Qwen Image 2.1 вплотную подобралась к Nano Banana 2

Post Thumbnail

Alibaba решила выяснить, насколько близко открытая модель может подойти к генераторам картинок от Google. Итог — Qwen Image 2.1, компактная система, которую в компании поставили рядом с Nano Banana 2.0.

В модели 7 млрд параметров, и, по словам разработчиков, она совмещает качество с умеренным аппетитом к вычислительным ресурсам. Веса и код выложили на Hugging Face и GitHub под лицензией Qwen Research. Одна загвоздка: локально гонять её разрешено только в исследовательских целях.

Функционал при этом шире обычной генерации. В Qwen Image 2.1 можно закинуть до десяти фото-референсов, а разработчики подтянули реалистичность текстур, работу с текстом и типографикой, освещение в портретах и мелкие детали.

Модель рисует картинки по текстовому описанию и правит готовые изображения. Ещё она умеет делать прозрачный фон и вырезать объекты из фотографий. То есть картинку можно и создать, и довести до ума.

Правда, выше своих же разработок Alibaba её не ставит. Qwen Image 2.1 слабее, чем Qwen Image 3 Pro, а веса последней в открытый доступ не выкладывали. Зато во внутренних тестах компании новинка подобралась к показателям Nano Banana 2.0 от Google.

Покажут независимые проверки схожий результат — рынок получит ещё один открытый инструмент для графики. Бизнесу это даст больше свободы в выборе технологий и, вероятно, меньше привязки к закрытым решениям.

—

Телеграм про право в IT и AI. IT юристы — PravoWeb.com

Почитать из последнего
ИИ-ассистент научили разбирать документы и алерты
Главный вопрос корпоративного ИИ прост: что будет с данными после запроса? РТК-ЦОД предлагает не рисковать ими. На форуме «Цифровые решения» компания с блоком ИТ «Ростелекома» представила ассистента для организаций с жёсткими требованиями к защите.
К 2027 году чипов хватит на миллиарды ИИ-агентов
Похоже, у ИИ скоро вылезет проблема, которую не залатать покупкой ещё одного чипа. По расчётам Epoch AI, вычислительной мощности, выпущенной с 2025 по 2027 год, хватит для одновременной работы от 33 до 171 млн агентов уровня передовых моделей.
Kandinsky научился лепить видео со звуком
ИИ-видео всё меньше смахивает на немой клип. «Сбер» показал Kandinsky 6.0 Video - модель, которая разом генерит картинку и звук: речь персонажей, музыку и шумы окружения.
Три профессии, которые ИИ уже плодит прямо сейчас
ИИ перетряхивает рынок труда не только тем, что съедает привычные задачи. Вместе с автоматизацией вылезают специалисты, которых ещё несколько лет назад никто бы не вообразил, и часть таких профессий формируется на глазах.
Google научила эмбеддинги переваривать сразу пять типов данных
Google порешила, что эмбеддингам хватит возиться с одним текстом. Компания выкатила вторую версию EmbeddingGemma: теперь система сваливает в общее векторное пространство текст, код, изображения, видео и аудио. Так что на вход можно подавать сразу несколько типов данных.