Alibaba 推出了多模態模型 Qwen-Image-2.1

Alibaba 公司發佈了 Qwen-Image-2.1 — 一種具有 7 億個參數 的緊湊神經網絡，適用於圖像生成和編輯。該模型結合了基於文本描述的視覺內容創作功能和後續編輯工具，統一於單一架構中。

系統的關鍵特點是支持 原生透明度，允許在不需要額外後處理的情況下生成具有 alpha 通道的物體。該模型還支持同時使用最多 10 個參考圖像，從而在編輯特定元素或保持風格方面保證高精度。

開發人員優化了架構以處理視覺數據，同時保持 Qwen 系列的緊湊尺寸。這使得模型可以在消費級設備上運行，相比大型擴散模型，對視頻內存的要求更低，同时保持生成控制的靈活性。

將編輯和生成功能整合到單一模型中簡化了設計師和開發人員使用 AI 圖形的工作流程。詳細的技術規格和示例可在官方 項目博客 中找到，該博客還討論了模型訓練的方法。

Qwen-Image-2.1 的發佈繼續了 Alibaba 開發有效開源模型的戰略，該模型能夠在計算機視覺任務中與專有解決方案競爭。技術方面的討論正在 Hacker News 平台上進行。