti di input. Poiché accetta input di immagini oltre che di testo, lo stesso modello gestisce sia la generazione da un prompt sia le modifiche guidate da immagini di riferimento.

Queste capacità indicano un insieme piuttosto specifico di attività. La generazione in batch di immagini di prodotto o di marketing è una scelta naturale, dato che puoi fissare proporzioni e risoluzione e produrre diverse varianti per richiesta. I flussi di lavoro di modifica traggono vantaggio dai riferimenti di input: passa fino a quattro immagini insieme a un'istruzione testuale e ottieni indietro un risultato modificato. I team che necessitano di dimensioni di output coerenti su un catalogo possono affidarsi alle enumerazioni fisse di risoluzione e proporzioni invece di ritagliare in post-processing. Il parametro seed, esposto come booleano, aiuta quando vuoi risultati riproducibili tra esecuzioni diverse.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id "qwen/qwen-image-2.1-turbo". I parametri di richiesta supportati sono max_tokens, presence_penalty, response_format, seed, temperature e top_p, insieme ai controlli specifici per le immagini per risoluzione, proporzioni, n e input_references. Se il tuo codice esistente punta già a un endpoint in stile OpenAI, passare a questo modello è per lo più questione di cambiare il model id e aggiungere i parametri per le immagini che ti servono.

La cosa principale da valutare è il compromesso dichiarato dal provider stesso: Turbo privilegia throughput e prezzo rispetto alla qualità massima dell'output. Se un progetto dipende dalla massima fedeltà che la serie Qwen Image 2.1 può produrre, un altro modello di quella serie potrebbe esserti più adatto. Per la generazione e la modifica ad alto volume, dove velocità e costo per immagine guidano la decisione, questo è il livello progettato per quel lavoro.