Qwen-Image-2.1 ya Alibaba's Inatoa Kizazi cha Picha za Muundo Kubwa katika Kifurushi cha 7B cha Uzito Wazi

Timu ya Qwen ya Alibaba imetoa Qwen-Image-2.1, mtindo mpya wa uzani huria wa kutengeneza picha na uhariri ambao kampuni inasema hupiga ngumi zaidi ya saizi yake. Kulingana na timu ya Qwen, kijenzi cha uundaji wa picha cha modeli kina vigezo bilioni 7 tu, lakini kinashinda mifano mingi iliyofungwa kwa kiwango cha ndani cha Qwen - madai ambayo, ikiwa itashikilia chini ya tathmini huru, itaashiria mabadiliko makubwa katika usawa kati ya uzalishaji wa picha wazi na wamiliki.

Muundo wa Kigezo cha Bilioni 7 Wenye Matamanio ya Kuongoza

Madai ya kichwa cha habari kutoka kwa Alibaba ni ya kushangaza: kipengele cha kizazi cha kuona cha vigezo bilioni 7 pekee vinavyofanya kazi vizuri zaidi miundo iliyofungwa. Inafaa kusisitiza tahadhari inayoambatana nayo - ulinganisho unatoka kwa kigezo cha Qwen mwenyewe, na matokeo huru ya kipimo bado yanasubiri. Chapisho la kiteknolojia la The Decoder, ambalo lilishughulikia toleo hilo, lilibainisha tofauti hii moja kwa moja, na jumuiya ya tovuti huria kwenye Habari za Hacker, ambapo uzinduzi huo ulipata mamia ya kura za maoni ndani ya saa moja, umepimwa vivyo hivyo katika miitikio yake ya awali.

Jambo ambalo halina ubishi ni ufanisi wa mfumo. Qwen-Image-2.1 imeundwa ili kutumia maunzi yenye uwezo wa watumiaji, ikiwa ni pamoja na GPU zinazoweza kufikiwa kama NVIDIA RTX 3090. Kwa watayarishi na wasanidi programu ambao wametazama miundo ya picha za mipakani ikirudi nyuma ya API na miundombinu ya kituo cha data, muundo unaoweza kutengeneza na kuhariri picha ndani ya nchi kwenye kadi ya mtumiaji ya miaka mitatu ni maendeleo yenye maana yenyewe.

Picha za Uwazi na Muundo wa Marejeleo mengi

Zaidi ya ubora wa kizazi kibichi, Qwen-Image-2.1 inatanguliza uwezo ambao timu ya Qwen inasema ni asili ya modeli badala ya kuunganishwa baadaye. Kinachovutia zaidi kati ya hizi ni usaidizi asilia kwa RGBA - picha zilizo na mandharinyuma wazi - katika kizazi na uhariri. Watumiaji wanaweza kutenga vitu kutoka kwa mandharinyuma au kubadilisha maandishi kwenye tabaka zinazowazi bila kuzunguka-zunguka kupitia zana tofauti ya kuondoa usuli.

Mfano huo pia hushughulikia hadi picha kumi za kumbukumbu katika kazi moja. Kulingana na Qwen, hii huwezesha mtiririko wa kazi kama vile kukusanya picha ya kikundi kutoka kwa picha mahususi za kila mtu, kuwezesha matumizi ya mtandaoni ya kujaribu, au kupanga upya vyumba kwa kuchanganya picha nyingi za mambo ya ndani kama marejeleo.

Kwa uhariri wa ndani, timu imetekeleza vidhibiti vinavyoongozwa na eneo: watumiaji wanaweza kuchora miduara, barakoa, au alama zilizopakwa rangi kwenye eneo la picha ili kuonyesha ni wapi mabadiliko yanapaswa kutumika. Hii inaweka maagizo ya uhariri katika umbo la kuona badala ya kutegemea tu vidokezo vya maandishi kuelezea mabadiliko ya anga.

Mabadiliko ya Usanifu na Uelekezaji wa Haraka

Maboresho ya utendakazi katika Qwen-Image-2.1 yanatokana na mabadiliko ya usanifu na kutoka kwa matumizi ya akiba ya KV, kulingana na timu ya Qwen. Njia ya kuhifadhi inasemekana kuharakisha uelekezaji dhahiri, haswa katika utiririshaji wa kazi ambao unahusisha picha nyingi za marejeleo, ambapo mbinu za hapo awali zinaweza kurudisha idadi kubwa ya kazi kwa kila kizazi.

Kwa watumiaji wa vitendo, makisio ya haraka zaidi ya maunzi ya watumiaji huchanganya hadithi ya ufikivu: mizunguko ya kurudia kwa haraka zaidi hufanya uundaji wa picha za ndani kuwa na manufaa kwa kazi halisi ya uzalishaji badala ya majaribio ya mara kwa mara.

Mahali pa Kuipata — na Kupata Leseni

Qwen-Image-2.1 inapatikana kwa kupakuliwa kwenye Hugging Face, GitHub, na Model Scope, na timu imechapisha onyesho kwenye Hugging Face kwa watumiaji wanaotaka kujaribu muundo huo kabla ya kuipakua.

Kuna, hata hivyo, upatikanaji muhimu kwa watumiaji wa kibiashara. Mfano wa meli chini ya leseni ya utafiti ambayo inazuia matumizi ya kibiashara. Biashara zinazotaka kujenga kwenye Qwen-Image-2.1 lazima zitume maombi kwa Qwen ili kupata leseni tofauti. Hii inaakisi mbinu ambayo Alibaba imechukua na matoleo kadhaa ya awali ya Qwen, ambapo uzani unapatikana bila malipo kwa ajili ya utafiti na tathmini, lakini upelekaji wa mapato unahitaji mpangilio wa moja kwa moja na kampuni.

Kwa watayarishi binafsi, watafiti na wapenda hobby, athari ya vitendo ni rahisi: pakua, endesha ndani ya nchi, jaribu kwa uhuru. Kwa wanaoanza wanaotarajia kutengeneza bidhaa juu ya muundo, masharti ya leseni yanamaanisha kuwa mazungumzo na Alibaba huja kwanza.

Nini Maana ya Mbio za Uzito Wazi

Utoaji huo unafanyika wakati maabara za AI za Kichina zinashindana vikali juu ya ufanisi wa uzito wazi, ikitoa mifano ambayo inadai ubora wa karibu kwa sehemu ya hesabu ya vigezo na gharama ya vifaa vya washindani wao waliofungwa. Muundo wa picha ambao unadai kushindana na mifumo iliyofungwa huku ukitumia GPU ya watumiaji ni mlinganisho wa kizazi cha kuona wa mkakati huo mpana.

Ikiwa Qwen-Image-2.1 inalingana na viongozi waliofungwa itategemea vigezo huru, ambavyo bado havijachapishwa. Majaribio ya mapema ya jumuiya, tathmini za watu wengine na ulinganisho kwenye mifumo kama vile Hugging Face itatatua swali katika wiki zijazo. Hadi wakati huo, dai linasalia kuwa la timu - lakini muundo wenyewe unapatikana leo kwa mtu yeyote aliye na maunzi na udadisi kuujaribu.

Kwa wasomaji wanaofuatilia ushindani mkubwa kati ya mifumo iliyofunguliwa na iliyofungwa ya AI, toleo ni sehemu moja zaidi ya data katika uga unaosonga kwa kasi, unaofunikwa pamoja na habari za hivi punde za AI kadri inavyoendelea.

Kaa Mbele ya AI

Mazingira ya AI husonga haraka, na utengenezaji wa picha ni mojawapo ya pembe zake zenye ushindani zaidi. Fuata kwenye AI Buzz Wire ili uendelee kuangazia matoleo ya modeli, vigezo na maamuzi ya biashara yaliyo nyuma yake.

Soma habari zaidi za AI →