Il team Qwen di Alibaba ha rilasciato Qwen-Image-2.1, un nuovo modello open-weight per la generazione e l'editing di immagini che, secondo l'azienda, supera di gran lunga le sue dimensioni. Secondo il team di Qwen, la componente di generazione visiva del modello contiene solo 7 miliardi di parametri, ma batte la maggior parte dei modelli chiusi sul benchmark interno di Qwen: un'affermazione che, se reggesse a una valutazione indipendente, segnerebbe un notevole cambiamento nell'equilibrio tra generazione di immagini aperta e proprietaria.

Un modello da 7 miliardi di parametri con ambizioni di punta

L’affermazione principale di Alibaba è sorprendente: un componente di generazione visiva di soli 7 miliardi di parametri che supera la maggior parte dei modelli chiusi. Vale la pena sottolineare l'avvertenza che lo accompagna: il confronto proviene dal benchmark di Qwen e i risultati del benchmark indipendente sono ancora in sospeso. La pubblicazione tecnologica The Decoder, che ha trattato il rilascio, ha notato direttamente questa distinzione, e la comunità open source su Hacker News, dove il lancio ha ottenuto centinaia di voti positivi in ​​poche ore, è stata misurata in modo simile nelle sue prime reazioni.

Ciò che non è in discussione è l’efficienza del sistema. Qwen-Image-2.1 è progettato per funzionare su hardware consumer capace, comprese GPU accessibili come una NVIDIA RTX 3090. Per i creatori e gli sviluppatori che hanno visto i modelli di immagini di frontiera spostarsi dietro le API e l'infrastruttura del data center, un modello in grado di generare e modificare le immagini localmente su una scheda consumer di tre anni è uno sviluppo significativo di per sé.

Immagini trasparenti e composizione multi-riferimento

Oltre alla qualità della generazione grezza, Qwen-Image-2.1 introduce funzionalità che secondo il team Qwen sono native del modello piuttosto che implementate successivamente. Il più accattivante di questi è il supporto nativo per RGBA (immagini con sfondi trasparenti) sia nella generazione che nella modifica. Gli utenti possono isolare gli oggetti dai loro sfondi o modificare il testo su livelli trasparenti senza ricorrere a uno strumento di rimozione dello sfondo separato.

Il modello gestisce inoltre fino a dieci immagini di riferimento in un singolo lavoro. Secondo Qwen, ciò consente flussi di lavoro come l’assemblaggio di un ritratto di gruppo da singole foto di ogni persona, il potenziamento di esperienze di prova virtuale o la riprogettazione delle stanze combinando più foto di interni come riferimenti.

Per le modifiche locali, il team ha implementato controlli guidati dalla regione: gli utenti possono disegnare cerchi, maschere o segni dipinti su un'area di un'immagine per indicare dove applicare le modifiche. Ciò mette le istruzioni di modifica in forma visiva anziché fare affidamento esclusivamente su istruzioni di testo per descrivere i cambiamenti spaziali.

Modifiche all'architettura e inferenza più rapida

Secondo il team Qwen, i miglioramenti delle prestazioni in Qwen-Image-2.1 derivano da modifiche all'architettura e dal riutilizzo della cache KV. Si dice che l'approccio di memorizzazione nella cache acceleri notevolmente l'inferenza, in particolare nei flussi di lavoro che coinvolgono più immagini di riferimento, dove gli approcci precedenti ricalcolerebbero una notevole quantità di lavoro su ogni generazione.

Per gli utenti pratici, un’inferenza più rapida sull’hardware di consumo complica la storia dell’accessibilità: cicli di iterazione più rapidi rendono la generazione di immagini locali praticabile per il lavoro di produzione reale piuttosto che per la sperimentazione occasionale.

Dove trovarlo e i vantaggi della licenza

Qwen-Image-2.1 è disponibile per il download su Hugging Face, GitHub e Model Scope e il team ha pubblicato una demo su Hugging Face per gli utenti che desiderano provare il modello prima di scaricarlo.

Esiste, tuttavia, un problema importante per gli utenti commerciali. Il modello viene fornito con una licenza di ricerca che ne vieta esplicitamente l'uso commerciale. Le aziende che desiderano basarsi su Qwen-Image-2.1 devono richiedere a Qwen una licenza separata. Ciò rispecchia l’approccio adottato da Alibaba con diverse versioni precedenti di Qwen, in cui i pesi sono liberamente disponibili per la ricerca e la valutazione, ma le implementazioni che generano entrate richiedono un accordo diretto con l’azienda.

Per i singoli creatori, ricercatori e hobbisti, l'effetto pratico è semplice: scaricare, eseguire localmente, sperimentare liberamente. Per le startup che sperano di costruire un prodotto sul modello, i termini della licenza significano che una conversazione con Alibaba viene prima di tutto.

Cosa significa per la corsa a pesi liberi

Il rilascio arriva in un momento in cui i laboratori cinesi di intelligenza artificiale competono aggressivamente sull’efficienza a peso aperto, rilasciando modelli che rivendicano una qualità quasi di frontiera a una frazione del numero di parametri e del costo dell’hardware dei loro concorrenti chiusi. Un modello di immagine che afferma di rivaleggiare con i sistemi chiusi pur adattandosi a una GPU consumer è la controparte di generazione visiva di quella strategia più ampia.

Se Qwen-Image-2.1 corrisponda davvero ai leader chiusi dipenderà da benchmark indipendenti, che non sono ancora stati pubblicati. I primi test della community, le valutazioni di terze parti e i confronti su piattaforme come Hugging Face risolveranno la questione nelle prossime settimane. Fino ad allora, l'affermazione rimane del team, ma il modello stesso è oggi disponibile per chiunque abbia l'hardware e la curiosità di testarlo.

Per i lettori che seguono la più ampia concorrenza tra sistemi di intelligenza artificiale aperti e chiusi, il comunicato rappresenta un ulteriore punto dati in un campo in rapida evoluzione, trattato insieme alle ultime notizie sull’intelligenza artificiale man mano che si sviluppa.

Stai al passo con l'intelligenza artificiale

Il panorama dell’intelligenza artificiale si muove rapidamente e la generazione di immagini è uno degli angoli più competitivi. Segui AI Buzz Wire per una copertura continua sui rilasci dei modelli, sui benchmark e sulle decisioni aziendali che ne stanno alla base.

Leggi altre notizie sull'AI →