Alibaba udostępnia model Qwen-Image-2.1. Mały system, który obiecuje duże możliwości

Zespół Qwen AI udostępnił model Qwen-Image-2.1 – narzędzie do generowania i edycji obrazów z otwartymi wagami. Komponent wizualny systemu posiada 7 miliardów parametrów, co pozwala na jego uruchomienie na konsumenckich kartach graficznych, takich jak GeForce RTX 3090. Mimo relatywnie niewielkiej skali modelu, Alibaba deklaruje, że w wewnętrznych benchmarkach model wyprzedza większość zamkniętych systemów komercyjnych. Niezależne testy, które mogłyby zweryfikować te twierdzenia, nie są jeszcze dostępne.

Model wyróżnia się natywną obsługą formatu RGBA, co w praktyce oznacza możliwość generowania obrazów z przezroczystym tłem. Funkcja ta pozwala na izolowanie obiektów oraz pracę na warstwach bez konieczności stosowania zewnętrznych narzędzi do wycinania tła. Kolejnym wyróżnikiem jest obsługa do 10 obrazów referencyjnych jednocześnie. Dzięki temu Qwen-Image-2.1 potrafi m.in. składać portrety grupowe z kilku oddzielnych zdjęć różnych osób, tworzyć wirtualne przymierzalnie ubrań czy projektować wnętrza w oparciu o dostarczone wzory.

Praktyczne zastosowania i edycja

Qwen-Image-2.1 integruje funkcje tworzenia obrazów od podstaw (text-to-image) z zaawansowaną edycją. System obsługuje maski i zaznaczenia, co umożliwia precyzyjne modyfikowanie wybranych fragmentów grafiki. Według twórców model sprawdza się w zadaniach wymagających wysokiej spójności wizualnej przy przetwarzaniu wielu źródeł naraz.

Wagi modelu zostały opublikowane w serwisach Hugging Face, GitHub oraz ModelScope, co umożliwia twórcom i badaczom lokalne testowanie systemu. Istotnym ograniczeniem pozostaje jednak kwestia prawna. Model został udostępniony na licencji badawczej, która wyklucza zastosowania komercyjne. Firmy planujące wykorzystać Qwen-Image-2.1 w celach zarobkowych muszą ubiegać się o oddzielne porozumienie z zespołem Qwen.