Qwen-Image-2.1: co potrafi model graficzny Alibaby i czego nie wolno z nim robić?

Qwen-Image-2.1 Alibaby pozwala zarówno tworzyć obrazy na podstawie opisu, jak i edytować istniejące grafiki. Dla osób budujących własne narzędzia największe znaczenie mają trzy funkcje: natywne obrazy klasy 2K, przezroczyste tło oraz edycja oparta na wielu materiałach referencyjnych. Jest jednak ważny warunek: możliwość pobrania wag modelu nie daje prawa do użycia go komercyjnie. 141518

Co można zrobić z obrazem?

Model generuje obrazy klasy 2K w różnych proporcjach. Tworzy i edytuje także grafiki RGBA — z kanałem alfa, który pozwala zachować przezroczystość bez osobnego etapu usuwania tła. To funkcja warta sprawdzenia przy projektowaniu ilustracji, naklejek czy elementów interfejsu składanych później z innymi warstwami. 1214157

Podczas edycji można przekazać do 10 obrazów referencyjnych. Zmianę da się wskazać precyzyjniej niż samym poleceniem tekstowym: przez zakreślenie obszaru, naniesienie oznaczeń lub użycie osobnej maski. Przydaje się to przy poprawianiu fragmentu obrazu albo tworzeniu kompozycji z kilku odniesień, choć wynik nadal wymaga obejrzenia i oceny. 2414

Co oznacza „7 mld parametrów”?

Ta liczba opisuje komponent generujący obraz, zbudowany — według repozytorium Qwen — z 32 warstw transformera dyfuzyjnego typu single-stream. Nie obejmuje automatycznie wszystkich elementów potrzebnych do uruchomienia całego procesu, więc nie należy z niej wywodzić wymagań sprzętowych. Qwen wskazuje rozwiązania mające usprawniać obliczenia, w tym mechanizm uwagi o mieszanej szczegółowości i ponowne wykorzystanie pamięci podręcznej prefix KV. Rzeczywista szybkość i zużycie pamięci zależą jednak od sprzętu oraz sposobu pracy. 1526

Wagi można pobrać i testować we własnych konfiguracjach. Dostępne są też integracje m.in. z Diffusers i ComfyUI. Ułatwia to badania oraz eksperymenty z generowaniem i edycją, ale nie zmienia warunków licencji. 2718

Wynik testu a warunki użycia

Według doniesień opartych na rankingu Qwen model uzyskał 60,28 punktu i wyprzedził w tym zestawieniu inne modele z wagami dostępnymi do pobrania. To wynik testu przygotowanego przez twórców modelu, a nie niezależna gwarancja przewagi przy każdym poleceniu czy rodzaju edycji. W opublikowanym porównaniu część modeli zamkniętych znalazła się wyżej. 12328

Najważniejsze ograniczenie dotyczy wdrożeń: Qwen Research License dopuszcza korzystanie z materiałów do celów niekomercyjnych, a do zastosowań komercyjnych wymaga odrębnej licencji. Samo pobranie wag lub uruchomienie modelu przez Diffusers nie wystarczy więc, by użyć go w komercyjnym produkcie lub procesie. Dla badaczy to narzędzie z ciekawymi możliwościami; dla firmy pierwszym krokiem powinno być wyjaśnienie praw do jego użycia. 18215