Qwen-Image-2.1: Apa yang Bisa Dilakukan Model Gambar Alibaba?

Qwen-Image-2.1 dari Alibaba menggabungkan pembuatan gambar dari teks dan penyuntingan gambar dalam satu model yang bobotnya dapat diunduh. Daya tariknya bukan hanya keluaran resolusi kelas 2K, melainkan juga kemampuan membuat gambar berlatar transparan dan menyunting dengan beberapa gambar acuan. Namun, ada batas penting sebelum model ini dipakai dalam produk: bobot terbuka tidak berarti bebas untuk penggunaan komersial. 141518

Yang bisa dilakukan dalam alur kerja gambar

Model ini mendukung keluaran kelas 2K secara langsung dalam beberapa rasio aspek. Qwen-Image-2.1 juga dapat membuat dan menyunting gambar RGBA. Huruf A merujuk pada alpha channel, yaitu informasi transparansi yang memungkinkan suatu elemen ditempatkan di atas latar lain tanpa lebih dulu menghapus latarnya melalui proses terpisah. Kemampuan ini layak diuji untuk ilustrasi, stiker, aset antarmuka, dan pekerjaan desain berlapis. 1214157

Untuk penyuntingan, satu tugas dapat menggunakan hingga 10 gambar referensi. Perubahan pada area tertentu bisa diarahkan dengan lingkaran, tanda yang dilukis pada gambar, atau mask terpisah—tidak hanya lewat instruksi teks yang umum. Ini memberi ruang untuk mencoba komposisi dengan beberapa subjek maupun revisi yang lebih terarah, meski hasil akhirnya tetap perlu diperiksa secara visual. 2414

Arti angka 7 miliar parameter

Komponen pembuat gambar memiliki 7 miliar parameter dan, menurut repositori Qwen, terdiri atas 32 lapisan diffusion transformer aliran tunggal. Angka 7 miliar itu bukan ukuran seluruh komponen yang diperlukan untuk menjalankan rangkaian sistemnya, sehingga tidak dapat langsung dijadikan patokan kebutuhan perangkat keras. Qwen menyebut mixed-granularity attention dan penggunaan ulang prefix KV-cache sebagai rancangan untuk meningkatkan efisiensi inferensi. Kecepatan serta kebutuhan memori sebenarnya tetap bergantung pada alur kerja dan perangkat yang digunakan. 1526

Bobot yang dapat diunduh membuka peluang riset lokal dan perancangan alur kerja khusus. Dukungan integrasi yang dilaporkan mencakup Diffusers dan ComfyUI, sehingga pengembang memiliki beberapa cara untuk menguji pembuatan maupun penyuntingan gambar. Akan tetapi, dukungan perangkat lunak tersebut tidak mengubah ketentuan lisensi model. 2718

Bagaimana membaca skor benchmark-nya?

Dalam benchmark gambar milik Qwen yang dilaporkan sejumlah sumber, Qwen-Image-2.1 meraih skor keseluruhan 60,28 dan berada di depan model lain yang bobotnya dapat diunduh dalam perbandingan tersebut. Itu adalah hasil pengujian yang dilaporkan, bukan bukti independen bahwa model ini akan lebih baik untuk setiap instruksi, resolusi, atau tugas penyuntingan. Perbandingan yang dikutip juga menempatkan sejumlah model tertutup di atasnya. 12328

Batas utama sebelum dipakai untuk bisnis

Qwen Research License pada repositorinya mengizinkan penggunaan materi untuk tujuan nonkomersial; penggunaan komersial memerlukan lisensi terpisah. Jadi, mengunduh bobot atau menjalankannya lewat Diffusers tidak dengan sendirinya memberi izin untuk memasukkan model ini ke produk maupun alur kerja komersial. Bagi peneliti, kombinasi akses lokal, gambar transparan, dan penyuntingan berbasis banyak referensi menarik untuk diuji. Bagi bisnis, status lisensi perlu dibereskan terlebih dahulu. 18215