Qwen: Qwen Image 2.1 Turbo

Qwen Image 2.1 Turbo é um modelo de imagem da Qwen, posicionado como o nível rápido e de custo mais baixo da série Qwen Image 2.1. Ele foi criado para trabalho de geração e edição de imagens em que taxa de transferência e preço importam mais do que a qualidade máxima. Se você já conhece a família Qwen, esta é a variante a escolher quando você quer processar muitas imagens em um pipeline em vez de buscar o melhor resultado possível para uma única imagem.

O modelo aceita entradas de texto e imagem e produz saídas de imagem. Sua janela de contexto é de 65.536 tokens, com saída máxima de 58.982. A geração é controlada por parâmetros dedicados de imagem: a resolução pode ser definida como 1K ou 2K, e a proporção de aspecto suporta 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. Você pode solicitar entre 1 e 6 imagens por chamada e fornecer entre 0 e 4 referências de entrada. Como ele aceita entradas de imagem além de texto, o mesmo modelo lida tanto com geração a partir de um prompt quanto com edições guiadas por imagens de referência.

Essas capacidades apontam para um conjunto bastante específico de tarefas. A geração em lote de imagens de produto ou de marketing é um encaixe natural, já que você pode fixar uma proporção de aspecto e uma resolução e produzir várias variantes por requisição. Fluxos de trabalho de edição se beneficiam das referências de entrada: passe até quatro imagens junto com uma instrução de texto e receba um resultado modificado. Equipes que precisam de tamanhos de saída consistentes em um catálogo podem contar com os enums fixos de resolução e proporção de aspecto em vez de recortes em pós-processamento. O parâmetro seed, exposto como um booleano, ajuda quando você quer resultados reproduzíveis entre execuções.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "qwen/qwen-image-2.1-turbo". Os parâmetros de requisição suportados são max_tokens, presence_penalty, response_format, seed, temperature e top_p, além dos controles específicos de imagem para resolução, proporção de aspecto, n e input_references. Se seu código existente já aponta para um endpoint no estilo OpenAI, mudar para este modelo é basicamente uma questão de alterar o id de modelo e adicionar os parâmetros de imagem de que você precisa.

O principal ponto a ponderar é o trade-off declarado pelo próprio provedor: o Turbo favorece taxa de transferência e preço em vez da qualidade máxima de saída. Se um projeto depende da maior fidelidade que a série Qwen Image 2.1 pode produzir, outro modelo dessa série pode ser mais adequado para você. Para geração e edição em alto volume, em que velocidade e custo por imagem orientam a decisão, este é o nível projetado para essa tarefa.