[태그:] 디노이징 스텝

  • Alibaba, Qwen 이미지 2.1 Turbo 공개 — 8스텝 7B 오픈웨이트로 2K 이미지를 뽑는 가속 체크포인트

    Alibaba, Qwen 이미지 2.1 Turbo 공개 — 8스텝 7B 오픈웨이트로 2K 이미지를 뽑는 가속 체크포인트

    Alibaba Qwen 팀이 9일 공개한 Qwen-Image-2.1-Turbo는 7B 파라미터 단일 스트림 DiT 아키텍처를 그대로 둔 채 denoising 스텝만 40에서 8로 줄여 2K 해상도 이미지 생성을 5배 빠르게 만든 [벤더 자체 주장 / 미검증] 체크포인트다. 기존 Qwen-Image-2.1 베이스가 사용하던 Qwen3-VL 8B 텍스트 인코더, 64채널 RGBA 오토인코더, Flow Matching 스케줄러 구성을 유지하면서도 8스텝만으로 베이스 품질에 근접하는 샘플을 뽑아내도록 별도 distillation 학습된 형태다. Marktechpost 보도를 통해 확인된 이번 릴리즈는 Qwen 이미지 라인업의 추론 비용을 상용 API의 5분의 1 수준으로 끌어내렸다는 점에서 분기점으로 평가된다.

    7B 단일 스트림 DiT, 무엇이 그대로이고 무엇이 바뀌었나

    Turbo는 베이스 Qwen-Image-2.1과 동일한 가중치 토폴로지를 공유한다. 32 레이어 단일 스트림 DiT는 텍스트 토큰에 token-level causal mask를, 이미지 토큰에 chunk-level bidirectional mask를 적용하는 block-causal attention 구조로 설계돼 텍스트와 이미지가 혼합된 입력을 별도 모듈 없이 한 포워드 패스로 처리한다. 텍스트 인코더 역시 Qwen3-VL 8B로 동일하며, instruction 프롬프트뿐 아니라 참조 이미지도 같은 인코더를 통과시켜 임베딩을 통합한다. 편집과 생성이 하나의 체크포인트에서 작동하는 이유이기도 하다.

    달라진 지점은 스텝 수와 그에 맞춰 재조정된 노이즈 스케줄이다. 베이스 모델은 40스텝 Flow Matching + Euler discrete scheduler + dynamic shifting으로 학습했지만 Turbo 체크포인트는 8스텝에서도 품질이 떨어지지 않도록 별도 distillation을 거쳤다. CFG는 1로 고정돼 classifier-free guidance를 위한 추가 포워드 패스가 사라졌고, 1스텝에서 한 번 계산한 텍스트·참조 이미지의 키·밸류는 prefix KV 캐싱으로 7회 재사용된다. 8스텝이라는 숫자는 단순한 step-cutting이 아니라 스케줄 전체를 8 그리드에 재학습한 결과물이다.

    8스텝을 가능하게 한 네 가지 설계

    첫째, Flow Matching과 Euler discrete scheduling의 결합이다. DDPM 계열 스케줄러와 달리 Flow Matching은 연속 시간 ODE를 따르며, dynamic shifting이 노이즈 분포를 입력 이미지의 통계에 맞춰 재매핑한다. 둘째, prefix KV 캐싱이다. instruction 임베딩과 참조 이미지 임베딩의 KV 텐서는 denoising 루프 외부에서 한 번만 계산되므로 8스텝이라 하더라도 conditioning 비용이 사실상 1스텝분으로 압축된다.

    셋째, 64채널 RGBA 오토인코더다. 알파 채널을 latent 단계부터 보존해 후처리 합성 없이 투명 PNG를 출력할 수 있으며, 16배 공간 압축으로 2K 해상도에서도 latent 토큰 수가 억제된다. 넷째, Qwen3-VL 8B 인코더의 멀티모달 통합이다. instruction과 condition 이미지가 같은 토큰 스트림에 들어가기 때문에 10장까지의 참조 이미지를 단일 컨텍스트로 받아들일 수 있다. 네 요소가 결합돼 8스텝이라는 작은 분할 수에서도 베이스에 근접한 시각적 정합성을 유지할 수 있다.

    2K 생성·10장 참조·로컬 편집, Qwen 이미지의 기능 범위

    Turbo가 지원하는 생성 카테고리는 포트레이트, 포즈 변환, 타이포그래피, UI 목업 등 8개다. 편집 측면에서는 단일 이미지 변환, 다중 참조 합성, 4장 인테리어 합성으로 나뉘고, 로컬 편집 모드는 원형·페인트·마스크 기반의 inpaint 시맨틱을 포함한다. Qwen-Image-Bench에서 베이스 Qwen-Image-2.1은 60.28을 기록해 Qwen 측이 보고한 오픈웨이트 최고점수 중 하나에 이름을 올렸다.

    Turbo도 동일 2K 출력(2048×2048 ~ 2752×1536)과 편집 기능 세트를 그대로 유지한다. RGBA 네이티브 출력은 전자상거래 배경제거, 캐릭터 스프라이트 합성, 디자인 프로토타이핑에서 별도의 알파 채널 재처리 없이 바로 사용 가능하다는 운영적 장점으로 이어진다. 베이스 점수 대비 Turbo의 상대 품질은 별도 벤치마크가 공개되지 않아 직접 비교가 어려운 구간으로 남아 있다.

    Diffusers 자체 호스팅 vs Cloud API, 라이선스 제약과 운영 함의

    배포 경로는 크게 두 갈래다. Diffusers 경로는 PR #14950과 transformers 5.17.0 이상이 필요하며, dtype=torch.bfloat16, use_kv_cache=True, width·height 기본값 2048으로 QwenImage21Pipeline을 호출한다. 다만 num_inference_steps 인자는 저장된 스케줄을 덮지 못하므로 다른 노이즈 스케줄을 쓰려면 sigmas 인자를 명시적으로 전달해야 한다. 자체 호스팅 VRAM은 Unsloth 측 측정 기준 베이스 모델이 GGUF 11GB, INT8/FP8 24GB에서 구동된다.

    배포 옵션 Turbo 8스텝 Pro 40스텝
    Alibaba Cloud Model Studio API CNY 0.1/장, 120 RPM CNY 0.25/장, 20 RPM
    Diffusers 자체 호스팅 (GGUF) 약 11GB VRAM 약 11GB VRAM
    Diffusers 자체 호스팅 (FP8/INT8) 약 24GB VRAM 약 24GB VRAM
    라이선스 리서치 라이선스 리서치 라이선스

    Turbo API는 이미지당 CNY 0.1에 120 RPM을 허용해 Pro(CNY 0.25, 20 RPM) 대비 2.5배 저렴하고 6배 높은 요청률을 제공한다. 두 경로 모두 리서치 라이선스만 부여돼 상업용 자체 호스팅에는 별도 허가가 필요한 만큼, 도입 단계에서 라이선스 정책과 VRAM 요건이 함께 검토 대상이 된다. Qwen 이미지 2.1 Turbo가 제시하는 5배 가속은 8스텝 구간에서만 적용되며, 그 이점은 동일 라이선스 정책 안에서만 누릴 수 있다는 점에서 베이스 모델과의 단순 비교보다 배포 경로 설계가 더 큰 의사결정 변수가 된다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: MarkTechPost — Alibaba Qwen Releases Qwen-Image-2.1-Turbo, an 8-Step 7B Image Model