Alibabas neues Qwen Image 3 AI will nützlich sein, nicht nur schön

Alibabas Qwen-Team hat am Dienstag Qwen Image 3.0 vorgestellt, und das Angebot hat nichts damit zu tun, wie schön die Ausgabe aussieht. Es geht darum, ob die Ausgabe tatsächlich bei der Arbeit verwendet werden kann.

Die meisten KI-Bildwerkzeuge – Reve, Nano Banana, Seedream – sind darauf ausgelegt, in bestimmten Bereichen zu glänzen: Kreativität, Realismus, Bearbeitungsfähigkeiten usw. Qwen Image 3.0 geht in eine andere Richtung. "Qwen-Image-3.0 strebt nicht nur nach 'gut aussehend' – es strebt nach 'nützlich', wodurch die Bildgenerierung zu einem wirklich einsetzbaren Produktivitätswerkzeug wird", schrieb das Qwen-Team in der offiziellen Ankündigung.

Das Herzstück ist das, was der chinesische Riese Alibaba als reichhaltigen Inhalt bezeichnet. Das Modell akzeptiert bis zu 4.500 Tokens, was 4,5 Mal mehr ist, als die vorherige Generation verarbeiten konnte. Tokens sind die Texteinheiten, die eine KI liest; man kann sich ein Token als ungefähr ein Wort oder einen Teil eines Wortes vorstellen, sodass 4.500 davon mehrere Seiten detaillierter Anweisungen sind.

Das reicht aus, um neun separate Infografik-Panels in einem einzigen Prompt zu beschreiben und sie als ein vollständiges Bild zurückzubekommen.

"Das gesamte oben dargestellte Bild wurde von Qwen-Image-3.0 in einem einzigen Durchgang generiert, anstatt aus mehreren Bildern zusammengenäht zu werden", schrieb Alibaba in seinem Blog. Jedes Panel in der Demo enthält eigene Diagramme, Formeln, Beschriftungen und Kleingedrucktes – alles in einem einzigen Schuss gerendert, nicht nachträglich zusammengesetzt.

Dies ist das einzige Modell, das dies ohne größere Fehler erreichen kann.

Der zweite Teil sind die authentischen Details. Laut Alibaba unterstützt das Modell "die präzise Darstellung von Texten, die so klein wie 10px sind, und reproduziert lebhaft Details wie Poren und Haarsträhnen mit lebensechter, mikrolevel Darstellung." Zehn Pixel sind Kleingedrucktes – die Art, die man in pharmazeutischen Haftungsausschlüssen sieht. Das Modell verarbeitet auch LaTeX – das Notationssystem, das Forscher verwenden, um komplexe mathematische Gleichungen zu schreiben – genau über vollständige akademische Papiermockups.

In unseren üblichen Tests geben wir Modellen ein paar Sätze und bewerten, wie sie diese verarbeiten. Qwen Image 3.0 war in der Lage, das untenstehende Bild zu generieren, gemäß Alibabas offiziellem Blog.

Wir haben diese Funktion mit der schnellsten Konfiguration des Modells ausprobiert. Qwen Image 3.0 konnte einen vollständigen Artikel von Decrypt reproduzieren. Die Ausführung war wirklich beeindruckend, aber das Ergebnis war nicht fehlerfrei.

Die dritte Säule von Qwen Image 3.0 ist tiefes Wissen. Laut dem Qwen-Team unterstützt das Modell "die native Darstellung von 12 Sprachen, simuliert gängige Schnittstellen wie Webseiten, Spiele und Livestreams und greift auf reichhaltiges Weltwissen zurück." Es verbindet sich auch mit dem Internet, um Live-Daten abzurufen, was bedeutet, dass eine Aufforderung für eine Wettervorhersage-Grafik für eine bestimmte Stadt und ein bestimmtes Datum eine genaue Grafik zurückgibt, nicht nur eine Vermutung.

Zum Beispiel teilte Alibaba ein Foto eines Insekts auf einem Blatt. Das Modell war in der Lage, relevanten Text basierend auf seinem Verständnis des Bildes zu generieren.

Alibaba richtet sich an Designstudios, Content-Teams, E-Commerce-Betriebe und Educatoren, die in großen Mengen produktionsbereite visuelle Assets benötigen.

Es ist jedoch erwähnenswert, dass im eigenen Qwen-Image-Bench-Bewertung von Alibaba – einem Benchmark, der die Bildqualität, Ästhetik und reale Treue über 18 Modelle hinweg bewertet – Qwen Image 2.0 Pro, das vorherige Flaggschiff, den fünften Platz belegte. OpenAIs GPT Image 2 führte das Ranking an. Das neue Modell könnte besser abschneiden, aber der Start bietet keinen messbaren Weg, dies zu bestätigen, da es ohne eine Benchmark-Tabelle, herunterladbare Gewichte oder einen technischen Bericht kam.

Qwen Image 1.0 wurde mit offenen Gewichten unter einer Apache 2.0-Lizenz und einem technischen Bericht am selben Tag veröffentlicht. Dieses hier nicht. Im Rahmen von Alibabas jüngstem KI-Vorstoß sind die Beweise hier vollständig die handverlesenen Beispielbilder, die das Unternehmen veröffentlicht hat. API-Tests sind unter chat.qwen.ai offen. Preise wurden noch nicht bekannt gegeben.

Haftungsausschluss: Dieser Inhalt wird nur zu allgemeinen Marketing- und Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle Events, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets oder zur Nutzung von Services betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. WEEX Services und Online-Aktionen sind möglicherweise nicht in allen Regionen verfügbar und unterliegen geltenden Gesetzen, Vorschriften und Berechtigungsanforderungen. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Nutzung von WEEX Services mit lokalen Gesetzen übereinstimmt, und sorgfältig die Risiken vor der Teilnahme an Krypto-bezogenen Aktivitäten zu bewerten.