Новый ИИ Qwen Image 3 от Alibaba хочет быть полезным, а не просто красивым

Команда Qwen от Alibaba запустила Qwen Image 3.0 во вторник, и акцент сделан не на том, насколько красиво выглядит результат, а на том, можно ли его действительно использовать в работе.

Большинство инструментов ИИ для создания изображений — Reve, Nano Banana, Seedream — разработаны для достижения успеха в определенных областях: креативности, реалистичности, редактирования и так далее. Qwen Image 3.0 движется в другом направлении. "Qwen-Image-3.0 не просто стремится к 'красивому' — он стремится к 'полезному', превращая генерацию изображений в действительно применимый инструмент производительности," — написала команда Qwen в официальном объявлении.

Центральным элементом является то, что китайский гигант Alibaba называет богатым контентом. Модель принимает до 4500 токенов, что в 4,5 раза больше, чем могла обработать предыдущая версия. Токены — это единицы текста, которые читает ИИ; представьте токен как примерно одно слово или часть слова, так что 4500 из них — это несколько страниц подробных инструкций.

Этого достаточно, чтобы описать девять отдельных панелей инфографики в одном запросе и получить их обратно как одно целое изображение.

"Все изображение выше было сгенерировано Qwen-Image-3.0 за один проход, а не собрано из нескольких изображений," — написала Alibaba в своем блоге. Каждая панель в демонстрации содержит свои собственные диаграммы, формулы, подписи и мелкий текст — все это было создано за один раз, а не собрано позже.

Это единственная модель, способная достичь этого без серьезных ошибок.

Вторая часть — это то, что компания называет аутентичными деталями. По словам Alibaba, модель "поддерживает точное отображение текста размером до 10 пикселей, ярко воспроизводя детали, такие как поры и волосы, с реалистичным, микроскопическим изображением." Десять пикселей — это мелкий шрифт, который вы увидите на фармацевтических предупреждениях. Модель также точно обрабатывает LaTeX — систему обозначений, которую исследователи используют для написания сложных математических уравнений — по всем макетам академических работ.

В наших обычных тестах мы даем моделям несколько предложений и оцениваем, как они их обрабатывают. Qwen Image 3.0 смогла сгенерировать изображение ниже, согласно официальному блогу Alibaba.

Мы протестировали эту функцию, используя самую быструю конфигурацию модели. Qwen Image 3.0 смогла воспроизвести одну полную статью из Decrypt. Исполнение было действительно впечатляющим, но результат не был безупречным.

Третья опора Qwen Image 3.0 — это глубокие знания. По словам команды Qwen, модель "поддерживает родное отображение 12 языков, имитирует основные интерфейсы, такие как веб-страницы, игры и прямые трансляции, и опирается на обширные мировые знания." Она также подключается к интернету для получения актуальных данных, что означает, что запрос на визуализацию прогноза погоды для конкретного города и даты возвращает точную графику, а не догадку.

Например, Alibaba поделилась фотографией насекомого на листе. Модель смогла сгенерировать соответствующий текст на основе своего понимания изображения.

Alibaba нацеливается на дизайнерские студии, контентные команды, операции электронной коммерции и образовательные учреждения, которым нужны визуальные активы, готовые к производству, в большом объеме.

Стоит отметить, что в собственном оценивании Qwen-Image-Bench от Alibaba — бенчмарке, который оценивает качество изображений, эстетику и реальную достоверность среди 18 моделей — Qwen Image 2.0 Pro, предыдущий флагман, занял пятое место. GPT Image 2 от OpenAI возглавил рейтинг. Новая модель может работать лучше, но запуск не предлагает измеримого способа это подтвердить, поскольку он пришел без таблицы бенчмарка, загружаемых весов или технического отчета.

Qwen Image 1.0 была запущена с открытыми весами по лицензии Apache 2.0 и техническим отчетом в тот же день. Эта версия этого не сделала. В рамках недавнего продвижения ИИ от Alibaba, доказательства здесь полностью состоят из отобранных примеров изображений, которые компания решила опубликовать. Тесты API открыты на chat.qwen.ai. Цены не были объявлены.

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.