Le nouvel AI Qwen Image 3 d'Alibaba veut être utile, pas seulement beau

L'équipe Qwen d'Alibaba a lancé Qwen Image 3.0 mardi, et l'argument ne concerne pas la beauté de la sortie. Il s'agit de savoir si la sortie peut réellement être utilisée au travail.

La plupart des outils d'image AI---Reve, Nano Banana, Seedream---sont conçus pour exceller dans des domaines spécifiques : créativité, réalisme, capacités d'édition, etc. Qwen Image 3.0 prend une direction différente. "Qwen-Image-3.0 ne cherche pas seulement à être 'beau'---il cherche à être 'utile', faisant de la génération d'images un véritable outil de productivité déployable," a écrit l'équipe Qwen dans l'annonce officielle.

Le point central est ce que le géant chinois Alibaba appelle un contenu riche. Le modèle accepte jusqu'à 4 500 tokens, soit 4,5 fois ce que la génération précédente pouvait traiter. Les tokens sont les unités de texte qu'une IA lit ; imaginez un token comme étant à peu près un mot ou une partie d'un mot, donc 4 500 d'entre eux représentent plusieurs pages d'instructions détaillées.

C'est suffisant pour décrire neuf panneaux infographiques séparés dans une seule invite et les obtenir en une seule image complète.

"L'image entière ci-dessus a été générée par Qwen-Image-3.0 en un seul passage, plutôt que d'être assemblée à partir de plusieurs images," a écrit Alibaba dans son blog. Chaque panneau de la démo contient ses propres diagrammes, formules, légendes et texte en petits caractères---rendus en une seule fois, pas assemblés après coup.

C'est le seul modèle capable d'atteindre cela sans erreurs majeures.

La deuxième partie est ce que l'entreprise appelle des détails authentiques. Selon Alibaba, le modèle "prend en charge le rendu précis de texte aussi petit que 10px, reproduisant de manière vivante des détails comme les pores et les mèches de cheveux avec une représentation micro-niveau réaliste." Dix pixels, c'est du petit texte---celui que vous verrez sur les avertissements pharmaceutiques. Le modèle gère également LaTeX---le système de notation utilisé par les chercheurs pour écrire des équations mathématiques complexes---avec précision sur des maquettes de papiers académiques complets.

Dans nos tests habituels, nous donnons aux modèles quelques phrases et évaluons comment ils les traitent. Qwen Image 3.0 a pu générer l'image ci-dessous, selon le blog officiel d'Alibaba.

Nous avons essayé cette fonctionnalité en utilisant la configuration la plus rapide du modèle. Qwen Image 3.0 a pu reproduire un article complet de Decrypt. L'exécution était vraiment impressionnante, mais le résultat n'était pas sans défaut.

Le troisième pilier de Qwen Image 3.0 est la connaissance approfondie. Selon l'équipe Qwen, le modèle "prend en charge le rendu natif de 12 langues, simule des interfaces grand public telles que des pages web, des jeux et des livestreams, et s'appuie sur une riche connaissance du monde." Il se connecte également à Internet pour récupérer des données en temps réel, ce qui signifie qu'une demande pour un visuel de prévision météorologique pour une ville et une date spécifiques renvoie un graphique précis, pas une supposition.

Par exemple, Alibaba a partagé une photo d'un insecte sur une feuille. Le modèle a pu générer un texte pertinent basé sur sa compréhension de l'image.

Alibaba cible les studios de design, les équipes de contenu, les opérations de commerce électronique et les éducateurs qui ont besoin d'actifs visuels prêts à la production en grande quantité.

Il convient de noter, cependant, que dans l'évaluation Qwen-Image-Bench d'Alibaba---un benchmark qui évalue la qualité d'image, l'esthétique et la fidélité au monde réel à travers 18 modèles---Qwen Image 2.0 Pro, l'ancien modèle phare, s'est classé cinquième. L'image GPT 2 d'OpenAI a mené le classement. Le nouveau modèle peut mieux performer, mais le lancement n'offre aucun moyen mesuré de le confirmer, car il est arrivé sans tableau de benchmark, poids téléchargeables ou rapport technique.

Qwen Image 1.0 a été lancé avec des poids ouverts sous une licence Apache 2.0 et un rapport technique le jour même. Celui-ci ne l'a pas été. Dans le cadre de la récente poussée AI d'Alibaba, les preuves ici sont entièrement les images d'exemple choisies par l'entreprise à publier. Les essais API sont ouverts sur chat.qwen.ai. Les prix n'ont pas été annoncés.

Ce contenu est fourni à titre informatif uniquement et ne constitue pas un conseil financier, d'investissement, juridique ou fiscal. Les événements, récompenses, promotions en ligne ou informations mentionnées ici ne doivent pas être considérés comme une recommandation, une sollicitation ou une invitation à acheter, vendre, trader ou effectuer toute autre opération sur des actifs crypto. Les actifs crypto sont très volatils et peuvent entraîner des pertes. La disponibilité des services, produits et événements liés à WEEX peut varier selon les régions. Veuillez vous assurer que votre participation respecte les lois et réglementations locales applicables.