الذكاء الاصطناعي الجديد Qwen Image 3 من Alibaba يسعى ليكون مفيدًا، وليس مجرد جميل

أطلق فريق Qwen في Alibaba Qwen Image 3.0 يوم الثلاثاء، والهدف ليس متعلقًا بمدى جمال المخرجات. بل يتعلق بما إذا كانت المخرجات يمكن استخدامها فعليًا في العمل.

تم تصميم معظم أدوات الصور بالذكاء الاصطناعي - Reve وNano Banana وSeedream - لتتفوق في مجالات محددة: الإبداع، والواقعية، وقدرات التحرير، وما إلى ذلك. لكن Qwen Image 3.0 يسير في اتجاه مختلف. كتب فريق Qwen في الإعلان الرسمي: "Qwen-Image-3.0 لا يسعى فقط إلى "الجمال" - بل يسعى إلى "الفائدة"، مما يجعل توليد الصور أداة إنتاجية قابلة للتطبيق حقًا."

النقطة المحورية هي ما تسميه عملاق التكنولوجيا الصيني Alibaba المحتوى الغني. النموذج يقبل حتى 4500 رمز، وهو 4.5 مرة مما يمكن أن تعالجه النسخة السابقة. الرموز هي وحدات النص التي يقرأها الذكاء الاصطناعي؛ تخيل رمزًا كأنه تقريبًا كلمة واحدة أو جزء من كلمة، لذا فإن 4500 منها تعني عدة صفحات من التعليمات التفصيلية.

هذا يكفي لوصف تسعة لوحات معلومات منفصلة في طلب واحد والحصول عليها كصورة كاملة واحدة.

"تم توليد الصورة الكاملة أعلاه بواسطة Qwen-Image-3.0 في تمريرة واحدة، بدلاً من تجميعها من عدة صور،" كتبت Alibaba في مدونتها. تحتوي كل لوحة في العرض التوضيحي على مخططات وصيغ وتعليقات ونصوص دقيقة خاصة بها - تم تقديمها في لقطة واحدة، وليس تم تجميعها لاحقًا.

هذا هو النموذج الوحيد القادر على تحقيق ذلك دون أخطاء كبيرة.

الجزء الثاني هو ما تسميه الشركة التفاصيل الأصيلة. وفقًا لـ Alibaba، فإن النموذج "يدعم عرض النص بدقة يصل إلى 10 بكسل، ويعيد إنتاج التفاصيل مثل المسام وخيوط الشعر بشكل حي، مع تصوير دقيق على مستوى الميكرو." عشرة بكسل هي نصوص صغيرة - النوع الذي سترى عليه إخلاءات المسؤولية الصيدلانية. كما أن النموذج يتعامل مع LaTeX - نظام التدوين الذي يستخدمه الباحثون لكتابة المعادلات الرياضية المعقدة - بدقة عبر نماذج كاملة من الأوراق الأكاديمية.

في اختباراتنا المعتادة، نقدم للنماذج بضع جمل ونقيم كيفية معالجتها. كان Qwen Image 3.0 قادرًا على توليد الصورة أدناه، وفقًا لمدونة Alibaba الرسمية.

جربنا هذه الميزة باستخدام أسرع إعداد للنموذج. كان Qwen Image 3.0 قادرًا على إعادة إنتاج مقال كامل من Decrypt. كانت التنفيذ مثيرًا للإعجاب حقًا، لكن النتيجة لم تكن خالية من العيوب.

الركيزة الثالثة لـ Qwen Image 3.0 هي المعرفة العميقة. وفقًا لفريق Qwen، فإن النموذج "يدعم العرض الأصلي لـ 12 لغة، ويحاكي الواجهات الرئيسية مثل صفحات الويب والألعاب والبث المباشر، ويستند إلى معرفة عالمية غنية." كما أنه يتصل بالإنترنت لجلب البيانات الحية، مما يعني أن طلب عرض توقعات الطقس لمدينة معينة وتاريخ معين يعود برسوم بيانية دقيقة، وليس مجرد تخمين.

على سبيل المثال، شاركت Alibaba صورة لحشرة على ورقة. كان النموذج قادرًا على توليد نص ذي صلة بناءً على فهمه للصورة.

تروج Alibaba لاستوديوهات التصميم، وفرق المحتوى، وعمليات التجارة الإلكترونية، والمعلمين الذين يحتاجون إلى أصول بصرية جاهزة للإنتاج بكميات كبيرة.

من الجدير بالذكر، مع ذلك، أنه في تقييم Qwen-Image-Bench الخاص بـ Alibaba - وهو معيار يقيم جودة الصورة، والجماليات، والواقعية عبر 18 نموذجًا - احتلت Qwen Image 2.0 Pro، النسخة السابقة الرائدة، المركز الخامس. تصدرت صورة GPT من OpenAI الترتيب. قد يؤدي النموذج الجديد أداءً أفضل، لكن الإطلاق لا يقدم وسيلة مقاسة لتأكيد ذلك، لأنه وصل دون جدول مرجعي، أو أوزان قابلة للتنزيل، أو تقرير تقني.

أطلق Qwen Image 1.0 بأوزان مفتوحة بموجب ترخيص Apache 2.0 وتقرير تقني في نفس اليوم. لكن هذا النموذج لم يفعل ذلك. كجزء من دفع Alibaba الأخير في مجال الذكاء الاصطناعي، فإن الأدلة هنا هي بالكامل الصور المختارة التي اختارت الشركة نشرها. التجارب على واجهة برمجة التطبيقات مفتوحة على chat.qwen.ai. لم يتم الإعلان عن الأسعار.

يُقدَّم هذا المحتوى لأغراض معلوماتية عامة فقط، ولا يُشكل مشورة مالية أو استثمارية أو قانونية أو ضريبية. ولا ينبغي اعتبار أي فعاليات أو مكافآت أو عروض ترويجية عبر الإنترنت أو أي معلومات ذات صلة واردة فيه توصيةً أو طلبًا أو دعوةً لشراء الأصول المشفرة أو بيعها أو تداولها أو إجراء أي معاملات أخرى عليها. تتميز الأصول المشفرة بتقلبات سعرية مرتفعة وقد تؤدي إلى خسائر. وقد يختلف مدى توفر خدمات WEEX ومنتجاتها والفعاليات المرتبطة بها حسب المنطقة. وتقع على عاتقك مسؤولية التأكد من أن مشاركتك تتوافق مع القوانين واللوائح المحلية المعمول بها.