علی بابا کی Qwen ٹیم نے Qwen-Image-2.1 جاری کیا ہے، جو تصویر بنانے اور ایڈیٹنگ کے لیے ایک نیا اوپن ویٹ ماڈل ہے جس کے بارے میں کمپنی کا کہنا ہے کہ اس کے سائز سے کہیں زیادہ مکے ہیں۔ کیوین ٹیم کے مطابق، ماڈل کا بصری جنریشن جزو صرف 7 بلین پیرامیٹرز پر مشتمل ہے، پھر بھی یہ Qwen کے اپنے داخلی معیار پر سب سے زیادہ بند ماڈلز کو مات دیتا ہے - ایک دعویٰ کہ، اگر یہ آزادانہ تشخیص کے تحت برقرار رہتا ہے، تو یہ کھلے اور ملکیتی امیج جنریشن کے درمیان توازن میں ایک قابل ذکر تبدیلی کو نشان زد کرے گا۔

فلیگ شپ عزائم کے ساتھ 7 بلین پیرامیٹر ماڈل

علی بابا کی جانب سے شہ سرخی کا دعویٰ حیران کن ہے: صرف 7 بلین پیرامیٹرز کا ایک بصری جنریشن جزو سب سے زیادہ بند ماڈلز کو پیچھے چھوڑتا ہے۔ یہ انتباہ پر زور دینے کے قابل ہے جو اس کے ساتھ ہے — موازنہ Qwen کے اپنے معیار سے آتا ہے، اور آزاد بینچ مارک کے نتائج ابھی باقی ہیں۔ ٹیک پبلیکیشن دی ڈیکوڈر، جس نے ریلیز کا احاطہ کیا، اس فرق کو براہ راست نوٹ کیا، اور ہیکر نیوز پر اوپن سورس کمیونٹی، جہاں لانچ نے گھنٹوں کے اندر سینکڑوں ووٹ حاصل کیے، اس کے ابتدائی رد عمل میں بھی اسی طرح پیمائش کی گئی ہے۔

جو چیز متنازعہ نہیں ہے وہ نظام کی کارکردگی ہے۔ Qwen-Image-2.1 کو NVIDIA RTX 3090 کی طرح قابل رسائی GPUs سمیت صارفین کے ہارڈ ویئر پر چلانے کے لیے ڈیزائن کیا گیا ہے۔ تخلیق کاروں اور ڈویلپرز کے لیے جنہوں نے فرنٹیئر امیج ماڈلز کو APIs اور ڈیٹا سینٹر کے انفراسٹرکچر کے پیچھے جاتے دیکھا ہے، ایک ایسا ماڈل جو مقامی طور پر تصاویر تیار کر سکتا ہے اور اس میں ترمیم کر سکتا ہے۔

شفاف امیجز اور ملٹی ریفرنس کمپوزیشن

خام نسل کے معیار سے ہٹ کر، Qwen-Image-2.1 ایسی صلاحیتوں کو متعارف کراتا ہے جن کے بارے میں Qwen ٹیم کا کہنا ہے کہ ماڈل کی مقامی ہیں بجائے اس کے کہ بعد میں بولٹ کی جائے۔ ان میں سے سب سے زیادہ قابل توجہ RGBA کے لیے مقامی حمایت ہے — شفاف پس منظر والی تصاویر — جنریشن اور ایڈیٹنگ دونوں میں۔ صارف اپنے پس منظر سے اشیاء کو الگ کر سکتے ہیں یا علیحدہ پس منظر ہٹانے والے ٹول کے ذریعے راؤنڈ ٹرپنگ کے بغیر شفاف تہوں پر متن تبدیل کر سکتے ہیں۔

ماڈل ایک ہی کام میں دس حوالہ جات کی تصاویر کو بھی ہینڈل کرتا ہے۔ کیوین کے مطابق، یہ ورک فلو کو قابل بناتا ہے جیسے کہ ہر فرد کی انفرادی تصاویر سے گروپ پورٹریٹ کو اسمبل کرنا، ورچوئل ٹرائی آن تجربات کو طاقت دینا، یا متعدد اندرونی تصاویر کو حوالہ جات کے طور پر جوڑ کر کمروں کو دوبارہ ڈیزائن کرنا۔

مقامی ترامیم کے لیے، ٹیم نے علاقائی رہنمائی والے کنٹرولز نافذ کیے ہیں: صارف تصویر کے کسی حصے پر حلقے، ماسک یا پینٹ شدہ نشانات بنا سکتے ہیں تاکہ یہ بتا سکیں کہ تبدیلیاں کہاں لاگو کی جانی چاہئیں۔ یہ مقامی تبدیلیوں کو بیان کرنے کے لیے متن کے اشارے پر مکمل انحصار کرنے کی بجائے بصری شکل میں ترمیم کی ہدایات رکھتا ہے۔

فن تعمیر میں تبدیلیاں اور تیز تر اندازہ

Qwen-Image-2.1 میں کارکردگی میں بہتری آرکیٹیکچرل تبدیلیوں اور KV کیشے کے دوبارہ استعمال سے آتی ہے، Qwen ٹیم کے مطابق۔ کہا جاتا ہے کہ کیشنگ کے نقطہ نظر سے اندازہ کو نمایاں طور پر تیز کیا جاتا ہے، خاص طور پر ورک فلو میں جس میں متعدد حوالہ جات کی تصاویر شامل ہوتی ہیں، جہاں پچھلے نقطہ نظر سے ہر نسل پر کافی مقدار میں کام کی دوبارہ گنتی ہوگی۔

عملی صارفین کے لیے، صارفین کے ہارڈویئر پر تیز تر اندازہ رسائی کی کہانی کو مرکب کرتا ہے: تیز تکرار کے چکر مقامی امیج جنریشن کو کبھی کبھار تجربات کے بجائے حقیقی پیداواری کام کے لیے قابل عمل بناتے ہیں۔

اسے کہاں سے حاصل کیا جائے — اور لائسنسنگ کیچ

Qwen-Image-2.1 Hugging Face، GitHub، اور Model Scope پر ڈاؤن لوڈ کے لیے دستیاب ہے، اور ٹیم نے ہگنگ فیس پر ایک ڈیمو شائع کیا ہے ان صارفین کے لیے جو ماڈل کو ڈاؤن لوڈ کرنے سے پہلے آزمانا چاہتے ہیں۔

تاہم، تجارتی صارفین کے لیے ایک اہم کیچ ہے۔ ماڈل ایک تحقیقی لائسنس کے تحت بھیجتا ہے جو واضح طور پر تجارتی استعمال پر پابندی لگاتا ہے۔ وہ کاروبار جو Qwen-Image-2.1 پر تعمیر کرنا چاہتے ہیں انہیں علیحدہ لائسنس کے لیے Qwen پر درخواست دینی چاہیے۔ یہ اس نقطہ نظر کی عکاسی کرتا ہے جو علی بابا نے کئی پچھلی Qwen ریلیز کے ساتھ اختیار کیا ہے، جہاں وزن تحقیق اور تشخیص کے لیے آزادانہ طور پر دستیاب ہیں، لیکن آمدنی پیدا کرنے والی تعیناتیوں کے لیے کمپنی کے ساتھ براہ راست انتظام کی ضرورت ہوتی ہے۔

انفرادی تخلیق کاروں، محققین، اور شوق رکھنے والوں کے لیے، عملی اثر آسان ہے: ڈاؤن لوڈ، مقامی طور پر چلائیں، آزادانہ طور پر تجربہ کریں۔ ماڈل کے سب سے اوپر پروڈکٹ بنانے کی امید رکھنے والے اسٹارٹ اپس کے لیے، لائسنس کی شرائط کا مطلب ہے علی بابا کے ساتھ بات چیت سب سے پہلے۔

اوپن ویٹ ریس کے لیے اس کا کیا مطلب ہے۔

ریلیز ایک ایسے وقت میں ہوئی جب چینی AI لیبز کھلے وزن کی کارکردگی پر جارحانہ طور پر مقابلہ کر رہی ہیں، ایسے ماڈلز جاری کر رہی ہیں جو اپنے بند حریفوں کے پیرامیٹر کی گنتی اور ہارڈ ویئر کی قیمت کے ایک حصے پر قریب ترین معیار کا دعویٰ کرتے ہیں۔ ایک تصویری ماڈل جو صارف کے GPU پر فٹ ہونے کے دوران بند نظاموں کا مقابلہ کرنے کا دعویٰ کرتا ہے اس وسیع تر حکمت عملی کا بصری نسل کا ہم منصب ہے۔

آیا Qwen-Image-2.1 واقعی بند رہنماؤں سے میل کھاتا ہے، اس کا انحصار آزاد بینچ مارکس پر ہوگا، جو ابھی تک شائع نہیں ہوئے ہیں۔ ابتدائی کمیونٹی ٹیسٹنگ، فریق ثالث کی تشخیص، اور ہیگنگ فیس جیسے پلیٹ فارمز پر موازنہ آنے والے ہفتوں میں اس سوال کو حل کر دے گا۔ اس وقت تک، دعویٰ ٹیم کا اپنا ہی رہتا ہے — لیکن ماڈل خود آج ہر اس شخص کے لیے دستیاب ہے جس کے پاس ہارڈ ویئر ہے اور اسے جانچنے کا تجسس ہے۔

کھلے اور بند AI سسٹمز کے درمیان وسیع تر مسابقت کا سراغ لگانے والے قارئین کے لیے، یہ ریلیز تیزی سے آگے بڑھتے ہوئے فیلڈ میں ایک اور ڈیٹا پوائنٹ ہے، جس کا احاطہ AI کی تازہ ترین خبروں کے ساتھ ہوتا ہے جب یہ تیار ہوتا ہے۔

AI سے آگے رہیں

AI زمین کی تزئین کی تیزی سے حرکت کرتا ہے، اور تصویر کی تخلیق اس کے سب سے زیادہ مسابقتی کونوں میں سے ایک ہے۔ ماڈل ریلیزز، بینچ مارکس اور ان کے پیچھے کاروباری فیصلوں کی مسلسل کوریج کے لیے AI Buzz Wire پر عمل کریں۔

مزید AI خبریں پڑھیں →