Нова AI Qwen Image 3 від Alibaba прагне бути корисною, а не лише красивою

Команда Qwen компанії Alibaba запустила Qwen Image 3.0 у вівторок, і акцент робиться не на тому, наскільки красиво виглядає результат, а на тому, чи може він бути дійсно корисним у роботі.

Більшість інструментів AI для створення зображень — Reve, Nano Banana, Seedream — розроблені для досягнення успіху в конкретних сферах: креативності, реалістичності, можливостях редагування тощо. Qwen Image 3.0 йде в іншому напрямку. "Qwen-Image-3.0 не просто прагне до 'гарного вигляду' — вона прагне до 'корисності', перетворюючи генерацію зображень на дійсно застосовуваний інструмент продуктивності," — написала команда Qwen у офіційному оголошенні.

Центральним елементом є те, що китайський гігант Alibaba називає багатим контентом. Модель приймає до 4500 токенів, що в 4,5 рази більше, ніж могла обробити попередня генерація. Токени — це одиниці тексту, які читає AI; уявіть токен як приблизно одне слово або частину слова, тому 4500 з них — це кілька сторінок детальних інструкцій.

Цього достатньо, щоб описати дев'ять окремих інфографічних панелей в одному запиті та отримати їх назад як одне завершене зображення.

"Усе зображення вище було згенеровано Qwen-Image-3.0 за один прохід, а не зшито з кількох зображень," — написала Alibaba у своєму блозі. Кожна панель у демонстрації містить свої власні діаграми, формули, підписи та дрібний текст — відтворені за один раз, а не зібрані після.

Це єдина модель, здатна досягти цього без значних помилок.

Друга частина — це те, що компанія називає автентичними деталями. За словами Alibaba, модель "підтримує точне відтворення тексту розміром до 10 пікселів, яскраво відтворюючи деталі, такі як пори та волосся, з реалістичним, мікрорівневим зображенням." Десять пікселів — це дрібний шрифт — той, що ви побачите на фармацевтичних застереженнях. Модель також точно обробляє LaTeX — систему нотації, яку дослідники використовують для написання складних математичних рівнянь — по всіх макетах академічних статей.

У наших звичайних тестах ми даємо моделям кілька речень і оцінюємо, як вони їх обробляють. Qwen Image 3.0 змогла згенерувати зображення нижче, згідно з офіційним блогом Alibaba.

Ми спробували цю функцію, використовуючи найшвидшу конфігурацію моделі. Qwen Image 3.0 змогла відтворити одну повну статтю з Decrypt. Виконання було дійсно вражаючим, але результат не був бездоганним.

Третій стовп Qwen Image 3.0 — це глибокі знання. За словами команди Qwen, модель "підтримує рідне відтворення 12 мов, імітує основні інтерфейси, такі як веб-сторінки, ігри та прямі трансляції, і черпає з багатих світових знань." Вона також підключається до Інтернету, щоб отримувати актуальні дані, що означає, що запит на візуалізацію прогнозу погоди для конкретного міста та дати повертає точну графіку, а не здогадку.

Наприклад, Alibaba поділилася фотографією комахи на листі. Модель змогла згенерувати відповідний текст на основі свого розуміння зображення.

Alibaba пропонує дизайн-студіям, контентним командам, операціям електронної комерції та освітянам, які потребують готових до виробництва візуальних активів у великих обсягах.

Варто зазначити, що в власній оцінці Qwen-Image-Bench компанії Alibaba — бенчмарк, який оцінює якість зображення, естетику та реалістичність у 18 моделях — Qwen Image 2.0 Pro, попередній флагман, зайняв п’яте місце. GPT Image 2 від OpenAI очолив рейтинг. Нова модель може працювати краще, але запуск не пропонує вимірювального способу підтвердити це, оскільки вона з'явилася без таблиці бенчмарків, завантажуваних ваг або технічного звіту.

Qwen Image 1.0 була запущена з відкритими вагами під ліцензією Apache 2.0 та технічним звітом в той же день. Ця ж не мала. У рамках недавнього поштовху Alibaba в AI, докази тут повністю складаються з вибраних прикладів зображень, які компанія вирішила опублікувати. Тестування API відкриті на chat.qwen.ai. Ціни не були оголошені.

Цей контент надано лише для загальних інформаційних цілей і не є фінансовою, інвестиційною, юридичною чи податковою консультацією. Події, нагороди, онлайн-акцій або пов’язану інформацію, згадана тут, не слід розглядати як рекомендацію, прохання чи запрошення до купівлі, продажу, торгівлі чи інших операцій з криптоактивами. Криптоактиви є дуже волатильними та можуть призвести до збитків. Доступність послуг, продуктів WEEX та пов’язаних із ними подій може відрізнятися залежно від регіону. Ви несете відповідальність за забезпечення відповідності вашої участі чинному місцевому законодавству та нормативним актам.