Nowy Qwen Image 3 AI od Alibaba chce być użyteczny, a nie tylko ładny

Zespół Qwen firmy Alibaba uruchomił Qwen Image 3.0 we wtorek, a jego oferta nie dotyczy tego, jak piękne są wyniki. Chodzi o to, czy wyniki mogą być rzeczywiście użyteczne w pracy.

Większość narzędzi AI do generowania obrazów - Reve, Nano Banana, Seedream - jest zaprojektowana tak, aby doskonale radzić sobie w określonych obszarach: kreatywności, realizmu, możliwości edycji itd. Qwen Image 3.0 idzie w innym kierunku. "Qwen-Image-3.0 nie tylko dąży do 'ładnego wyglądu' - dąży do 'użyteczności', czyniąc generowanie obrazów prawdziwie wdrażalnym narzędziem produktywności," napisali członkowie zespołu Qwen w oficjalnym ogłoszeniu.

Centralnym punktem jest to, co chiński gigant Alibaba nazywa bogatą treścią. Model akceptuje do 4500 tokenów, co stanowi 4,5 razy więcej niż poprzednia generacja mogła przetworzyć. Tokeny to jednostki tekstu, które AI odczytuje; wyobraź sobie token jako mniej więcej jedno słowo lub część słowa, więc 4500 z nich to kilka stron szczegółowych instrukcji.

To wystarczy, aby opisać dziewięć oddzielnych paneli infograficznych w jednym zapytaniu i otrzymać je jako jeden kompletny obraz.

"Cały powyższy obraz został wygenerowany przez Qwen-Image-3.0 w jednym przejściu, a nie złożony z wielu obrazów," napisał Alibaba na swoim blogu. Każdy panel w demonstracji zawiera własne diagramy, formuły, podpisy i drobny tekst - renderowane za jednym razem, a nie składane później.

To jedyny model, który potrafi osiągnąć to bez poważnych błędów.

Drugą częścią jest to, co firma nazywa autentycznymi szczegółami. Według Alibaby, model "obsługuje precyzyjne renderowanie tekstu o wielkości 10px, żywo reprodukując szczegóły takie jak pory i włosy z realistycznym, mikro-poziomowym odwzorowaniem." Dziesięć pikseli to drobny druk - taki, jaki zobaczysz na zastrzeżeniach farmaceutycznych. Model obsługuje również LaTeX - system notacji, którego badacze używają do pisania skomplikowanych równań matematycznych - dokładnie w pełnych makietach prac akademickich.

W naszych zwykłych testach dajemy modelom kilka zdań i oceniamy, jak je przetwarzają. Qwen Image 3.0 był w stanie wygenerować obraz poniżej, zgodnie z oficjalnym blogiem Alibaby.

Wypróbowaliśmy tę funkcję, używając najszybszej konfiguracji modelu. Qwen Image 3.0 był w stanie odtworzyć jeden pełny artykuł z Decrypt. Wykonanie było naprawdę imponujące, ale wynik nie był bezbłędny.

Trzecią filarem Qwen Image 3.0 jest głęboka wiedza. Według zespołu Qwen, model "obsługuje natywne renderowanie 12 języków, symuluje główne interfejsy, takie jak strony internetowe, gry i transmisje na żywo, oraz czerpie z bogatej wiedzy o świecie." Łączy się również z internetem, aby pobierać dane na żywo, co oznacza, że zapytanie o wizualizację prognozy pogody dla konkretnego miasta i daty zwraca dokładną grafikę, a nie zgadywanie.

Na przykład Alibaba podzielił się zdjęciem owada na liściu. Model był w stanie wygenerować odpowiedni tekst na podstawie swojego zrozumienia obrazu.

Alibaba kieruje swoją ofertę do studiów projektowych, zespołów treści, operacji e-commerce i edukatorów, którzy potrzebują gotowych wizualnych zasobów w dużych ilościach.

Warto jednak zauważyć, że w własnej ocenie Qwen-Image-Bench Alibaby - benchmarku, który ocenia jakość obrazu, estetykę i wierność rzeczywistości w 18 modelach - Qwen Image 2.0 Pro, poprzedni flagowiec, zajął piąte miejsce. Model GPT Image 2 firmy OpenAI prowadził w rankingu. Nowy model może działać lepiej, ale uruchomienie nie oferuje mierzonego sposobu na potwierdzenie tego, ponieważ pojawił się bez tabeli benchmarkowej, do pobrania wag lub raportu technicznego.

Qwen Image 1.0 uruchomiono z otwartymi wagami na licencji Apache 2.0 oraz raportem technicznym tego samego dnia. Ten model tego nie zrobił. W ramach ostatniego impulsu AI Alibaby, dowody tutaj są całkowicie wyselekcjonowanymi przykładami obrazów, które firma postanowiła opublikować. Próby API są otwarte na chat.qwen.ai. Ceny nie zostały ogłoszone.

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.