Alibaba выпустила Qwen-Image-2.1, открытую модель для генерации и редактирования изображений, и заявляет, что её визуальный компонент при всего 7 миллиардах параметров обходит большинство закрытых систем на собственном бенчмарке компании. Независимые тесты пока не подтвердили результат, но сама заявка звучит громко: для конкуренции с гигантами больше не нужны гигантские модели.
Практический эффект такого размера: доступность. Модель работает на потребительских видеокартах уровня RTX 3090, а значит, для экспериментов не нужен дата-центр: достаточно игрового компьютера. Из функциональных особенностей выделяется нативная поддержка RGBA: модель умеет работать с прозрачностью, изолировать объекты на отдельных слоях, менять текст, не трогая фон. Это удобно для дизайнеров, у которых раньше подобные задачи решались через набор костылей и сторонних инструментов.
Ещё одна деталь: модель одновременно обрабатывает до десяти референсных изображений. На практике это значит: можно собрать групповой портрет из отдельных фотографий разных людей, примерить одежду виртуально или спроектировать интерьер комнаты, подавая модели сразу несколько исходников. Alibaba также утверждает, что архитектурные изменения и переиспользование KV-кэша ускоряют работу модели именно в сценариях с множеством референсов.
Веса модели выложены на Hugging Face, GitHub и Model Scope, есть демо-версия для тестирования прямо в браузере. Правда, лицензия исследовательская: коммерческое использование запрещено, бизнесу придётся отдельно запрашивать разрешение у Qwen. Открытость здесь не абсолютная, но для разработчиков, исследователей и энтузиастов барьер входа снижен ощутимо.
Создание AI-агентов и автоматизация на n8n: проектируем и запускаем под ключ.
