Alibaba har samlet bildegenerering fra tekst og bilderedigering i Qwen-Image-2.1. Modellen kan lastes ned og testes lokalt, men det viktigste skillet for alle som vurderer å ta den i bruk, er dette: Åpne modellvekter betyr ikke fri kommersiell bruk.
14
15
18
Hva kan modellen brukes til?
Qwen-Image-2.1 lager bilder direkte i 2K-klassen i flere sideforhold. Den kan også generere og redigere RGBA-bilder, der alfakanalen gjør deler av bildet gjennomsiktige. Det kan være nyttig når man vil legge en illustrasjon, et klistremerke eller et grensesnittelement over en annen bakgrunn uten først å fjerne bakgrunnen separat.
12
14
15
7
Ved redigering kan modellen bruke opptil ti referansebilder i én oppgave. Endringer kan styres mot bestemte områder med sirkler, påmalte markeringer eller en separat maske. Det gir flere muligheter enn en generell tekstbeskrivelse alene, men resultatet må fortsatt kontrolleres visuelt.
2
4
14
Hva betyr «7 milliarder parametere»?
Tallet gjelder den visuelle genereringsdelen, som ifølge Qwens eget modellarkiv består av 32 lag med en såkalt single-stream diffusjonstransformator. Det beskriver ikke alle komponentene i bildeflyten og kan derfor ikke brukes som et fullstendig anslag for minnebehovet. Qwen trekker frem ulike oppmerksomhetsnivåer og gjenbruk av prefix-KV-cache som grep for mer effektiv bildegenerering. Faktisk hastighet og ressursbruk avhenger likevel av maskinvaren og oppgaven.
15
26
De nedlastbare vektene åpner for lokale forsøk og egne arbeidsflyter. Modellen har også støtte i blant annet Diffusers og ComfyUI. Slik integrasjon endrer imidlertid ikke lisensvilkårene.
2
7
18
Hvor mye sier testresultatet?
I rapporter om Qwens egen bildetest får Qwen-Image-2.1 en totalskår på 60,28, foran andre modeller med nedlastbare vekter i den publiserte sammenligningen. Noen lukkede modeller ligger høyere. Resultatet er ikke en uavhengig garanti for at Qwen-modellen er best på alle typer bilder eller redigering.
1
23
28
Grensen går ved kommersiell bruk
Qwen Research License gir rett til ikke-kommersiell bruk, mens kommersiell bruk krever en separat lisens. Det er altså ikke nok å laste ned vektene eller kjøre modellen via Diffusers dersom den skal inngå i et kommersielt produkt eller en kommersiell arbeidsflyt. For forskning og utprøving er kombinasjonen av lokal tilgang, gjennomsiktige bilder og styrt redigering interessant. For virksomheter bør lisensen avklares først.
18
2
15