Команда Qwen из Alibaba выпустила Qwen-Image-2.1, новую открытую модель для создания и редактирования изображений, которая, по словам компании, намного превосходит свои размеры. По словам команды Qwen, компонент визуальной генерации модели содержит всего 7 миллиардов параметров, но при этом он превосходит большинство закрытых моделей по собственному внутреннему тесту Qwen — утверждение, которое, если оно подтвердится независимой оценкой, ознаменует заметный сдвиг в балансе между открытым и закрытым созданием изображений.
Модель с 7 миллиардами параметров и флагманскими амбициями
Заявление Alibaba в заголовке поразительно: компонент визуальной генерации всего с 7 миллиардами параметров превосходит по производительности большинство закрытых моделей. Стоит подчеркнуть сопровождающую его оговорку: сравнение проводится на основе собственных тестов Qwen, а результаты независимых тестов все еще ожидаются. Техническое издание The Decoder, освещавшее релиз, прямо отметило это различие, а сообщество открытого исходного кода на Hacker News, где запуск собрал сотни голосов за считанные часы, также было оценено по своим ранним реакциям.
Что не подлежит сомнению, так это эффективность системы. Qwen-Image-2.1 предназначен для работы на мощном потребительском оборудовании, включая такие доступные графические процессоры, как NVIDIA RTX 3090. Для создателей и разработчиков, которые наблюдали, как передовые модели изображений отстают от API и инфраструктуры центров обработки данных, модель, которая может генерировать и редактировать изображения локально на потребительской карте трехлетней давности, сама по себе является значимым развитием.
Прозрачные изображения и композиция из нескольких ссылок
Помимо качества исходной генерации, Qwen-Image-2.1 предоставляет возможности, которые, по словам команды Qwen, являются встроенными в модель, а не добавляются впоследствии. Самым привлекательным из них является встроенная поддержка RGBA — изображений с прозрачным фоном — как при создании, так и при редактировании. Пользователи могут изолировать объекты от фона или изменять текст на прозрачных слоях, не обращаясь к отдельному инструменту удаления фона.
Модель также обрабатывает до десяти эталонных изображений за одно задание. По словам Квена, это позволяет выполнять такие рабочие процессы, как сборка группового портрета из отдельных фотографий каждого человека, виртуальная примерка или перепроектирование комнат путем объединения нескольких фотографий интерьера в качестве эталонов.
Для локального редактирования команда реализовала элементы управления по регионам: пользователи могут рисовать круги, маски или нарисованные метки над областью изображения, чтобы указать, где следует применить изменения. Благодаря этому инструкции по редактированию преобразуются в визуальную форму, а не полагаются исключительно на текстовые подсказки для описания пространственных изменений.
Изменения архитектуры и более быстрый вывод
По словам команды Qwen, повышение производительности в Qwen-Image-2.1 связано с архитектурными изменениями и повторным использованием кэша KV. Говорят, что подход к кэшированию заметно ускоряет логический вывод, особенно в рабочих процессах, включающих несколько эталонных изображений, где предыдущие подходы требовали перерасчета значительного объема работы для каждого поколения.
Для практических пользователей более быстрый вывод на потребительском оборудовании усугубляет проблему доступности: более быстрые циклы итераций делают локальную генерацию изображений пригодной для реальной производственной работы, а не для случайных экспериментов.
Где его взять — и подвох с лицензированием
Qwen-Image-2.1 доступен для загрузки на Hugging Face, GitHub и Model Scope, а команда опубликовала демо-версию Hugging Face для пользователей, которые хотят опробовать модель перед ее загрузкой.
Однако для коммерческих пользователей есть одна важная загвоздка. Модель поставляется под лицензией на исследования, которая прямо запрещает коммерческое использование. Компании, желающие использовать Qwen-Image-2.1, должны обратиться в Qwen за отдельной лицензией. Это отражает подход Alibaba к нескольким предыдущим выпускам Qwen, где веса находятся в свободном доступе для исследования и оценки, но развертывание, приносящее доход, требует прямой договоренности с компанией.
Для отдельных создателей, исследователей и любителей практический эффект прост: скачивайте, запускайте локально, экспериментируйте свободно. Для стартапов, надеющихся создать продукт на основе этой модели, условия лицензии означают, что разговор с Alibaba стоит на первом месте.
Что это значит для гонок в открытом весе
Релиз состоялся в то время, когда китайские лаборатории искусственного интеллекта агрессивно конкурируют за эффективность открытого веса, выпуская модели, которые заявляют о почти граничном качестве при гораздо меньшем количестве параметров и стоимости оборудования, чем их закрытые конкуренты. Модель изображения, которая претендует на конкуренцию закрытым системам и в то же время подходит для потребительского графического процессора, является аналогом этой более широкой стратегии в области визуальной генерации.
Действительно ли Qwen-Image-2.1 соответствует закрытым лидерам, будет зависеть от независимых тестов, которые еще не опубликованы. Раннее тестирование сообщества, сторонние оценки и сравнения на таких платформах, как Hugging Face, решат этот вопрос в ближайшие недели. До тех пор претензия остается за командой, но сама модель сегодня доступна каждому, у кого есть оборудование и желание ее протестировать.
Для читателей, следящих за более широкой конкуренцией между открытыми и закрытыми системами искусственного интеллекта, этот выпуск представляет собой еще одну точку данных в быстро развивающейся области, освещаемую вместе с последними новостями об искусственном интеллекте по мере его развития.
Будьте впереди ИИ
Сфера искусственного интеллекта развивается быстро, и создание изображений является одним из наиболее конкурентных направлений. Следите за новостями на сайте AI Buzz Wire, чтобы постоянно освещать выпуски моделей, тесты и стоящие за ними бизнес-решения.
Читать больше новостей об искусственном интеллекте →
