Qwen-Image-2.1: Hvad kan Alibabas billedmodel bruges til?

Alibabas Qwen-Image-2.1 kan både skabe billeder ud fra tekst og redigere eksisterende billeder. Den kan levere billeder i 2K-klassen, arbejde med transparente lag og bruge flere billeder som udgangspunkt for en redigering. Men før man bygger den ind i en arbejdsgang, er der én vigtig skelnen: At modelvægtene kan downloades, giver ikke i sig selv ret til kommerciel brug. 141518

Hvad kan den bruges til?

Modellen understøtter 2K-billedoutput i flere billedformater og kan både generere og redigere RGBA-billeder. A’et står for alfakanalen, som angiver gennemsigtighed. Det gør teknologien relevant at afprøve til eksempelvis illustrationer, klistermærker og grafiske elementer, der skal lægges oven på en anden baggrund – uden først at fjerne baggrunden i et separat trin. 1214157

Ved redigering kan man bruge op til ti referencebilleder i samme opgave. Ændringer kan desuden styres mod et bestemt område med en indtegnet cirkel, malede markeringer eller en særskilt maske, der afgrænser området. Det giver mere præcis kontrol end en tekstbesked alene, men resultatet skal stadig gennemgås visuelt. 2414

Hvad betyder »7B« for hastighed og hardware?

De 7 milliarder parametre beskriver den visuelle generator, som ifølge Qwens eget repository består af 32 såkaldte single-stream diffusion-transformer-lag. Tallet dækker ikke nødvendigvis alle dele af den samlede billedpipeline og kan derfor ikke bruges som et enkelt mål for, hvor meget hukommelse man skal have til rådighed. Qwen fremhæver opmærksomhed på flere detaljeringsniveauer og genbrug af en prefix KV-cache som teknikker, der skal gøre billedgenereringen mere effektiv. Den faktiske hastighed og hukommelsesbrug afhænger fortsat af opsætning og hardware. 1526

De downloadbare vægte åbner for lokal afprøvning og egne forskningsarbejdsgange. Der er også rapporteret understøttelse i blandt andet Diffusers og ComfyUI, som er værktøjer til at arbejde med AI-modeller. Den tekniske understøttelse ændrer dog ikke licensvilkårene. 2718

Hvor stærkt står benchmarkresultatet?

I rapporter om Qwens egen billedtest får Qwen-Image-2.1 en samlet score på 60,28 og ligger foran de øvrige modeller med downloadbare vægte i den offentliggjorte sammenligning. Nogle lukkede modeller ligger dog højere. Scoren er et rapporteret resultat fra Qwens benchmark – ikke en uafhængig garanti for, at modellen er bedst til enhver billedopgave. 12328

Den afgørende begrænsning: licensen

Repositoryets Qwen Research License giver tilladelse til ikke-kommerciel brug, mens kommerciel brug kræver en særskilt licens. Det gælder også, selv om man har downloadet vægtene og kan køre modellen gennem eksempelvis Diffusers. For forskere er kombinationen af lokal adgang, transparente billeder og redigering med flere referencer interessant. For en virksomhed er licensen derimod det første, der skal afklares. 18215