Z-Image Turbo w praktyce - tani model obrazu od Alibaby, mój test i kod

Gdy potrzebuję setki ilustracji do wpisów albo chcę szybko sprawdzić prompt, zanim zapłacę za droższy model, sięgam po Z-Image Turbo. Wagi wypuścił zespół Tongyi należący do Alibaby, a celem było tempo i oszczędność. Cena w Kadrarisie to 0,09 zł za obraz i taniej żadnej grafiki tu nie zrobisz. Lokalnie, na RTX 4090, plik 1344x768 powstawał u mnie w cztery do czterech i pół sekundy (dziewięć kroków). Krótkie angielskie napisy wychodzą mu dobrze, polskie znaki już nie. Dalej znajdziesz moje próby, listę wpadek, gotowy kod i rachunek, czy opłaca się uruchomić go u siebie.

Model w kilku zdaniach

Rodzinę Z-Image opublikowało Tongyi-MAI (Alibaba) w listopadzie 2025. Odmiana Turbo jest destylowana, czyli zamiast kilkudziesięciu kroków próbkowania wystarcza jej kilka, stąd jego tempo. Liczy sobie około 6 mld parametrów, a pliki opublikowano na licencji Apache 2.0, która dopuszcza użytek komercyjny.

W Kadrarisie model ma identyfikator z-image i niewiele ustawień:

Aktualna cena jest na stronie Z-Image Turbo.

Cena na tle katalogu

Za obraz płacisz 0,09 zł za obraz brutto. Proporcje i długość promptu nie zmieniają kwoty. Przejrzałem wszystkie modele obrazu w katalogu i żaden nie jest tańszy. Dla orientacji kilka innych:

Reguły nie odbiegają od reszty katalogu: cena widoczna przed startem (estimated_cost), porażka za 0 zł, środki bez daty ważności i bez opłaty miesięcznej. Doładowujesz od 40 zł kartą lub BLIK-iem, a fakturę VAT zaznaczasz przy wpłacie.

Szybkość na mojej karcie

Środowisko: ComfyUI, RTX 4090 (24 GB), wagi bf16, dziewięć kroków. Zapisane czasy:

• start na zimno, gdy model dopiero trafia do pamięci: 478,7 s dla 1344x768,
• druga grafika w tym samym formacie: 7,5 s,
• kolejne poziome 1344x768: po 4,5 s,
• kwadrat 1024x1024: między 4,0 a 4,5 s,
• pion 768x1344: 4,0 s.

Prawie osiem minut na pierwszą grafikę to efekt kopiowania wag do VRAM. Płacisz tym czasem tylko raz, a na nieobciążonym NVMe zwykle schodzi to do kilkudziesięciu sekund.

W API czas zależy od kolejki i obciążenia serwerów, a nie od mojej karty, więc tych 4 sekund nie obiecuję. Przy grafikach wygodnie dopisać ?wait=60 - odpowiedź przyjdzie dopiero z gotowym wynikiem.

Co mu wychodzi

Wszystkie obrazy w tym tekście wygenerowałem sam, lokalnie, tym samym modelem i z angielskimi promptami.

Krótki napis po angielsku

Opis zawierał szyld w witrynie z frazą reading exactly "FRESH BREW". Żadnej literówki, z cieniem i krojem jak od szyldziarza. Jedno odstępstwo: zamiast tablicy model namalował napis bezpośrednio na szybie.

Światło i materiał

Bursztyn z zatopionym owadem w roli produktu: światło przechodzi przez żywicę, na kamieniu błyszczą krople, tło jest rozmyte. Jak na czterosekundowy render, detalu nie brakuje. W każdej proporcji w środku pojawiał się jednak inny owad, co rozwijam w poradniku o promptach do grafik.

Terminy z fotografii działają: szerokokątny "24mm wide lens" otworzył kadr, "long exposure" zamieniło fale w mgiełkę, a "blue hour" zmienił całą kolorystykę.

Słabe punkty

Opieram się na mojej serii z tego tekstu oraz na starszym starciu z Qwen-Image 2.1 (osiem poleceń, ten sam komputer), które opisałem na promptowy.com.

• Polskie litery. Zamiast "PIEKARNIA ŻÓŁĆ" na szyldzie pojawiło się "ŽÓŁČ" z haczykami rodem z Pragi. Napisy po polsku nakładaj w programie graficznym lub użyj generatora, który sobie z nimi radzi (patrz zestawienie trzech modeli obrazu).
• Nieproszony tekst. Grafika "w stylu" popularnego czasopisma dostała podwójnie wpisaną winietę tego tytułu. Styl opisuj cechami, a nie nazwą pisma.
• "No text" to za mało. W mojej serii plakat z tym dopiskiem i tak dostał drobne pseudo-litery przy dolnej krawędzi.
• Lokalne realia. Pierogi wyglądały jak ravioli, a Morskie Oko jak jezioro w Alpach. Ogólny świat model zna, lokalne detale gorzej.
• Wynik w rankingu. Na pięciu identycznych poleceniach dla dziesięciu generatorów Z-Image Turbo zdobył średnio 5,7/10, najmniej w stawce. Nano Banana Pro miał 9,0. Szczegóły są w rankingu generatorów obrazów.

To nie skreśla modelu, tylko pokazuje, do czego go nie używać.

Kiedy go wybieram, a kiedy nie

Tak:

• gdy liczy się cena pojedynczego obrazu przy dużej liczbie sztuk (ilustracje do wpisów, tła, makiety),
• gdy sprawdzam prompt przed wysłaniem go do droższego modelu,
• gdy tekst w kadrze to dwa-trzy angielskie słowa lub nie ma go w ogóle,
• gdy szkicuję kompozycję w kilku proporcjach,
• gdy skrypt robi setki wariantów, a słabsze odrzucam.

Nie:

• gdy na grafice ma być polski tekst,
• gdy trzeba edytować zdjęcie albo podać referencję (model nie przyjmuje obrazów),
• gdy potrzebuję powtarzalności przez seed,
• gdy obraz idzie na okładkę lub do druku i każdy detal ma znaczenie.

Czy dopłacić do Z-Image Pro

Z-Image Pro (0,293 zł za obraz) to druga odmiana tej rodziny w Kadrarisie.

Żadna z odmian nie przyjmuje obrazów wejściowych. Pro ma sens, kiedy trafiłeś na dobry kadr i chcesz go dopieszczać drobnymi zmianami opisu bez utraty kompozycji. Do hurtowych serii i szybkich szkiców wystarcza mi Turbo. Wersji Pro nie testowałem, więc jakości obu nie porównuję. Z-Image na tle FLUX.2 opisałem w porównaniu Z-Image i FLUX.2 Pro.

Kod do API

Model przyjmuje dokładnie dwa pola: prompt i aspect_ratio. Każde inne, np. seed czy num_images, kończy się błędem 422. Klucz API założysz w panelu po rejestracji.

curl "https://kadraris.com/v1/generate?wait=60" \
  -H "Authorization: Bearer $KADRARIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "z-image",
    "input": {
      "prompt": "photo of a small coffee shop window at night, a hand-lettered sign reading exactly \"FRESH BREW\", warm interior light, rain drops on the glass",
      "aspect_ratio": "16:9"
    }
  }'

W Pythonie, z zapisem pliku:

import os
import requests

API = "https://kadraris.com/v1"
KEY = os.environ["KADRARIS_API_KEY"]
HEADERS = {"Authorization": f"Bearer {KEY}"}

r = requests.post(
    f"{API}/generate",
    params={"wait": 60},
    headers=HEADERS,
    json={
        "model": "z-image",
        "input": {
            "prompt": "macro product photo of a raw Baltic "
                      "amber pendant on dark wet slate, single "
                      "warm backlight, shallow depth of field",
            "aspect_ratio": "1:1",
        },
    },
    timeout=130,
)
r.raise_for_status()
task = r.json()

if task["status"] == "succeeded":
    url = task["output"][0]["url"]
    with open("bursztyn.png", "wb") as f:
        f.write(requests.get(url, timeout=60).content)
    print("plik zapisany, koszt:", task["cost"])
elif task["status"] == "failed":
    print("porażka, 0 zł:", task["error"])
else:
    # nie zdążyło w 60 s, czytaj dalej z poll_url
    print("w toku:", task["poll_url"])

W JavaScripcie (fetch, Node 18+):

const url = "https://kadraris.com/v1/generate?wait=60";
const res = await fetch(url, {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.KADRARIS_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "z-image",
    input: {
      prompt: "flat vector illustration of a lighthouse, " +
        "limited palette",
      aspect_ratio: "9:16",
    },
  }),
});
const task = await res.json();
console.log(task.status,
  task.output?.[0]?.url ?? task.poll_url);

Link do pliku z czasem wygasa, dlatego zapisuj wynik od razu. Gdy grafik są setki, zamiast ?wait=60 przekaż webhook_url. Przetwarzanie listy promptów z pliku i reagowanie na błędy rozpisałem w przewodniku dla Pythona, a wszystkie pola opisuje dokumentacja.

W Studio, bez kodu

Otwórz Kadraris Studio, zaznacz Z-Image Turbo, wpisz opis i wybierz format. Formularz jest skromny, bo model nie ma więcej opcji. Wszystko, co wygenerujesz, znajdziesz potem w historii konta.

Własna karta czy API

Wagi są otwarte, więc przy odpowiedniej karcie uruchomisz model u siebie za darmo. Porównanie na podstawie mojej instalacji:

Poza tym lokalnie obraz powstaje w około 4 s od załadowania modelu i masz pełną kontrolę nad seedem i krokami. W API czas zależy od kolejki (zwykle wynik przychodzi w jednym ?wait=60), seeda nie ustawisz, za to dostajesz rozliczenie w złotówkach i fakturę VAT.

Przy 12-16 GB VRAM generowanie zwalnia, ponieważ fragment modelu musi siedzieć w pamięci systemowej. Przy 8 GB potrzebna jest wersja skwantyzowana (fp8, GGUF), kosztem jakości. Po ilu grafikach zakup karty się zwraca, liczyłem w osobnym artykule.

Ja robię tak: skoro karta i tak stoi pod biurkiem, długie serie i zabawy z seedem robię lokalnie. Po API sięgam, kiedy obrazy mają powstawać w automacie, na serwerze lub u klienta ze słabym komputerem, a także wtedy, gdy potrzebuję faktury.

Pytania

Dlaczego mój napis po polsku ma dziwne znaki?

Model deklaruje tekst po angielsku i chińsku, a polskie litery w moim teście zamieniły się w czeskie ("ŽÓŁČ" zamiast "ŻÓŁĆ"). Napis dodaj w edytorze grafiki albo użyj modelu, który obsługuje polskie znaki. Polskojęzycznych opisów nie sprawdzałem, cała seria szła po angielsku.

Czy mogę wygenerować kilka obrazów jednym zapytaniem?

Nie. Z-Image Turbo zwraca jeden obraz na zapytanie, a pole num_images daje błąd 422. Serię robisz pętlą w skrypcie albo kolejnymi kliknięciami w Studio.

Czy Z-Image Turbo poprawi moje zdjęcie?

Nie, ten model generuje wyłącznie z tekstu. Do przeróbek fotografii sięgnij np. po FLUX.1 Kontext [pro], GPT Image 2.5 albo Nano Banana Pro.

Czy obrazy mogę wykorzystać w projektach dla klientów?

Licencja wag Apache 2.0 dopuszcza użytek komercyjny. To, co przedstawia grafika (czyjaś twarz, cudze logo), pozostaje twoją odpowiedzialnością.