Alibaba’nın Qwen-Image-2.1 modeli ne yapabiliyor, nerede sınır çiziyor?

Alibaba’nın Qwen-Image-2.1 modeli, metinden görüntü üretmeyi ve mevcut görüntüleri düzenlemeyi aynı modelde topluyor. Çalışma dosyalarının (ağırlıkların) indirilebilmesi, modeli kendi araştırma ortamında denemek isteyenler için önemli bir avantaj. Ancak en kritik ayrım şu: İndirilebilir olması, ticari kullanımın serbest olduğu anlamına gelmiyor. 141518

Görüntü üretimi ve düzenlemede neler sunuyor?

Model, farklı en-boy oranlarında yerel 2K sınıfı çıktı üretebiliyor. Ayrıca görüntüleri RGBA biçiminde oluşturup düzenleyebiliyor. RGBA’daki alfa kanalı, şeffaf alanların başka bir görselin üzerine yerleştirilmesini sağlıyor; böylece çıkartma, illüstrasyon veya arayüz öğesi gibi varlıkları hazırlarken ayrı bir arka plan kaldırma adımı gerekmeyebilir. 1214157

Düzenleme sırasında en fazla 10 referans görsel kullanılabiliyor. Değiştirilecek alan, yalnızca metinle tarif edilmek yerine daire, boyalı işaretleme veya ayrı bir maske ile de gösterilebiliyor. Bu, birden fazla görselden yararlanmayı ve belirli bir bölgeye odaklanan revizyonları denemeyi kolaylaştırıyor; yine de sonucun gözle kontrol edilmesi gerekiyor. 2414

“7 milyar parametre” tüm sistemin boyutu mu?

Hayır. 7 milyar parametre, görsel üretim bileşenini tanımlıyor. Qwen’in deposuna göre bu bileşen, tek akışlı difüzyon dönüştürücüsünün 32 katmanından oluşuyor. Dolayısıyla bu sayı, görüntü üretim hattının tamamını veya çalıştırmak için gereken belleği tek başına göstermiyor. Qwen, farklı ayrıntı düzeylerinde çalışan dikkat mekanizması ve prefix KV-cache yeniden kullanımının çıkarımı verimli kılmayı amaçladığını belirtiyor; gerçek hız ve bellek ihtiyacı ise donanıma ve iş akışına bağlı. 1526

İndirilebilir ağırlıklar yerel denemelere ve özel iş akışlarına imkân tanıyor. Diffusers ve ComfyUI desteği de modeli sınamak için farklı yollar sunuyor; fakat bu araçlarla çalıştırılması lisans koşullarını değiştirmiyor. 2718

60,28’lik kıyaslama puanı ne söylüyor?

Qwen’in kendi görüntü değerlendirmesine ilişkin haberlerde modelin genel puanı 60,28 olarak aktarılıyor. Yayımlanan karşılaştırmada bu sonuç, ağırlıkları indirilebilen diğer modellerin önünde; bazı kapalı modellerin ise gerisinde. Bu, her istemde, çözünürlükte veya düzenleme görevinde üstün sonuç alınacağının bağımsız kanıtı değil. 12328

Kullanım kararı için önce lisansa bakın

Depodaki Qwen Research License, materyallerin ticari olmayan amaçlarla kullanımına izin veriyor; ticari kullanım için ayrı bir lisans şart koşuyor. Kısacası ağırlıkları indirmek ya da modeli Diffusers üzerinden çalıştırmak, onu bir ticari ürüne veya iş akışına ekleme izni vermiyor. Araştırmacılar için şeffaf çıktı ve çoklu referansla düzenleme güçlü deneme alanları sunarken, işletmelerin önce lisans meselesini çözmesi gerekiyor. 18215