अलीबाबा की क्वेन टीम ने 21 जुलाई को अपने इमेज-जेनरेशन मॉडल की तीसरी पीढ़ी क्वेन-इमेज-3.0 जारी की, जो अपने पूर्ववर्तियों की तुलना में अधिक समृद्ध सामग्री, प्रामाणिक दृश्य विवरण और गहन ज्ञान का वादा करती है। टेक इन एशिया और यूनाइट.एआई द्वारा रिपोर्ट किए गए लॉन्च ने डेवलपर समुदाय में महत्वपूर्ण ध्यान आकर्षित किया, जहां घोषणा कुछ ही घंटों में 300 से अधिक अपवोट के साथ हैकर न्यूज के पहले पन्ने पर पहुंच गई।

नया मॉडल "रिच कंटेंट, ऑथेंटिक डिटेल्स, डीप नॉलेज" टैगलाइन के तहत पेश किया गया है और इसका उद्देश्य जटिल लेआउट के साथ छवियां तैयार करना है, एक ऐसी श्रेणी जिसने लंबे समय से टेक्स्ट-टू-इमेज सिस्टम को चुनौती दी है। जेनरेटिव एआई के प्रतिस्पर्धी परिदृश्य पर अधिक जानकारी के लिए, हमारे नवीनतम एआई विकास का अनुसरण करें।

क्वेन-इमेज-3.0 क्या सुधार करने का दावा करता है

टेक इन एशिया के अनुसार, क्वेन-इमेज-3.0 को विशेष रूप से जटिल लेआउट, बहु-तत्व रचनाओं को संभालने के लिए बनाया गया है जो एक ही छवि में टेक्स्ट, ग्राफिक्स और संरचित दृश्य तत्वों को जोड़ते हैं। यह सरल फोटोरिअलिस्टिक पीढ़ी से परे एक सार्थक कदम है, जिसे श्रृंखला के पहले मॉडल ने बड़े पैमाने पर लक्षित किया था।

क्वेन-इमेज लाइन तेजी से विकसित हुई है। पहली पीढ़ी की क्वेन-इमेज ने मूल पाठ प्रतिपादन पर ध्यान केंद्रित किया, जिससे उत्पन्न छवियों के अंदर विकृत या गलत वर्तनी वाले शब्दों की कुख्यात समस्या का समाधान हुआ। दूसरी पीढ़ी, क्वेन-इमेज-2.0 ने पेशेवर इन्फोग्राफिक्स और जिसे टीम ने उत्कृष्ट फोटोरियलिज्म कहा, में धकेल दिया। क्वेन-इमेज-3.0 उस प्रक्षेप पथ को समृद्ध रचनाओं और उत्पन्न आउटपुट में अंतर्निहित गहन तथ्यात्मक या प्रासंगिक ज्ञान की ओर विस्तारित करता है।

ज्ञान पर जोर उल्लेखनीय है। जहां अधिकांश छवि जनरेटर दृश्यमान रूप से प्रशंसनीय दृश्य उत्पन्न करते हैं जिनमें तथ्यात्मक अशुद्धियां हो सकती हैं, अलीबाबा क्वेन-इमेज-3.0 को एक ऐसे मॉडल के रूप में पेश कर रहा है जो न केवल पिक्सल को बल्कि इसके द्वारा प्रस्तुत सामग्री को भी समझता है।

कोई बेंचमार्क नहीं, कोई वज़न नहीं - फिर भी

एक विवरण जिसने तुरंत जांच का विषय बना दिया वह यह है कि अलीबाबा ने घोषणा के साथ क्या जारी नहीं किया। जैसा कि Unite.AI ने रिपोर्ट किया है, Qwen-Image-3.0 को बेंचमार्क स्कोर या डाउनलोड करने योग्य मॉडल वेट के बिना लॉन्च किया गया था। यह पहले के क्वेन-इमेज रिलीज़ के विपरीत है, जो हगिंग फेस पर ओपन वेट भेजता था और प्रतिस्पर्धियों के खिलाफ विस्तृत तकनीकी तुलना के साथ आता था।

इस चूक पर मिली-जुली प्रतिक्रिया हुई। हैकर न्यूज़ पर, टिप्पणीकारों ने नोट किया कि बेंचमार्क डेटा के बिना, ओपनएआई की छवि प्रणाली या Google की पेशकश जैसे प्रतिद्वंद्वियों पर मॉडल के दावा किए गए सुधारों को स्वतंत्र रूप से सत्यापित करना मुश्किल है। अन्य लोगों ने बताया कि क्वेन के पास प्रारंभिक शोकेस अवधि के बाद वेट जारी करने का एक ट्रैक रिकॉर्ड है, और तत्काल डाउनलोड की कमी केवल एक चरणबद्ध रोलआउट को प्रतिबिंबित कर सकती है।

वज़न रोकने का निर्णय एक भू-राजनीतिक आयाम भी रखता है। हाल के महीनों में, संयुक्त राज्य अमेरिका ने चीनी एआई मॉडल पर सख्त नियंत्रण रखा है, ट्रेजरी सचिव स्कॉट बेसेंट ने चेतावनी दी है कि वाशिंगटन कथित एआई मॉडल चोरी पर बीजिंग पर प्रतिबंध लगा सकता है। उस पृष्ठभूमि में, कुछ चीनी एआई कंपनियां ओपन-वेट रिलीज के बारे में अधिक सतर्क हो गई हैं, भले ही व्यापक ओपन-सोर्स आंदोलन गति पकड़ रहा हो।

एक भीड़भाड़ वाला और प्रतिस्पर्धी क्षेत्र

क्वेन-इमेज-3.0 एक बेहद प्रतिस्पर्धी छवि-पीढ़ी बाजार में प्रवेश करता है। अलीबाबा के स्वयं के पारिस्थितिकी तंत्र में पहले से ही कई छवि मॉडल शामिल हैं, और कंपनी को कई मोर्चों पर प्रतिद्वंद्वियों का सामना करना पड़ता है। ओपन-वेट स्पेस में, Krea 2 जैसे मॉडलों ने मजबूत रचनात्मक पीढ़ी क्षमताओं का प्रदर्शन किया है। मालिकाना क्षेत्र में, स्थापित पश्चिमी खिलाड़ी गुणवत्ता और गति दोनों में तेजी से आगे बढ़ रहे हैं।

क्वेन टीम का जटिल लेआउट और एम्बेडेड ज्ञान पर ध्यान केंद्रित करने से पता चलता है कि यह बाजार के एक अलग खंड को लक्षित कर रहा है: ऐसे उपयोगकर्ता जिन्हें जेनरेट की गई छवियों की आवश्यकता है जो न केवल देखने में आकर्षक हों बल्कि संरचनात्मक और तथ्यात्मक रूप से सुसंगत भी हों। इन्फोग्राफिक्स, निर्देशात्मक आरेख, डेटा विज़ुअलाइज़ेशन और ब्रांडेड मार्केटिंग सामग्री जैसे मामलों का उपयोग बिल्कुल उसी तरह की लेआउट निष्ठा और प्रासंगिक सटीकता की मांग करता है जिसे क्वेन-इमेज-3.0 देने का दावा करता है।

जनरेटिव एआई में चीन का निरंतर प्रयास

यह रिलीज चीनी एआई कंपनियों द्वारा तेजी से प्रमुख मॉडलों की शिपिंग के व्यापक पैटर्न में भी फिट बैठती है। इससे पहले जुलाई में, मूनशॉट एआई ने किमी K3 लॉन्च किया था, जो एक 28-ट्रिलियन-पैरामीटर मॉडल था, जिसे दुनिया की सबसे बड़ी ओपन-वेट एआई प्रणाली के रूप में पेश किया गया था, जब इसकी गणना बुनियादी ढांचे की मांग बढ़ने पर नई सदस्यता रोक दी गई थी। अलीबाबा स्वयं भाषा और मल्टीमॉडल मॉडल दोनों में विपुल रहा है, क्वेन परिवार अब टेक्स्ट, कोड, विज़न और छवि निर्माण का विस्तार कर रहा है।

उस गति ने वैश्विक प्रतिस्पर्धी मानचित्र को नया आकार दिया है। जैसा कि इस सप्ताह हैकर न्यूज़ पर व्यापक रूप से चर्चा किए गए विश्लेषण में तर्क दिया गया है, चीन की ओपन-वेट रणनीति जीत रही है, डेवलपर्स और शोधकर्ताओं को स्वतंत्र रूप से उपलब्ध मॉडलों की ओर आकर्षित कर रही है, यहां तक ​​​​कि अमेरिकी कंपनियां भी अपने सबसे सक्षम सिस्टम तक पहुंच को प्रतिबंधित कर रही हैं।

किस बात का ध्यान रखें

अब मुख्य प्रश्न यह है कि अलीबाबा बेंचमार्क परिणाम कब प्रकाशित करेगा और क्या वह ओपन-वेट रिलीज़ का पालन करेगा। यदि क्वेन-इमेज-3.0 का वजन उसके दावों से मेल खाता है, तो यह गुणवत्ता और पहुंच दोनों पर प्रतिस्पर्धियों पर दबाव डाल सकता है। यदि वजन रोका जाता है, तो डेवलपर्स को सत्यापन योग्य सबूतों की अनुपस्थिति के मुकाबले मॉडल के विपणन वादों का वजन करना होगा।

किसी भी तरह से, लॉन्च इस बात को रेखांकित करता है कि छवि-उत्पादन सीमा कितनी तेज़ी से आगे बढ़ रही है। लेआउट निष्ठा, प्रामाणिक विवरण और अंतर्निहित ज्ञान अब युद्ध का मैदान है, और अलीबाबा ने संकेत दिया है कि वह उस लड़ाई में सबसे आगे रहने का इरादा रखता है।

---

एआई से आगे रहें

नवीनतम एआई समाचार, विश्लेषण और सफलताएँ प्राप्त करें - सभी एक ही स्थान पर।

अधिक AI समाचार पढ़ें →