Подразделение Alibaba Cloud представило новую легкую модель генерации изображений на базе искусственного интеллекта под названием Qwen Image 2.1. Данная разработка обладает всего 7 миллиардами параметров, что делает ее чрезвычайно компактным решением с открытыми весами, способным функционировать даже на устаревших потребительских видеокартах, таких как RTX 3090. Несмотря на скромные размеры, разработчики утверждают, что новинка превосходит целый ряд закрытых моделей, включая Google Nano Banana 2.0.
Согласно собственным внутренним тестам компании, модель набрала 60,2 балла на внутреннем бенчмарке Qwen Image Benchmark. Для сравнения, GPT Image 2.5 Sunburst от OpenAI получила 67 баллов, Muse Image — 62,34 балла, а Google Nano Banana 2.0 — 59,82 балла. Предварительное тестирование на платформе AI Arena показывает, что в менее благоприятных условиях модель слегка уступает некоторым конкурентам, набрав 1228 баллов против 1260 у Nano Banana 2, однако в задачах редактирования изображений Qwen Image 2.1 называют лучшим решением среди вариантов с открытыми весами.
Новые функции и возможности генерации
Qwen Image 2.1 получила набор новых функций, которые повышают ее практическую пользу и позволяют эффективнее соперничать с устоявшимися альтернативами. Модель поддерживает встроенную прозрачность, благодаря чему может создавать изображения с прозрачным фоном. Это особенно полезно для художников или производителей мерча, создающих наклейки по запросу.
Кроме того, разработчики улучшили редактирование картинок: теперь система способна использовать до 10 референсных изображений одновременно. В качестве примера приводится возможность загрузить снимок конкретного человека и фотографии элементов одежды, после чего нейросеть может объединить их, сохранив высокую степень последовательности и узнаваемости людей и продуктов.
Производительность на локальном «железе»
Ранние тесты от пользователей и энтузиастов подтверждают, что Qwen Image 2.1 успешно функционирует на потребительских видеокартах. Участник форума Hacker News и разработчик сайта GenAI Showdown под ником Vunderba смог конвертировать изображение разрешением 1 Мп примерно за пять секунд на видеокарте RTX 4090. На платформе Reddit пользователи отмечали схожие результаты: генерация 1Мп картинки на современных графических ускорителях Nvidia 50-й серии, таких как RTX 5070 и RTX 5080, занимает около 25 секунд.
Другие энтузиасты запускают модель на более скромном или старом «железе». Один из пользователей применяет ее для создания изображений в разрешении 2K примерно за 50 секунд, используя видеокарту Nvidia RTX 3060 и 64 ГБ памяти. Владельцы более мощных графических чипсетов, например RTX 6000 Pro, могут получать изображения размером 1024 x 1024 пикселей всего за несколько секунд.
Вопросы лицензирования Qwen Image 2.1
Определенные споры в сообществе вызвали изменения в лицензионном соглашении модели. В тексте указано, что ограниченная лицензия выдается исключительно для некоммерческих целей. Любое использование материалов в коммерческих целях требует получения отдельной лицензии напрямую от команды разработчиков Alibaba.
Позднее представители Qwen выпустили заявление в социальной сети Twitter/X, пояснив, что сами сгенерированные изображения не подпадают под действие этой лицензии и не считаются лицензионным материалом. Тем не менее, это означает, что саму модель нельзя перепродавать без специального разрешения. Это отличает новинку от прошлой версии Qwen Image, которая базировалась на модели Apache, и заставляет некоторых экспертов иначе оценивать степень открытости весов.
«`html
Сравнение параметров и позиционирование
В первом тестировании среди моделей с меньшим количеством параметров упоминается также LongCat-Image, разработанная компанией Meituan, которая насчитывает 6 миллиардов параметров. Большинство других конкурирующих решений превосходят Qwen Image 2.1 по размерам в несколько раз или полностью скрывают свои веса.
Что касается результатов на платформе AI Arena, то там Muse Image располагается на несколько позиций выше с показателем 1276 баллов, тогда как GPT 65 Sunburst возглавляет рейтинг с результатом 1423 балла. Хотя точное число параметров проприетарных моделей остается неизвестным, Qwen Image 2.1 уверенно наступает им на пятки при помощи своих скромных весов.
Особенности работы на локальном оборудовании
Как отмечают ранние пользователи на платформе Reddit (в частности, пользователь под ником cgs019283), процесс может занимать значительно больше времени при задействовании большого количества референсных изображений, причем редактирование картинок оказалось самой медленной функцией модели в ходе их тестов.
Несмотря на то, что настройка и эксплуатация локального ИИ все еще далеки от простоты облачных платформ вроде сервисов от Google и OpenAI, первые результаты выглядят впечатляюще. Если заявленный набор функций подтвердится в ходе более суровых проверок, модель может стать серьезным конкурентом для тех, кому требуется быстрая и качественная генерация на собственном «железе» — с полным контролем и полным отсутствием необходимости заводить облачные аккаунты или оформлять подписки.
Детали лицензионного соглашения
В тексте лицензии модели зафиксированы следующие формулировки: «You are granted a non-exclusive, worldwide, non-transferable, and royalty-free limited license under our intellectual property or other rights owned by us embodied in the Materials to use, reproduce, distribute, copy, create derivative works of, and make modifications to the Materials FOR NON-COMMERCIAL PURPOSES ONLY». Данные условия прямо указывают на некоммерческий характер использования материалов, а для любых коммерческих целей требуется прямое согласование с командой разработчиков.
Подобные ограничения вызвали серьезную тревогу в профильном сообществе, из-за чего создателям пришлось давать официальные разъяснения через Twitter/X. Согласно уточнениям команды Qwen, создаваемый с помощью модели контент не классифицируется как лицензионный материал, а значит, на него не распространяется данный пункт ограничений. Тем не менее, сама модель не может быть перепродана без отдельной лицензии от Alibaba, что отличает новинку от модели Apache, на которой строилась оригинальная версия Qwen Image, и делает проект менее открытым, чем он мог бы быть.
«`
«`html
Сравнение параметров и позиционирование
В первом тестировании в рамках первой партии сравнений единственной моделью с меньшим количеством параметров оказалась LongCat-Image, созданная компанией Meituan, которая насчитывает 6 миллиардов параметров. Большинство остальных моделей превосходят Qwen Image 2.1 по размерам в несколько раз или полностью скрывают свои веса. Что касается результатов на платформе AI Arena, то там Muse Image располагается на несколько позиций выше с показателем 1276 баллов, тогда как GPT 65 Sunburst возглавляет рейтинг с результатом 1423 балла. Хотя точное число параметров проприетарных моделей остается неизвестным, Qwen Image 2.1 уверенно наступает им на пятки при помощи своих скромных весов.
Особенности работы на локальном оборудовании
Как отмечают ранние пользователи на платформе Reddit (в частности, пользователь под ником cgs019283), процесс может занимать значительно больше времени при задействовании большого количества референсных изображений, причем редактирование картинок оказалось самой медленной функцией модели в ходе их тестов. Несмотря на то, что настройка и эксплуатация локального ИИ все еще далеки от простоты облачных платформ вроде сервисов от Google и OpenAI, первые результаты выглядят впечатляюще. Если заявленный набор функций подтвердится в ходе более суровых проверок, модель может стать серьезным конкурентом для тех, кому требуется быстрая и качественная генерация на собственном «железе» — с полным контролем и полным отсутствием необходимости заводить облачные аккаунты или оформлять подписки.
Детали лицензионного соглашения
В тексте лицензии модели зафиксированы следующие формулировки: «You are granted a non-exclusive, worldwide, non-transferable, and royalty-free limited license under our intellectual property or other rights owned by us embodied in the Materials to use, reproduce, distribute, copy, create derivative works of, and make modifications to the Materials FOR NON-COMMERCIAL PURPOSES ONLY». Данные условия прямо указывают на некоммерческий характер использования материалов, а для любых коммерческих целей требуется прямое согласование с командой разработчиков. Подобные ограничения вызвали серьезную тревогу в профильном сообществе, из-за чего создателям пришлось давать официальные разъяснения через Twitter/X. Согласно уточнениям команды Qwen, создаваемый с помощью модели контент не классифицируется как лицензионный материал, а значит, на него не распространяется данный пункт ограничений. Тем не менее, сама модель не может быть перепродана без отдельной лицензии от Alibaba, что отличает новинку от модели Apache, на которой строилась оригинальная версия Qwen Image, и делает проект менее открытым, чем он мог бы быть.
«`
