Qwen-Image-2.1 của Alibaba mang đến khả năng tạo hình ảnh mô hình lớn trong gói trọng lượng mở 7B

Nhóm Qwen của Alibaba đã phát hành Qwen-Image-2.1, một mô hình trọng lượng mở mới để tạo và chỉnh sửa hình ảnh mà công ty cho biết đã vượt xa kích thước của nó. Theo nhóm Qwen, thành phần tạo hình ảnh của mô hình chỉ chứa 7 tỷ thông số, tuy nhiên nó đánh bại hầu hết các mô hình đóng theo tiêu chuẩn nội bộ của Qwen - một tuyên bố rằng, nếu nó giữ được đánh giá độc lập, sẽ đánh dấu một sự thay đổi đáng chú ý trong sự cân bằng giữa việc tạo hình ảnh mở và độc quyền.

Mô hình tham số 7 tỷ với tham vọng hàng đầu

Tuyên bố tiêu đề từ Alibaba rất đáng chú ý: thành phần tạo hình ảnh chỉ có 7 tỷ thông số hoạt động tốt hơn hầu hết các mô hình đóng. Điều đáng nhấn mạnh là lời cảnh báo đi kèm với nó - sự so sánh xuất phát từ điểm chuẩn của chính Qwen và kết quả điểm chuẩn độc lập vẫn đang chờ xử lý. Ấn phẩm công nghệ The Decode, đưa tin về bản phát hành, đã trực tiếp ghi nhận sự khác biệt này và cộng đồng nguồn mở trên Hacker News, nơi buổi ra mắt đã thu hút hàng trăm lượt tán thành trong vòng vài giờ, cũng được đo lường tương tự trong các phản ứng ban đầu của nó.

Điều không thể tranh cãi là hiệu quả của hệ thống. Qwen-Image-2.1 được thiết kế để chạy trên phần cứng mạnh mẽ dành cho người tiêu dùng, bao gồm cả GPU có thể truy cập được như NVIDIA RTX 3090. Đối với những người sáng tạo và nhà phát triển đã chứng kiến ​​các mô hình hình ảnh tiên tiến bị tụt hậu so với API và cơ sở hạ tầng trung tâm dữ liệu, bản thân một mô hình có thể tạo và chỉnh sửa hình ảnh cục bộ trên thẻ tiêu dùng đã ba năm tuổi là một sự phát triển có ý nghĩa.

Hình ảnh trong suốt và bố cục đa tham chiếu

Ngoài chất lượng tạo thô, Qwen-Image-2.1 còn giới thiệu các khả năng mà nhóm Qwen cho biết là có sẵn cho mô hình chứ không phải được cài đặt sau đó. Điều bắt mắt nhất trong số này là hỗ trợ riêng cho RGBA - hình ảnh có nền trong suốt - trong cả quá trình tạo và chỉnh sửa. Người dùng có thể tách biệt các đối tượng khỏi nền của chúng hoặc thay đổi văn bản trên các lớp trong suốt mà không cần phải di chuyển vòng thông qua một công cụ xóa nền riêng biệt.

Mô hình này cũng xử lý tối đa mười hình ảnh tham chiếu trong một công việc. Theo Qwen, điều này cho phép thực hiện các quy trình công việc như ghép ảnh chân dung nhóm từ ảnh riêng lẻ của từng người, hỗ trợ trải nghiệm dùng thử ảo hoặc thiết kế lại phòng bằng cách kết hợp nhiều ảnh nội thất làm tài liệu tham khảo.

Đối với các chỉnh sửa cục bộ, nhóm đã triển khai các biện pháp kiểm soát theo vùng: người dùng có thể vẽ vòng tròn, mặt nạ hoặc dấu sơn trên một khu vực của hình ảnh để cho biết nơi cần áp dụng các thay đổi. Điều này đặt hướng dẫn chỉnh sửa ở dạng trực quan thay vì chỉ dựa vào lời nhắc văn bản để mô tả những thay đổi về không gian.

Thay đổi kiến trúc và suy luận nhanh hơn

Theo nhóm Qwen, cải tiến hiệu suất trong Qwen-Image-2.1 đến từ những thay đổi về kiến trúc và từ việc tái sử dụng bộ đệm KV. Phương pháp lưu vào bộ nhớ đệm được cho là có khả năng tăng tốc độ suy luận một cách đáng kể, đặc biệt là trong các quy trình công việc liên quan đến nhiều hình ảnh tham chiếu, trong đó các phương pháp trước đó sẽ tính toán lại một lượng công việc đáng kể ở mọi thế hệ.

Đối với người dùng thực tế, khả năng suy luận nhanh hơn về phần cứng tiêu dùng sẽ tạo nên câu chuyện về khả năng tiếp cận: chu kỳ lặp lại nhanh hơn giúp việc tạo hình ảnh cục bộ trở nên khả thi đối với công việc sản xuất thực tế thay vì thử nghiệm không thường xuyên.

Lấy nó ở đâu — và thủ tục cấp phép

Qwen-Image-2.1 có sẵn để tải xuống trên Hugging Face, GitHub và Model Scope, đồng thời nhóm đã xuất bản bản demo về Ôm mặt cho những người dùng muốn dùng thử mô hình trước khi tải xuống.

Tuy nhiên, có một nhược điểm quan trọng đối với người dùng thương mại. Mô hình này được xuất xưởng theo giấy phép nghiên cứu cấm sử dụng thương mại một cách rõ ràng. Các doanh nghiệp muốn xây dựng trên Qwen-Image-2.1 phải nộp đơn xin Qwen giấy phép riêng. Điều này phản ánh cách tiếp cận mà Alibaba đã thực hiện với một số bản phát hành Qwen trước đây, trong đó các trọng số được cung cấp miễn phí để nghiên cứu và đánh giá, nhưng việc triển khai tạo doanh thu đòi hỏi phải có sự sắp xếp trực tiếp với công ty.

Đối với cá nhân người sáng tạo, nhà nghiên cứu và người có sở thích, hiệu quả thực tế rất đơn giản: tải xuống, chạy cục bộ, thử nghiệm miễn phí. Đối với những công ty khởi nghiệp hy vọng xây dựng một sản phẩm dựa trên mô hình này, các điều khoản cấp phép có nghĩa là phải đối thoại với Alibaba trước tiên.

Ý nghĩa của cuộc đua hạng cân mở

Việc phát hành diễn ra vào thời điểm các phòng thí nghiệm AI của Trung Quốc đang cạnh tranh gay gắt về hiệu quả trọng lượng mở, phát hành các mô hình khẳng định chất lượng gần như vượt trội với một phần nhỏ so với số lượng thông số và chi phí phần cứng của các đối thủ cạnh tranh kín của họ. Một mô hình hình ảnh tuyên bố cạnh tranh với các hệ thống đóng trong khi phù hợp với GPU dành cho người tiêu dùng là đối tác tạo hình ảnh cho chiến lược rộng lớn hơn đó.

Liệu Qwen-Image-2.1 có thực sự phù hợp với các nhà lãnh đạo khép kín hay không sẽ phụ thuộc vào các tiêu chuẩn độc lập chưa được công bố. Thử nghiệm sớm của cộng đồng, đánh giá của bên thứ ba và so sánh trên các nền tảng như Ôm Mặt sẽ giải quyết câu hỏi trong những tuần tới. Cho đến lúc đó, tuyên bố này vẫn là của riêng nhóm - nhưng bản thân mô hình này hiện đã có sẵn cho bất kỳ ai có phần cứng và muốn thử nghiệm nó.

Đối với độc giả theo dõi sự cạnh tranh rộng rãi hơn giữa các hệ thống AI mở và đóng, bản phát hành này là một điểm dữ liệu nữa trong một lĩnh vực đang chuyển động nhanh chóng, được đưa tin cùng với những tin tức mới nhất về AI khi nó phát triển.

Đi trước AI

Bối cảnh AI đang phát triển nhanh chóng và việc tạo ra hình ảnh là một trong những góc cạnh cạnh tranh nhất của nó. Hãy theo dõi AI Buzz Wire để biết thêm thông tin về các bản phát hành mô hình, điểm chuẩn và các quyết định kinh doanh đằng sau chúng.

Đọc thêm tin tức về AI →