أصدر فريق Qwen التابع لشركة Alibaba Qwen-Image-2.1، وهو نموذج جديد مفتوح الوزن لتوليد الصور وتحريرها تقول الشركة إنه يتجاوز حجمه بكثير. وفقًا لفريق كوين، يحتوي مكون التوليد المرئي للنموذج على 7 مليارات معلمة فقط، ومع ذلك فهو يتفوق على معظم النماذج المغلقة وفقًا لمعيار كوين الداخلي الخاص - وهو ادعاء، إذا صمد تحت تقييم مستقل، فإنه سيمثل تحولًا ملحوظًا في التوازن بين توليد الصور المفتوحة والمملوكة.
نموذج معلمات بقيمة 7 مليارات دولار مع طموحات رائدة
إن الادعاء الرئيسي من علي بابا لافت للنظر: مكون توليد مرئي يتكون من 7 مليار معلمة فقط يتفوق على معظم النماذج المغلقة. ومن الجدير التأكيد على التحذير المصاحب لها - المقارنة تأتي من معيار كوين الخاص، ولا تزال نتائج المعيار المستقل معلقة. لاحظ المنشور التكنولوجي The Decoder، الذي غطى الإصدار، هذا التمييز بشكل مباشر، كما تم قياس مجتمع المصادر المفتوحة على Hacker News، حيث اجتذب الإطلاق مئات الأصوات المؤيدة في غضون ساعات، بالمثل في ردود أفعاله المبكرة.
ما لا خلاف عليه هو كفاءة النظام. تم تصميم Qwen-Image-2.1 للعمل على أجهزة استهلاكية قادرة، بما في ذلك وحدات معالجة الرسومات التي يمكن الوصول إليها مثل NVIDIA RTX 3090. بالنسبة للمبدعين والمطورين الذين شاهدوا نماذج الصور المتقدمة تنجرف خلف واجهات برمجة التطبيقات والبنية التحتية لمركز البيانات، فإن النموذج الذي يمكنه إنشاء الصور وتحريرها محليًا على بطاقة المستهلك التي يبلغ عمرها ثلاث سنوات يعد تطورًا مفيدًا في حد ذاته.
صور شفافة وتكوين متعدد المراجع
بالإضافة إلى جودة التوليد الأولي، يقدم Qwen-Image-2.1 إمكانات يقول فريق Qwen إنها أصلية في النموذج ولم يتم تثبيتها لاحقًا. وأكثر ما يلفت الانتباه هو الدعم الأصلي لـ RGBA - الصور ذات الخلفيات الشفافة - في كل من الإنشاء والتحرير. يمكن للمستخدمين عزل الكائنات عن خلفياتهم أو تغيير النص على طبقات شفافة دون التعثر من خلال أداة منفصلة لإزالة الخلفية.
يتعامل النموذج أيضًا مع ما يصل إلى عشر صور مرجعية في مهمة واحدة. وفقًا لكوين، يتيح ذلك سير العمل مثل تجميع صورة جماعية من صور فردية لكل شخص، أو تعزيز تجارب التجربة الافتراضية، أو إعادة تصميم الغرف من خلال الجمع بين صور داخلية متعددة كمراجع.
بالنسبة للتعديلات المحلية، قام الفريق بتنفيذ عناصر تحكم موجهة حسب المنطقة: يمكن للمستخدمين رسم دوائر أو أقنعة أو علامات مرسومة على مساحة من الصورة للإشارة إلى المكان الذي يجب تطبيق التغييرات فيه. يؤدي هذا إلى وضع تعليمات التحرير في شكل مرئي بدلاً من الاعتماد فقط على المطالبات النصية لوصف التغييرات المكانية.
تغييرات في البنية واستدلال أسرع
تحسينات الأداء في Qwen-Image-2.1 تأتي من التغييرات المعمارية ومن إعادة استخدام ذاكرة التخزين المؤقت KV، وفقًا لفريق Qwen. يقال إن أسلوب التخزين المؤقت يعمل على تسريع الاستدلال بشكل ملحوظ، خاصة في سير العمل الذي يتضمن صورًا مرجعية متعددة، حيث ستعيد الأساليب السابقة حساب قدر كبير من العمل في كل جيل.
بالنسبة للمستخدمين العمليين، يؤدي الاستدلال الأسرع على الأجهزة الاستهلاكية إلى تفاقم قصة إمكانية الوصول: دورات التكرار الأسرع تجعل توليد الصور المحلية قابلاً للتطبيق لأعمال الإنتاج الحقيقية بدلاً من التجارب العرضية.
من أين يمكن الحصول عليه – ومشكلة الترخيص
Qwen-Image-2.1 متاح للتنزيل على Hugging Face وGitHub وModel Scope، وقد نشر الفريق عرضًا توضيحيًا عن Hugging Face للمستخدمين الذين يرغبون في تجربة النموذج قبل تنزيله.
ومع ذلك، هناك صيد مهم للمستخدمين التجاريين. يتم شحن النموذج بموجب ترخيص بحثي يحظر الاستخدام التجاري بشكل صريح. يجب على الشركات التي ترغب في البناء على Qwen-Image-2.1 التقدم بطلب إلى Qwen للحصول على ترخيص منفصل. ويعكس هذا النهج الذي اتبعته شركة Alibaba مع العديد من إصدارات Qwen السابقة، حيث تكون الأوزان متاحة مجانًا للبحث والتقييم، ولكن عمليات النشر المدرة للدخل تتطلب ترتيبًا مباشرًا مع الشركة.
بالنسبة للمبدعين والباحثين والهواة، فإن التأثير العملي بسيط: التنزيل والتشغيل محليًا والتجربة بحرية. بالنسبة للشركات الناشئة التي تأمل في بناء منتج أعلى النموذج، فإن شروط الترخيص تعني أن المحادثة مع علي بابا تأتي أولاً.
ماذا يعني بالنسبة لسباق الوزن المفتوح
يأتي هذا الإصدار في وقت تتنافس فيه مختبرات الذكاء الاصطناعي الصينية بقوة على كفاءة الوزن المفتوح، حيث تطلق نماذج تدعي الجودة القريبة من الحدود بجزء صغير من عدد المعلمات وتكلفة الأجهزة لمنافسيها المغلقين. إن نموذج الصورة الذي يدعي أنه ينافس الأنظمة المغلقة بينما يتناسب مع وحدة معالجة الرسومات الاستهلاكية هو نظير الجيل المرئي لتلك الإستراتيجية الأوسع.
ما إذا كان Qwen-Image-2.1 يتطابق حقًا مع القادة المغلقين سيعتمد على معايير مستقلة، والتي لم يتم نشرها بعد. إن الاختبارات المجتمعية المبكرة، وتقييمات الجهات الخارجية، والمقارنات على منصات مثل Hugging Face سوف تجيب على السؤال في الأسابيع المقبلة. وحتى ذلك الحين، تظل المطالبة خاصة بالفريق، ولكن النموذج نفسه متاح اليوم لأي شخص لديه الأجهزة والفضول لاختباره.
بالنسبة للقراء الذين يتابعون المنافسة الأوسع بين أنظمة الذكاء الاصطناعي المفتوحة والمغلقة، يعد الإصدار بمثابة نقطة بيانات أخرى في مجال سريع الحركة، تتم تغطيته جنبًا إلى جنب مع أحدث أخبار الذكاء الاصطناعي أثناء تطوره.
البقاء في صدارة الذكاء الاصطناعي
يتحرك مشهد الذكاء الاصطناعي بسرعة، ويعتبر توليد الصور أحد أكثر أركانه تنافسية. تابعونا على AI Buzz Wire لمواصلة التغطية لإصدارات النماذج والمعايير وقرارات العمل التي تقف وراءها.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
