Alibabin model otvorenih težina Qwen-Image-2.1 tvrdi da nadmašuje zatvorene modele u generiranju slika s tek 7 milijardi parametara

Alibabin tim za umjetnu inteligenciju Qwen objavio je Qwen-Image-2.1, model otvorenih težina za generiranje i uređivanje slika. Komponenta za vizualnu generaciju ima svega 7 milijardi parametara, a prema Qwenovim internim mjerilima nadmašuje većinu zatvorenih modela – neovisne provjere još uvijek nisu provedene. Model radi na snažnijim potrošačkim grafičkim karticama poput GeForce RTX 3090.

Model izvorno generira i uređuje prozirne slike u formatu RGBA, što korisnicima omogućuje izdvajanje objekata ili izmjenu teksta na prozirnim slojevima. Podržava do deset referentnih slika istovremeno – za grupne portrete, virtualno isprobavanje odjeće ili uređenje prostora – a lokalne izmjene mogu se precizno usmjeravati kružnicama, maskama ili ručno iscrtanim oznakama. Qwen navodi da su promjene u arhitekturi i ponovna upotreba KV predmemorije ubrzale zaključivanje, osobito pri radu s više referentnih slika.

Qwen-Image-2.1 dostupan je na Hugging Faceu, GitHubu i Model Scopeu, a postoji i demo na Hugging Faceu. Istraživačka licencija zabranjuje komercijalnu upotrebu, pa poslovni korisnici moraju od Qwena zatražiti zasebnu licenciju.