Alibaba susține că noul său model AI, Qwen Image 2.1, depășește Google Nano Banana 2.0, deși dispune de doar 7 miliarde de parametri. Testele de performanță indică faptul că acest model cu parametri deschiși (open-weight) este competitiv cu modelele de generare a imaginilor de la OpenAI și Meta.
Cum este Qwen Image 2.1
Alibaba Cloud a lansat un nou model AI „light” pentru generarea de imagini, botezat Qwen Image 2.1. Cu doar 7 miliarde de parametri, acesta este un model extrem de compact capabil să ruleze chiar și pe plăci grafice de consum mai vechi, precum RTX 3090. În ciuda designului său ușor, dezvoltatorii susțin că este mai performant decât o serie de modele cu arhitectură închisă („closed-weight”), inclusiv Nano Banana 2.0 de la Google.
Această afirmație se bazează pe propriile teste interne, motiv pentru care cei interesați ar fi bine să aștepte evaluări suplimentare înainte de a trage concluzii definitive. Alibaba au fost acuzați de Anthropic că le-au folosit ilegal serviciile pentru a antrena AI. Totuși, primele informații indică faptul că noul produse este un model foarte capabil, care oferă suport nativ pentru transparență și capacitatea de a crea imagini unitare pornind de la mai multe imagini de referință.
Un aspect care a ridicat însă semne de întrebare este modificarea termenilor licenței pentru Qwen Image 2.1. Spre deosebire de versiunea anterioară, aceasta interzice în mod explicit revânzarea comercială a modelului, impunând oricui dorește să îl utilizeze în acest scop obținerea unei licențe separate, direct de la dezvoltator.
Qwen Image 2.1 aduce o serie de funcționalități noi care îi sporesc utilitatea și îi permit să concureze mai eficient cu alternativele consacrate. Modelul suportă transparența nativă, permițând generarea de imagini cu fundal transparent; această caracteristică este deosebit de utilă pentru artiștii care doresc să integreze IA în fluxuri de lucru mai complexe sau pentru crearea de produse de tip „print-on-demand”, precum autocolantele.
De asemenea, sunt aduse îmbunătățiri în ceea ce privește editarea imaginilor, oferind posibilitatea de a utiliza până la 10 imagini de referință. Printre exemplele menționate se numără utilizarea unei imagini existente cu o persoană și furnizarea către model a unor imagini cu articole vestimentare, rezultatul fiind o compoziție în care persoana respectivă poartă hainele respective. Echipa Qwen promite consistență între imagini, asigurând o redare fidelă a persoanelor și a produselor.
Totuși, caracteristica remarcabilă a modelului Qwen Image 2.1 este dimensiunea sa compactă. Componenta sa de generare vizuală dispune de doar 7 miliarde de parametri, ceea ce îl transformă într-unul dintre cele mai eficiente și „ușoare” modele din categoria sa. În testele comparative interne, singurul model cu mai puțini parametri a fost LongCat-Image, dezvoltat de Meituan, cu 6 miliarde de parametri. Majoritatea celorlalte modele au dimensiuni de câteva ori mai mari sau sunt modele cu parametri închiși (closed-weight).
Cu toate acestea, dezvoltatorii Qwen Image 2.1 susțin că modelul poate concura direct tocmai cu aceste modele cu parametri închiși. În cadrul aceluiași test de referință intern, modelul a obținut un scor de 60,2 pe scala Qwen Image Benchmark. Prin comparație, GPT Image 2.5 Sunburst de la OpenAI a obținut 67 de puncte, Muse Image 62,34, iar Nano Banana 2.0 de la Google 59,82.
Testele preliminare efectuate pe platforma AI Arena sugerează că performanța sa nu este chiar atât de ridicată în condiții de testare mai puțin favorabile, rămânând totuși foarte aproape de concurență. Acolo, modelul a obținut un scor de 1228, în timp ce Nano Banana 2 a atins 1260. Muse Image se situează cu câteva poziții mai sus, având un scor de 1276, iar GPT 65 Sunburst ocupă primul loc cu un scor de 1423.
