Alibaba'nın Qwen ekibi, görüntü oluşturma ve düzenleme için yeni bir açık ağırlıklı model olan Qwen-Image-2.1'i piyasaya sürdü; şirket, boyutunun çok üzerinde performans gösterdiğini söylüyor. Qwen ekibine göre, modelin görsel oluşturma bileşeni yalnızca 7 milyar parametre içeriyor ancak yine de Qwen'in kendi dahili kıyaslamasında kapalı modellerin çoğunu geride bırakıyor; bu iddia, eğer bağımsız değerlendirme altında geçerliyse, açık ve özel görüntü oluşturma arasındaki dengede kayda değer bir değişime işaret edecek.
Amiral Gemisi Tutkularına Sahip 7 Milyar Parametreli Bir Model
Alibaba'nın manşetteki iddiası dikkat çekici: Çoğu kapalı modelden daha iyi performans gösteren yalnızca 7 milyar parametreden oluşan bir görsel oluşturma bileşeni. Buna eşlik eden uyarıyı vurgulamakta fayda var; karşılaştırma Qwen'in kendi kıyaslamasından geliyor ve bağımsız kıyaslama sonuçları hala beklemede. Sürümü ele alan teknoloji yayını The Decoder, bu ayrıma doğrudan dikkat çekti ve lansmanın saatler içinde yüzlerce olumlu oy aldığı Hacker News'teki açık kaynak topluluğunun da ilk tepkileri benzer şekilde ölçüldü.
Tartışmasız olan şey sistemin verimliliğidir. Qwen-Image-2.1, NVIDIA RTX 3090 kadar erişilebilir GPU'lar da dahil olmak üzere yetenekli tüketici donanımlarında çalışacak şekilde tasarlanmıştır. Sınırdaki görüntü modellerinin API'lerin ve veri merkezi altyapısının gerisinde kaldığını izleyen yaratıcılar ve geliştiriciler için, üç yıllık bir tüketici kartında görüntüleri yerel olarak oluşturabilen ve düzenleyebilen bir model, başlı başına anlamlı bir gelişmedir.
Şeffaf Görseller ve Çoklu Referans Kompozisyonu
Ham üretim kalitesinin ötesinde, Qwen-Image-2.1, Qwen ekibinin daha sonra sabitlenmek yerine modele özgü olduğunu söylediği yetenekleri sunar. Bunlardan en dikkat çekici olanı, hem oluşturmada hem de düzenlemede RGBA'ya (saydam arka plana sahip görüntüler) yönelik yerel destektir. Kullanıcılar, ayrı bir arka plan kaldırma aracını kullanarak nesneleri arka planlarından izole edebilir veya şeffaf katmanlardaki metni değiştirebilir.
Model aynı zamanda tek bir işte en fazla on referans görüntüsünü işliyor. Qwen'e göre bu, her kişinin bireysel fotoğraflarından bir grup portresi oluşturmak, sanal deneme deneyimlerini güçlendirmek veya birden fazla iç mekan fotoğrafını referans olarak birleştirerek odaları yeniden tasarlamak gibi iş akışlarına olanak tanıyor.
Ekip, yerel düzenlemeler için bölgeye yönelik kontroller uyguladı: kullanıcılar, değişikliklerin nereye uygulanması gerektiğini belirtmek için görüntünün bir alanı üzerine daireler, maskeler veya boyalı işaretler çizebilir. Bu, mekansal değişiklikleri açıklamak için yalnızca metin komutlarına güvenmek yerine, düzenleme talimatlarını görsel biçimde yerleştirir.
Mimari Değişiklikler ve Daha Hızlı Çıkarım
Qwen ekibine göre, Qwen-Image-2.1'deki performans iyileştirmeleri mimari değişikliklerden ve KV önbelleğinin yeniden kullanımından kaynaklanıyor. Önbelleğe alma yaklaşımının, özellikle önceki yaklaşımların her nesilde önemli miktarda işi yeniden hesapladığı birden fazla referans görüntüsü içeren iş akışlarında, çıkarımı gözle görülür şekilde hızlandırdığı söyleniyor.
Pratik kullanıcılar için, tüketici donanımına ilişkin daha hızlı çıkarım, erişilebilirlik öyküsünü birleştirir: Daha hızlı yineleme döngüleri, yerel görüntü oluşturmayı ara sıra yapılan denemeler yerine gerçek üretim çalışmaları için uygun hale getirir.
Nereden Alınır — ve Lisanslama Konusu
Qwen-Image-2.1, Hugging Face, GitHub ve Model Scope'tan indirilebilir ve ekip, modeli indirmeden önce denemek isteyen kullanıcılar için Hugging Face'te bir demo yayınladı.
Ancak ticari kullanıcılar için önemli bir sorun var. Model, ticari kullanımı açıkça yasaklayan bir araştırma lisansı kapsamında gönderilir. Qwen-Image-2.1 üzerine kurulum yapmak isteyen işletmelerin ayrı bir lisans için Qwen'e başvurması gerekir. Bu, Alibaba'nın önceki birkaç Qwen sürümünde benimsediği yaklaşımı yansıtıyor; burada ağırlıklar araştırma ve değerlendirme için serbestçe kullanılabilir, ancak gelir getirici dağıtımlar şirketle doğrudan bir düzenleme gerektirir.
Bireysel yaratıcılar, araştırmacılar ve hobiciler için pratik etki basittir: İndirin, yerel olarak çalıştırın, özgürce deneyin. Modelin üzerine bir ürün çıkarmayı ümit eden girişimler için lisans koşulları, Alibaba ile görüşmenin önce geldiği anlamına geliyor.
Açık Sıklet Yarışı İçin Ne İfade Ediyor?
Sürüm, Çin AI laboratuvarlarının açık ağırlık verimliliği konusunda agresif bir şekilde rekabet ettiği ve kapalı rakiplerinin parametre sayısı ve donanım maliyetinin çok altında sınıra yakın kalite iddiasında bulunan modelleri piyasaya sürdüğü bir zamanda geliyor. Tüketici GPU'suna uyarken kapalı sistemlere rakip olduğunu iddia eden bir görüntü modeli, bu daha geniş stratejinin görsel nesil karşılığıdır.
Qwen-Image-2.1'in gerçekten kapalı liderlerle eşleşip eşleşmediği, henüz yayınlanmamış bağımsız kriterlere bağlı olacaktır. Erken topluluk testleri, üçüncü taraf değerlendirmeleri ve Hugging Face gibi platformlardaki karşılaştırmalar önümüzdeki haftalarda soruyu çözecek. O zamana kadar iddia takıma ait; ancak modelin kendisi bugün, donanıma sahip olan ve onu test etme merakına sahip herkesin kullanımına açık.
Açık ve kapalı yapay zeka sistemleri arasındaki daha geniş rekabeti takip eden okuyucular için bu sürüm, hızla gelişen bir alanda, geliştikçe en son yapay zeka haberleriyle birlikte ele alınan bir veri noktası daha sunuyor.
Yapay Zekanın Önünde Kalın
Yapay zeka ortamı hızla ilerliyor ve görüntü oluşturma en rekabetçi alanlardan biri. Model sürümleri, karşılaştırmalar ve bunların arkasındaki iş kararları hakkında sürekli bilgi edinmek için AI Buzz Wire adresini takip edin.
Daha fazla AI haberini okuyun →
