Сервіс доступний у Росії.
Alibaba Qwen-Image – нову модель генерації зображень з відкритим доступом, яка вирізняється особливо високою точністю в роботі з текстом. Вона здатна створювати реалістичні написи на вітринах, плакатах, книгах та інших об'єктах, включаючи дрібний текст, каліграфію та навіть складні багатомовні компонування.
Qwen-Image побудована на архітектурі MMDiT з 20 мільярдами параметрів – аналогічною тій, що використовується у Flux.1 і майбутньому Stable Diffusion 3. Модель пройшла мультизадачну підготовку, що дозволило їй досягти високих результатів як у генерації зображень, так і в їхньому редагуванні.
У публічних бенчмарках на кшталт GenEval, OneIG-Bench та ImgEdit вона обійшла існуючі аналоги, а за якістю рендерингу китайського тексту суттєво перевершила найкращі з них. Alibaba окремо підкреслює, що Qwen-Image чудово справляється з тонкими деталями на кшталт ієрогліфів, багаторядкових підписів, заголовків та поєднань шрифтів.
Модель може:
- акуратно вбудовувати текст у зображення (наприклад, таблички, сувої, обкладинки книг);
- комбінувати англійську та китайську в одній сцені (з російською поки що все не дуже добре);
- редагувати вже існуюче зображення, зберігаючи стиль, композицію та читання тексту;
- змінювати пози персонажів та додавати нові об'єкти в сцену.
Модель вже доступна в Qwen Chat в режимі “Генерація зображень”, але поки що без редагування. Також її виклали на GitHub, Hugging Face та ModelScope. Найближчим часом очікується інтеграція Qwen-Image у майбутні мультимодальні моделі Qwen 4 та Qwen 5.
Раніше Alibaba прокачала лінійку ІІ-моделей Qwen 3 – особливо в математиці та кодингу.
