Qwen Image 2.1 Turboは本当にすごい？MacでFLUX・SDXLと比較

こんにちは。オレンジソフトウェアの藤田です。

最近、画像生成AIの話題で気になっているのが Qwen Image 2.1 Turbo。新しいモデルの紹介を見ると「すごそうだな」と思うのですが、やっぱり気になるのは、自分で使っても自然な画像が出てくるのか？ というところです。

そこで今回は、手元のMacで3つの画像生成AIに同じお題を出してみました。

魚をくわえたかわいい黒猫。背景は海。画像を1枚生成してください。

猫と魚と海。シンプルなお願いですが、並べてみると思った以上に違いが出ました。「お、いい感じ」という画像もあれば、「ちょっと待って、これ魚をくわえてる？」という画像もあります。

今回は難しい点数付けではなく、できあがった画像を見ながら、私の率直な感想と待ち時間をご紹介します。 エンジニアではない方にも分かるよう、仕組みから説明していきますね。

測定日：2026年10月13日／執筆：オレンジソフトウェア 藤田

そもそも何を比較するの？「画像エンジン」って何？

ここでいう画像エンジンは、文章のお願いを受け取って、実際に絵を描くAIのことです。この記事では「画像生成モデル」と同じ意味で使っています。

同じ「猫を描いて」というお願いでも、描く担当が変われば、顔や構図、細かい部分の自然さが変わります。今回は、その「描く担当」を3つ切り替えてみました。

名前が長いので、ここからは主にFLUX・SDXL・Qwenと呼びます。今回の主役のQwenは、最後に見てみましょう。

チャットをするAIと、絵を描くAIは別担当

今回の仕組みでは、Gemma 4というAIにチャットでお願いしています。ただし、Gemma 4自身が絵を描いているわけではありません。

Gemma 4が「こんな画像を作って」と指示をまとめて、画像エンジンに渡します。たとえるなら、依頼を受ける担当がGemma、絵を描く担当がFLUX・SDXL・Qwenです。

flowchart TD
    A["私たち：魚をくわえた黒猫を描いて"] --> B["Gemma 4：お願いを画像生成用の指示にする"]
    B --> C["ComfyUI：選んだ画像エンジンを動かす"]
    C --> D["FLUX・SDXL・Qwenのいずれかが画像を生成"]
    D --> E["できた画像がチャットに届く"]

この名前を全部覚える必要はありません。「画面の裏側で、会話するAIと絵を描くAIが連携しているんだな」と思っていただければ大丈夫です。

今回のお題は「魚をくわえた黒猫」。見るポイントは3つ

今回はモデルごとに新しいチャットを開き、同じ日本語のお願いを送りました。利用者側から画風や照明の細かな指定はしていません。

見るポイントもシンプルです。

• ちゃんと魚をくわえている？ 口と魚の位置関係が自然か。
• 猫として違和感がない？ ひげや毛並み、体のつながりがおかしく見えないか。
• どのくらい待つ？ お願いしてから画像が返るまで何秒かかったか。

掲載する本文の3枚は、生成後に修整していない原画像です。画像を押すと、大きく開いて確認できます。サムネイルは記事紹介用に別途作成しています。

まずはFLUX.2 Klein。悪くないけど、ひげが気になる？

FLUX.2 Klein／768×768／画像が返るまで43.5秒

お、悪くないですね。黒猫が海辺にいて、魚も口元にあります。背景の波もいい感じです。

ただ、少し拡大して見ていると、「あれ？ 左目のあたりからひげが生えていない？」と気になってきました。

気になったのは、左目のあたりです。そこからひげのような細い線が伸びていて、「ひげって、そこから生える？」と感じました。ぱっと見は自然なのですが、目元をよく見ると、私には少し違和感が残りました。

とはいえ、今回の設定では43.5秒で返ってきています。まずイメージを見てみたいときに、この待ち時間はうれしいですね。

ぱっと見はいい感じ。でも、細かいところまで見ると少し気になる。 私の感想はそんなところです。

次はStable Diffusion XL。いや、魚をくわえてないですよね？

Stable Diffusion XL 1.0／1024×1024／画像が返るまで62.8秒

景色はきれいです。猫に当たっている光も、雰囲気があります。

……でも、ちょっと待ってください。

そもそも魚をくわえていないように見えるんですが。浮いてません？

しかも、これは魚？ 金魚？ 海が背景なのに、口元にはオレンジ色の金魚のようなものがいます。魚の種類は指定していないので、そこだけで間違いとは言えませんが、思わず突っ込みたくなりました。

一番気になるのは、魚と口のつながりです。「魚をくわえている」というより、猫の前に魚を置いた、あるいは浮かせたように見えるんですよね。

今回は、突っ込みどころが多い1枚になりました。見た目の雰囲気がよくても、お願いした動作ができているとは限らない。画像生成AIを見るときに大切なポイントだと思います。

もちろん、これ1枚でSDXL全体が駄目という話ではありません。指示や設定を変えれば別の結果になります。あくまで、今回のお願いで出てきた画像への感想です。

では、Qwen Image 2.1 Turboはどうかというと……こんな感じです

Qwen Image 2.1 Turbo／1024×1024／画像が返るまで192.9秒

これは自然ですね。

ちゃんと猫が魚をくわえているように見えます。魚と口の位置関係も読み取りやすく、毛並みや魚の鱗も細かい。今回の3枚では、私はこれが一番しっくりきました。

「魚をくわえたかわいい黒猫」というお願いに対して、素直に「そうそう、こういう感じ」と思える画像です。目も丸くて、かわいいですね。

ただし、待ち時間は約3分13秒。今回の環境では、ほかの2つより長くかかりました。

自然な仕上がりは好印象。一方で、待ち時間は考えたい。 これが今回Qwenを使ってみた感想です。「Turbo」という名前でも、どのパソコンでも一瞬でできるというわけではないんですね。

仕上がりと待ち時間を並べると？

私としては、今回のお題ではQwenの仕上がりが好きです。ただ、早く案を出したい場面と、時間をかけても自然な1枚が欲しい場面では、選び方が変わりそうです。

ただし「同じ条件の性能ランキング」ではありません

ここは誤解のないようにお伝えしておきます。今回は、導入してある設定でそれぞれ1枚ずつ作った比較です。

「ステップ数」は、画像を仕上げるための処理を何段階進めるかの設定です。モデルごとに仕組みが違うので、数が多ければ必ずきれい、少なければ必ず速い、と単純には比べられません。

また、今回はお題を送ってから画像ファイルが返るまでを測っています。絵を描く時間だけではなく、会話AIが指示を作る時間や、モデルを読み込む時間なども含まれます。

今回分かったのは「このMac・この設定・この1回ではこうだった」ということです。 厳密な順位を出すなら、条件をそろえて何度も試す必要があります。

使ったMacと、もう少し詳しい測定記録

難しい設定が気になる方向けに、環境も載せておきます。

ComfyUI内の処理時間にも、モデル読み込みなどが含まれます。ブラウザーで画像の表示が完了するまでの時間は測っていません。各回の開始時に処理待ちがないことを確認し、同時には生成していません。

画像生成AI、仕事で使うなら「細かいところを見る」が大切

今回の猫で実感したのは、ぱっと見がきれいでも、よく見るとおかしなところがあるということです。

記事や提案資料に使うなら、見た目だけでなく、「指示した内容になっているか」「口や手、小物の位置関係が自然か」を確認したいですね。モデルや追加素材の商用利用条件も確認が必要です。

Mac上で動かす今回のような仕組みは、社内向けAI環境を考えるうえでも面白い選択肢です。ただし、どのMacでも同じように動くわけではありません。必要なメモリや待ち時間、外部サービスとの接続設定なども、実際の環境で確かめていくことになります。

オレンジソフトウェアでは、こうした検証をしながら、ローカルAIの導入やAIを組み込んだシステム開発を支援しています。

「うちのパソコンで使える？」「社内の仕事に取り入れたい」という方は、まずはお気軽にご相談ください。やりたいことを伺いながら、一緒に使い方を考えていきます。

オレンジソフトウェアにAI活用を相談する ／ Webシステム開発サービスを見る

参考：モデルの公式情報

画像と測定値は、弊社が2026年10月13日に実施した検証の記録です。モデルの詳しい仕様や最新の利用条件は、以下の公式ページをご参照ください。

• Qwen Image 2.1 Turbo公式モデルページ
• Black Forest Labs：FLUX.2 Klein
• Stability AI：Stable Diffusion XL Base 1.0
• Google：Gemmaモデル概要