AI Qwen Image 3 của Alibaba muốn hữu ích, không chỉ đẹp mắt

Nhóm Qwen của Alibaba đã ra mắt Qwen Image 3.0 vào thứ Ba, và mục tiêu không liên quan đến việc sản phẩm đầu ra trông đẹp như thế nào. Nó liên quan đến việc liệu sản phẩm đầu ra có thực sự có thể được sử dụng trong công việc hay không.

Hầu hết các công cụ hình ảnh AI---Reve, Nano Banana, Seedream---được thiết kế để xuất sắc ở các lĩnh vực cụ thể: sáng tạo, hiện thực, khả năng chỉnh sửa, và nhiều hơn nữa. Qwen Image 3.0 đang đi theo một hướng khác. "Qwen-Image-3.0 không chỉ theo đuổi 'đẹp mắt'---nó đang theo đuổi 'hữu ích', biến việc tạo hình ảnh thành một công cụ năng suất thực sự có thể triển khai," nhóm Qwen viết trong thông báo chính thức.

Điểm nhấn là những gì gã khổng lồ Trung Quốc Alibaba gọi là nội dung phong phú. Mô hình này chấp nhận tối đa 4.500 token, gấp 4,5 lần so với thế hệ trước có thể xử lý. Token là đơn vị văn bản mà AI đọc; hãy tưởng tượng một token tương đương với một từ hoặc một phần của một từ, vì vậy 4.500 token tương đương với vài trang hướng dẫn chi tiết.

Đó là đủ để mô tả chín bảng thông tin riêng biệt trong một lời nhắc và nhận lại chúng như một hình ảnh hoàn chỉnh.

"Toàn bộ hình ảnh trên được tạo ra bởi Qwen-Image-3.0 trong một lần duy nhất, thay vì được ghép lại từ nhiều hình ảnh khác nhau," Alibaba viết trong blog của mình. Mỗi bảng trong bản demo chứa các sơ đồ, công thức, chú thích và văn bản chi tiết của riêng nó---được tạo ra trong một lần, không phải lắp ráp sau.

Đây là mô hình duy nhất có khả năng đạt được điều này mà không có lỗi lớn.

Phần thứ hai là những gì công ty gọi là chi tiết chân thực. Theo Alibaba, mô hình "hỗ trợ việc thể hiện chính xác văn bản nhỏ tới 10px, tái hiện sống động các chi tiết như lỗ chân lông và sợi tóc với mô tả ở mức vi mô." Mười pixel là văn bản nhỏ---loại mà bạn sẽ thấy trên các tuyên bố từ chối trách nhiệm dược phẩm. Mô hình cũng xử lý LaTeX---hệ thống ký hiệu mà các nhà nghiên cứu sử dụng để viết các phương trình toán học phức tạp---một cách chính xác trên các bản mô phỏng bài báo học thuật đầy đủ.

Trong các bài kiểm tra thông thường của chúng tôi, chúng tôi đưa ra cho các mô hình một vài câu và đánh giá cách chúng xử lý chúng. Qwen Image 3.0 đã có thể tạo ra hình ảnh bên dưới, theo blog chính thức của Alibaba.

Chúng tôi đã thử nghiệm tính năng này bằng cách sử dụng cấu hình nhanh nhất của mô hình. Qwen Image 3.0 đã có thể tái tạo một bài viết đầy đủ từ Decrypt. Việc thực hiện thực sự ấn tượng, nhưng kết quả không hoàn hảo.

Trụ cột thứ ba của Qwen Image 3.0 là kiến thức sâu sắc. Theo nhóm Qwen, mô hình "hỗ trợ việc thể hiện bản địa của 12 ngôn ngữ, mô phỏng các giao diện chính như trang web, trò chơi và livestream, và dựa trên kiến thức thế giới phong phú." Nó cũng kết nối với internet để lấy dữ liệu trực tiếp, có nghĩa là yêu cầu một hình ảnh dự báo thời tiết cho một thành phố và ngày cụ thể sẽ trả về một đồ họa chính xác, không phải là một dự đoán.

Ví dụ, Alibaba đã chia sẻ một bức ảnh của một con côn trùng trên một chiếc lá. Mô hình đã có thể tạo ra văn bản liên quan dựa trên sự hiểu biết của nó về hình ảnh.

Alibaba đang nhắm đến các studio thiết kế, đội ngũ nội dung, hoạt động thương mại điện tử và các nhà giáo dục cần tài sản hình ảnh sẵn sàng sản xuất với số lượng lớn.

Tuy nhiên, đáng lưu ý rằng trong đánh giá Qwen-Image-Bench của chính Alibaba---một tiêu chuẩn đánh giá chất lượng hình ảnh, thẩm mỹ và độ trung thực trong thế giới thực trên 18 mô hình---Qwen Image 2.0 Pro, mẫu flagship trước đó, đứng thứ năm. Hình ảnh GPT 2 của OpenAI đứng đầu bảng xếp hạng. Mô hình mới có thể hoạt động tốt hơn, nhưng việc ra mắt không cung cấp cách nào để xác nhận điều đó, vì nó đến mà không có bảng tiêu chuẩn, trọng số có thể tải xuống, hoặc báo cáo kỹ thuật.

Qwen Image 1.0 đã ra mắt với trọng số mở dưới giấy phép Apache 2.0 và một báo cáo kỹ thuật trong cùng ngày. Mô hình này thì không. Như một phần của đợt thúc đẩy AI gần đây của Alibaba, bằng chứng ở đây hoàn toàn là những hình ảnh ví dụ được công ty chọn để công bố. Các thử nghiệm API đang mở tại chat.qwen.ai. Giá cả chưa được công bố.

Nội dung này chỉ được đưa ra nhằm mục đích cung cấp thông tin chung, không phải là lời khuyên về tài chính, đầu tư, pháp lý hoặc thuế. Mọi sự kiện, phần thưởng, ưu đãi trực tuyến hoặc thông tin liên quan được đề cập trong nội dung này không được xem là khuyến nghị, chào mời hoặc lời mời mua, bán, giao dịch hoặc thực hiện bất kỳ hoạt động nào khác liên quan đến tài sản crypto. Tài sản crypto có độ biến động cao và có thể dẫn đến thua lỗ.Tính khả dụng của các dịch vụ, sản phẩm và sự kiện liên quan của WEEX có thể khác nhau tùy theo khu vực. Bạn có trách nhiệm bảo đảm việc tham gia của mình tuân thủ các luật và quy định hiện hành tại địa phương.