Alibaba ha presentato il modello multimoale Qwen-Image-2.1

L'azienda Alibaba ha rilasciato Qwen-Image-2.1 — una rete neurale compatta con 7 miliardi di parametri, progettata per la generazione e la modifica di immagini. Il modello combina le funzioni di creazione di contenuti visivi in base a descrizioni testuali e strumenti per la loro successiva correzione all'interno di un'unica architettura.

La caratteristica chiave del sistema è diventata il supporto alla trasparenza nativa, che consente di generare oggetti con canale alfa senza la necessità di ulteriore post-elaborazione. Il modello supporta anche l'uso di fino a 10 immagini di riferimento contemporaneamente, garantendo un'elevata precisione nella modifica di elementi specifici della composizione o nel mantenimento dello stile.

I sviluppatori hanno ottimizzato l'architettura per lavorare con dati visivi, mantenendo al contempo le dimensioni compatte caratteristiche della serie Qwen. Ciò consente di avviare il modello su hardware consumer con minori requisiti di memoria video rispetto ai grandi modelli diffusivi, mantenendo al contempo la flessibilità di gestione della generazione.

L'integrazione delle funzioni di modifica e generazione in un unico modello semplifica le pipeline per i designer e gli sviluppatori che lavorano con la grafica AI. Le caratteristiche tecniche dettagliate e gli esempi di lavoro sono disponibili nel blog ufficiale del progetto, dove vengono anche discussi gli approcci all'addestramento del modello.

Il rilascio di Qwen-Image-2.1 continua la strategia di Alibaba di sviluppare modelli aperti efficienti in grado di competere con le soluzioni proprietarie nei compiti di visione artificiale. La discussione degli aspetti tecnici del rilascio è attivamente condotta dalla comunità sulla piattaforma Hacker News.