أطلق فريق Qwen في Alibaba نموذج Qwen-Image-2.1 الجديد لتوليد الصور وتحريرها، ويمكن تنزيله وتشغيله خارج واجهة استهلاكية مغلقة.
من الأمور اللافتة في الإطلاق استخدام النموذج المنظومة نفسها لتوليد صورة جديدة وتحرير صورة قائمة.
ويضيف أيضا قدرات مفيدة للعمل الرسومي، منها الصور بخلفية شفافة ودمج حتى عشر صور مرجعية.
ما الذي يستطيع النموذج فعله
يتضمن Qwen-Image-2.1 مكونا بصريا يضم 7 مليارات معلمة.
يتيح النموذج:
- توليد الصور من النصوص
- تحرير الصور القائمة
- التعديل الموضعي
- دمج صور مرجعية متعددة
- توليد صور شفافة بصيغة RGBA
- العمل مع حتى عشر صور مرجعية
تتاح الأوزان عبر Hugging Face وModelScope.
وتتاح الشفرة في GitHub.
أعلنت عدة أدوات تشغيل استدلال دعمها منذ يوم الإطلاق، منها Diffusers وComfyUI وvLLM-Omni وSGLang وLightX2V.
لماذا تهم الشفافية
يبدو توليد صورة بخلفية شفافة ميزة صغيرة.
لكنها قد تكون مفيدة جدا للمصممين والمتاجر الإلكترونية والعاملين في الإعلان.
مثلا:
توليد صورة منتج يمكن وضعها مباشرة على خلفية أخرى.
توليد عناصر رسومية لعرض تقديمي.
توليد شخصية أو غرض لحملة.
توليد مواد يمكن دمجها في تصميم قائم.
في أدوات كثيرة، تتطلب العملية توليد الصورة ثم إزالة الخلفية في مرحلة منفصلة.
هنا يقدم Qwen الشفافية كجزء من النموذج نفسه.
لماذا تثير عشر صور مرجعية الاهتمام
تحاول أدوات الصور الجديدة الانتقال من «اكتب ما تريد» إلى عمل يقدم فيه المستخدم للنظام مواد بصرية حقيقية.
يمكن مثلا تقديم:
صورة منتج
شعار
شخصية
خلفية
صورة تحدد الأسلوب
ثم طلب إنشاء تكوين جديد يدمج المواد من النظام.
تجعل القدرة على استقبال حتى عشر صور مرجعية Qwen-Image-2.1 أكثر ملاءمة لمسارات العمل الحقيقية.
هل هو نموذج مفتوح؟
تتاح الأوزان والشفرة للتنزيل، لذلك يسهل الوصول إلى النموذج أكثر بكثير من مولدات الصور المغلقة.
لكن يجب الحذر هنا مع كلمة «مفتوح».
تشير شروط الترخيص المنشورة إلى أنها لا تمنح بالضرورة استخداما تجاريا غير محدود.
لمن يريد استخدام النموذج داخل منتج تجاري أو موقع أو خدمة للعملاء أو عملية أعمال، يستحسن قراءة الترخيص المعني قبل الاستخدام.
دون شروط ترخيص واضحة، لا ينبغي اعتبار النموذج «مجانيا للاستخدام التجاري».
ماذا عن العبرية
لم ينشر Qwen في التوثيق التزاما صريحا بجودة النص العبري داخل الصور أو جودة الطلبات بالعبرية.
حتى لو استطاع النموذج استقبال طلبات متعددة اللغات، فهذا لا يعني قدرته على إنتاج كتابة عبرية جيدة بصريا.
هذا من الأمور التي يستحسن اختبارها منفصلة.
ماذا تدعي الشركة
ينشر Qwen نتائج اختبارات أداء ومقارنات مع نماذج أخرى.
هذه اختبارات Qwen نفسه.
حتى تتوفر اختبارات مستقلة كافية، لا يوجد أساس لتقديم Qwen-Image-2.1 كنموذج «أفضل» من منتجات Google أو OpenAI أوشركات أخرى.
من قد يهتم به
قد يهم النموذج خصوصا:
- مطوري أدوات AI
- مستخدمي ComfyUI
- المصممين
- المتاجر الإلكترونية
- وكالات الإعلان
- الباحثين
- الشركات الراغبة في تشغيل نموذج صور داخل بيئتها
الميزة الكبرى هنا ليست بالضرورة نتائج اختبارات الأداء.
بل كونه نموذجا قابلا للتنزيل يجمع عدة قدرات عملية في منظومة واحدة.
ما الذي لا يزال بحاجة إلى فحص
لا تزال جودة الصور بحاجة إلى اختبارات مستقلة.
ولا يتضح مدى جودة النموذج بالعبرية.
ستختلف متطلبات العتاد الفعلية حسب الإصدار وطريقة التشغيل.
والسؤال المهم للشركات، وهو ما المسموح تجاريا، يعتمد على شروط الترخيص، وليس مجرد إتاحة الأوزان للتنزيل.