A Nova IA Qwen Image 3 da Alibaba Quer Ser Útil, Não Apenas Bonita

A equipe Qwen da Alibaba lançou o Qwen Image 3.0 na terça-feira, e a proposta não tem nada a ver com a beleza da saída. Trata-se de saber se a saída pode realmente ser utilizada no trabalho.

A maioria das ferramentas de imagem de IA---Reve, Nano Banana, Seedream---são projetadas para se destacar em áreas específicas: criatividade, realismo, capacidades de edição, e assim por diante. O Qwen Image 3.0 está indo em uma direção diferente. "O Qwen-Image-3.0 não está apenas buscando 'boa aparência'---ele está buscando 'utilidade', tornando a geração de imagens uma ferramenta de produtividade verdadeiramente aplicável," escreveu a equipe Qwen no anúncio oficial.

O centro das atenções é o que o gigante chinês Alibaba chama de conteúdo rico. O modelo aceita até 4.500 tokens, que é 4,5 vezes o que a geração anterior poderia processar. Tokens são as unidades de texto que uma IA lê; imagine um token como aproximadamente uma palavra ou parte de uma palavra, então 4.500 deles são várias páginas de instruções detalhadas.

Isso é suficiente para descrever nove painéis infográficos separados em um único prompt e recebê-los de volta como uma imagem completa.

"A imagem inteira acima foi gerada pelo Qwen-Image-3.0 em uma única passagem, em vez de ser montada a partir de várias imagens," escreveu a Alibaba em seu blog. Cada painel na demonstração contém seus próprios diagramas, fórmulas, legendas e texto em pequeno formato---renderizados em uma única vez, não montados posteriormente.

Este é o único modelo capaz de alcançar isso sem erros significativos.

A segunda parte é o que a empresa chama de detalhes autênticos. Segundo a Alibaba, o modelo "suporta renderização precisa de texto tão pequeno quanto 10px, reproduzindo vividamente detalhes como poros e fios de cabelo com uma representação micro-nível realista." Dez pixels é texto em pequeno formato---o tipo que você verá em isenções de responsabilidade farmacêuticas. O modelo também lida com LaTeX---o sistema de notação que os pesquisadores usam para escrever equações matemáticas complexas---com precisão em simulações de artigos acadêmicos completos.

Em nossos testes habituais, damos aos modelos algumas frases e avaliamos como eles as processam. O Qwen Image 3.0 foi capaz de gerar a imagem abaixo, de acordo com o blog oficial da Alibaba.

Testamos esse recurso usando a configuração mais rápida do modelo. O Qwen Image 3.0 foi capaz de reproduzir um artigo completo da Decrypt. A execução foi genuinamente impressionante, mas o resultado não foi impecável.

O terceiro pilar do Qwen Image 3.0 é o conhecimento profundo. Segundo a equipe Qwen, o modelo "suporta renderização nativa de 12 idiomas, simula interfaces principais como páginas da web, jogos e transmissões ao vivo, e se baseia em um rico conhecimento mundial." Ele também se conecta à internet para buscar dados ao vivo, o que significa que solicitar uma visualização de previsão do tempo para uma cidade e data específicas retorna um gráfico preciso, não uma suposição.

Por exemplo, a Alibaba compartilhou uma foto de um inseto em uma folha. O modelo foi capaz de gerar texto relevante com base em sua compreensão da imagem.

A Alibaba está promovendo estúdios de design, equipes de conteúdo, operações de e-commerce e educadores que precisam de ativos visuais prontos para produção em grande escala.

Vale a pena notar, no entanto, que na própria avaliação Qwen-Image-Bench da Alibaba---um benchmark que pontua qualidade de imagem, estética e fidelidade ao mundo real em 18 modelos---o Qwen Image 2.0 Pro, o modelo anterior, ficou em quinto lugar. O GPT Image 2 da OpenAI liderou o ranking. O novo modelo pode ter um desempenho melhor, mas o lançamento não oferece uma maneira medida de confirmá-lo, pois chegou sem uma tabela de benchmark, pesos para download ou relatório técnico.

O Qwen Image 1.0 foi lançado com pesos abertos sob uma licença Apache 2.0 e um relatório técnico no mesmo dia. Este não. Como parte do recente impulso da IA da Alibaba, as evidências aqui são inteiramente as imagens de exemplo escolhidas a dedo que a empresa decidiu publicar. Os testes de API estão abertos em chat.qwen.ai. Os preços ainda não foram anunciados.

Aviso: Este conteúdo é fornecido apenas para fins de divulgação e informação geral da marca e não constitui aconselhamento financeiro, de investimento, jurídico ou tributário. Quaisquer eventos, recompensas, eventos online ou informações relacionadas mencionados neste documento não devem ser considerados uma recomendação, solicitação ou convite para comprar, vender, negociar ou de qualquer outra forma realizar transações com criptoativos ou usar quaisquer serviços. Criptoativos são altamente voláteis, e sua negociação pode resultar em perdas. Os serviços e eventos online da WEEX podem não estar disponíveis em todas as regiões e estão sujeitos às leis, regulamentos e requisitos de elegibilidade aplicáveis. É sua responsabilidade garantir que o uso dos serviços da WEEX esteja em conformidade com as leis locais e avaliar cuidadosamente os riscos antes de participar de quaisquer atividades relacionadas a criptomoedas.