Qwen-Image-2.1 Alibaba Nyedhiyakake Generasi Gambar Model Gedhe ing Paket Bobot Terbuka 7B

Tim Qwen Alibaba wis dirilis Qwen-Image-2.1, model mbukak-bobot anyar kanggo generasi gambar lan editing sing perusahaan ngandika pukulan adoh ngluwihi ukuran. Miturut tim Qwen, komponen generasi visual model ngandhut mung 7 milyar paramèter, nanging ngalahaken model paling ditutup ing pathokan internal Qwen dhewe - pratelan sing, yen terus munggah ing evaluasi sawijining, bakal menehi tandha shift kacathet ing imbangan antarane mbukak lan kepemilikan generasi gambar.

Model Parameter 7 Milyar Kanthi Ambisi Utama

Klaim judhul saka Alibaba pancen nggumunake: komponen generasi visual mung 7 milyar paramèter sing ngluwihi model sing paling ditutup. Iku worth nandheske caveat sing ngiringi iku - comparison asalé saka pathokan Qwen dhewe, lan asil benchmark independen isih ditundha. Publikasi teknologi The Decoder, sing nutupi rilis kasebut, nyathet bedane iki kanthi langsung, lan komunitas open-source ing Hacker News, ing ngendi peluncuran kasebut narik atusan upvotes sajrone sawetara jam, uga diukur ing reaksi awal.

Apa sing ora dadi regejegan yaiku efisiensi sistem. Qwen-Image-2.1 dirancang kanggo mbukak ing hardware konsumen saged, kalebu GPUs minangka diakses minangka NVIDIA RTX 3090. Kanggo kreator lan pangembang sing wis mirsani model gambar wates mabur konco API lan infrastruktur data-pusat, model sing bisa generate lan ngowahi gambar sacara lokal ing kertu konsumen lawas telung taun iku pembangunan migunani ing dhewe.

Gambar Transparan lan Komposisi Multi-Referensi

Ngluwihi kualitas generasi mentah, Qwen-Image-2.1 ngenalake kemampuan sing diarani tim Qwen asli saka model kasebut tinimbang dikunci. Sing paling narik kawigaten yaiku dhukungan asli kanggo RGBA - gambar kanthi latar mburi transparan - ing generasi lan panyuntingan. Pangguna bisa ngisolasi obyek saka latar mburi utawa ngganti teks ing lapisan transparan tanpa muter-muter liwat alat mbusak latar mburi sing kapisah.

Model uga nangani nganti sepuluh gambar referensi ing siji proyek. Miturut Qwen, iki mbisakake alur kerja kayata ngumpulake potret grup saka foto individu saben wong, nguwasani pengalaman nyoba virtual, utawa ngrancang ulang kamar kanthi nggabungake pirang-pirang foto interior minangka referensi.

Kanggo suntingan lokal, tim wis ngetrapake kontrol sing dipandu wilayah: pangguna bisa nggambar bunder, topeng, utawa tandha dicet ing area gambar kanggo nunjukake ing ngendi owah-owahan kudu ditrapake. Iki ndadekake instruksi panyuntingan ing wangun visual tinimbang mung ngandelake pituduh teks kanggo njlèntrèhaké owah-owahan spasial.

Owah-owahan Arsitektur lan Inferensi Luwih Cepet

Peningkatan kinerja ing Qwen-Image-2.1 teka saka owah-owahan arsitektur lan saka cache KV nggunakake maneh, miturut tim Qwen. Pendekatan caching diarani nyepetake inferensi kanthi nyata, utamane ing alur kerja sing nglibatake pirang-pirang gambar referensi, ing ngendi pendekatan sadurunge bakal ngetung maneh akeh karya ing saben generasi.

Kanggo pangguna praktis, inferensi sing luwih cepet babagan hardware konsumen nggabungake crita aksesibilitas: siklus pengulangan sing luwih cepet nggawe generasi gambar lokal bisa digunakake kanggo karya produksi nyata tinimbang eksperimen sok-sok.

Where to Get It — lan Licensing Catch

Qwen-Image-2.1 kasedhiya kanggo diundhuh ing Hugging Face, GitHub, lan Model Scope, lan tim kasebut wis nerbitake demo ing Hugging Face kanggo pangguna sing pengin nyoba model kasebut sadurunge ngundhuh.

Nanging, ana sing penting kanggo pangguna komersial. Model kasebut dikirim kanthi lisensi riset sing kanthi tegas nglarang panggunaan komersial. Bisnis sing pengin mbangun ing Qwen-Image-2.1 kudu aplikasi kanggo Qwen kanggo lisensi kapisah. Iki nggambarake pendekatan sing ditindakake Alibaba karo sawetara rilis Qwen sadurunge, ing ngendi bobote kasedhiya kanggo riset lan evaluasi, nanging panyebaran sing ngasilake revenue mbutuhake pengaturan langsung karo perusahaan.

Kanggo panyipta individu, peneliti, lan hobi, efek praktis iku prasaja: download, mbukak lokal, eksperimen bebas. Kanggo wiwitan sing ngarep-arep bisa nggawe produk ing ndhuwur model, syarat lisensi tegese obrolan karo Alibaba luwih dhisik.

Apa Tegese kanggo Lomba Bobot Terbuka

Rilis kasebut tiba ing wektu nalika lab AI China kanthi agresif saingan ing efisiensi bobot mbukak, ngeculake model sing ngaku kualitas cedhak-depan ing bagian sekedhik saka jumlah parameter lan biaya hardware saka pesaing sing ditutup. Model gambar sing ngaku nandingi sistem tertutup nalika dipasang ing GPU konsumen minangka mitra generasi visual kanggo strategi sing luwih jembar kasebut.

Apa Qwen-Image-2.1 bener-bener cocog karo pimpinan sing ditutup bakal gumantung ing pathokan independen, sing durung diterbitake. Tes komunitas awal, evaluasi pihak katelu, lan mbandhingake ing platform kaya Hugging Face bakal ngrampungake pitakonan kasebut ing sawetara minggu sing bakal teka. Nganti saiki, pratelan kasebut tetep dadi tim dhewe - nanging model kasebut kasedhiya saiki kanggo sapa wae sing duwe hardware lan penasaran kanggo nyoba.

Kanggo para pamaca sing nglacak kompetisi sing luwih amba ing antarane sistem AI sing mbukak lan sing ditutup, rilis kasebut minangka titik data liyane ing lapangan sing obah kanthi cepet, sing dilindhungi bebarengan karo warta AI paling anyar nalika berkembang.

Tetep Ahead saka AI

Lanskap AI obah kanthi cepet, lan nggawe gambar minangka salah sawijining sudhut sing paling kompetitif. Tindakake ing AI Buzz Wire kanggo liputan terus babagan rilis model, tolok ukur, lan keputusan bisnis ing mburine.

Waca liyane warta AI →