Sakhanda Wire
NVDA $152.58 -2.28% MSFT $506.11 -2.29% GOOGL $279.81 -1.38% META $619.07 -1.17% AMZN $256.55 -0.47%
← К новостям

Alibaba выпустила Qwen-Image-2.1 для генерации и редактирования изображений

Команда Qwen компании Alibaba представила Qwen-Image-2.1 — единую модель для создания изображений по тексту и их редактирования. Визуальный генеративный компонент содержит 7B параметров и 32 однопоточных слоя diffusion transformer. Один чекпойнт объединяет локальное редактирование, работу с несколькими референсами и нативный вывод с прозрачностью RGBA. В состав конвейера также входит 8B-энкодер Qwen3-VL, поэтому показатель 7B относится только к диффузионному трансформеру.

Модель принимает до 10 референсных изображений. Изменения отдельных областей можно задавать кругами, нарисованными пометками или масками. По умолчанию создаются изображения размером 2048 × 2048; поддерживаются семь соотношений сторон, включая 2752 × 1536. Среди заявленных сценариев — панорамы, инфографика, раскадровки и виртуальная примерка одежды. Prefix KV cache вычисляет текст и входные изображения на первом шаге и повторно использует эти данные при последующих шагах денойзинга.

С первого дня доступны Diffusers, ComfyUI, vLLM-Omni, SGLang и LightX2V. Также заявлена работа с графическими процессорами AMD через ROCm и с восемью чиповыми платформами через FlagOS. На внутреннем тесте Qwen-Image-Bench модель набрала 60.28 балла — больше, чем перечисленные модели с открытыми весами. Веса предназначены для исследований и оценки; коммерческое использование требует отдельной лицензии Qwen.

Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.

Впервые опубликовано изданием MarkTechPost

Читать оригинал на MarkTechPost ↗

Репортаж и изображение принадлежат MarkTechPost и указаны выше со ссылкой на оригинал; текст на этой странице — собственное изложение Sakhanda Wire.

← К новостям

Ещё новости

Все последние новости