Alibaba представила мультимодальную модель Qwen-Image-2.1

Компания Alibaba выпустила Qwen-Image-2.1 — компактную нейросеть с 7 миллиардами параметров, предназначенную для генерации и редактирования изображений. Модель объединяет функции создания визуального контента по текстовому описанию и инструменты для его последующей коррекции в рамках единой архитектуры.

Ключевой особенностью системы стала поддержка нативной прозрачности, что позволяет генерировать объекты с альфа-каналом без необходимости дополнительной постобработки. Модель также поддерживает использование до 10 референсных изображений одновременно, обеспечивая высокую точность при редактировании конкретных элементов композиции или сохранении стиля.

Разработчики оптимизировали архитектуру для работы с визуальными данными, сохранив при этом компактный размер, характерный для серии Qwen. Это позволяет запускать модель на потребительском оборудовании с меньшими требованиями к видеопамяти по сравнению с крупными диффузионными моделями, сохраняя при этом гибкость управления генерацией.

Интеграция функций редактирования и генерации в одну модель упрощает пайплайны для дизайнеров и разработчиков, работающих с AI-графикой. Подробные технические характеристики и примеры работы доступны в официальном блоге проекта, где также обсуждаются подходы к обучению модели.

Выпуск Qwen-Image-2.1 продолжает стратегию Alibaba по развитию эффективных открытых моделей, способных конкурировать с проприетарными решениями в задачах компьютерного зрения. Обсуждение технических аспектов релиза активно ведется сообществом на платформе Hacker News.