Hình ảnh Qwen Image 3 mới của Alibaba AI muốn hữu ích chứ không chỉ đẹp

Nhóm Qwen của Alibaba đã ra mắt Qwen Image 3.0 vào thứ Ba và việc quảng cáo chiêu hàng không liên quan gì đến vẻ đẹp đầu ra. Vấn đề là liệu đầu ra có thực sự được sử dụng tại nơi làm việc hay không.

Hầu hết các công cụ hình ảnh AI—Reve, Nano Banana, Seedream—được thiết kế để vượt trội ở các lĩnh vực cụ thể: tính sáng tạo, tính chân thực, khả năng chỉnh sửa, v.v. Qwen Image 3.0 đang đi theo một hướng khác. Nhóm Qwen đã viết trong thông báo chính thức.

Trọng tâm là thứ mà gã khổng lồ Trung Quốc Alibaba gọi là nội dung phong phú. Mô hình này chấp nhận tới 4.500 mã thông báo, gấp 4,5 lần số lượng mà thế hệ trước có thể xử lý. Mã thông báo là đơn vị văn bản mà AI đọc; hãy hình dung một mã thông báo đại khái là một từ hoặc một phần của từ, vậy nên 4.500 trong số đó là một số trang hướng dẫn chi tiết

Thế là đủ để mô tả chín bảng đồ họa thông tin riêng biệt trong một lời nhắc duy nhất và đưa chúng trở lại dưới dạng một hình ảnh hoàn chỉnh.

Alibaba viết trên blog của mình: “Toàn bộ hình ảnh trên được Qwen-Image-3.0 tạo ra trong một lần truyền duy nhất, thay vì được ghép lại với nhau từ nhiều hình ảnh”. Mỗi bảng trong bản demo chứa sơ đồ, công thức, chú thích và văn bản in đẹp riêng—được hiển thị trong một lần chụp, không được tập hợp trong bài.

Đây là mô hình duy nhất có khả năng đạt được điều này mà không có sai sót lớn.

Phần thứ hai được hãng gọi là chi tiết xác thực. Theo Alibaba, mô hình này “hỗ trợ hiển thị chính xác văn bản nhỏ tới 10px, tái tạo sống động các chi tiết như lỗ chân lông và sợi tóc với mô tả sống động như thật, ở cấp độ vi mô.” Mười pixel là bản in đẹp—loại bạn sẽ thấy trên tuyên bố từ chối trách nhiệm về dược phẩm. Mô hình này cũng xử lý LaTeX—hệ thống ký hiệu mà các nhà nghiên cứu sử dụng để viết các phương trình toán học phức tạp—một cách chính xác trên toàn bộ mô hình bài báo học thuật.

Trong của chúng tôi các bài kiểm tra thông thường chúng tôi đưa ra cho người mẫu một vài câu và đánh giá cách họ xử lý chúng. Qwen Image 3.0 đã có thể tạo ra hình ảnh bên dưới, theo blog chính thức của Alibaba.

Chúng tôi đã thử tính năng này bằng cấu hình nhanh nhất của model. Qwen Image 3.0 có thể sao chép một bài viết đầy đủ từ Giải mã. Việc thực hiện thực sự ấn tượng, nhưng kết quả không hoàn hảo.

Trụ cột thứ ba của Qwen Image 3.0 là kiến ​​thức sâu sắc. Theo nhóm Qwen, mô hình này “hỗ trợ hiển thị gốc của 12 ngôn ngữ, mô phỏng các giao diện chính thống như trang web, trò chơi và phát trực tiếp, đồng thời dựa trên kiến ​​thức phong phú của thế giới.” Nó cũng kết nối với internet để lấy dữ liệu trực tiếp, nghĩa là nhắc nhở hiển thị hình ảnh dự báo thời tiết cho một thành phố cụ thể và ngày sẽ trả về một đồ họa chính xác chứ không phải phỏng đoán.

Ví dụ: Alibaba đã chia sẻ bức ảnh một con côn trùng trên chiếc lá. Mô hình có thể tạo ra văn bản có liên quan dựa trên sự hiểu biết của nó về hình ảnh.

Alibaba đang giới thiệu các studio thiết kế, nhóm nội dung, hoạt động thương mại điện tử và các nhà giáo dục, những người cần số lượng lớn tài sản hình ảnh sẵn sàng sản xuất.

Tuy nhiên, điều đáng chú ý là trong đánh giá Qwen-Image-Bench của chính Alibaba — một tiêu chuẩn chấm điểm chất lượng hình ảnh, tính thẩm mỹ và độ trung thực trong thế giới thực trên 18 mẫu máy — Qwen Image 2.0 Pro, chiếc smartphone hàng đầu trước đó, xếp thứ năm. GPT Image 2 của OpenAI dẫn đầu bảng xếp hạng. Mô hình mới có thể hoạt động tốt hơn, nhưng việc ra mắt không đưa ra cách đo lường nào để xác nhận nó vì nó xuất hiện mà không có bảng điểm chuẩn, trọng lượng có thể tải xuống hoặc báo cáo kỹ thuật.

Qwen Image 1.0 được ra mắt với trọng lượng mở theo giấy phép Apache 2.0 và báo cáo kỹ thuật cùng ngày. Cái này thì không. Là một phần của Sự thúc đẩy AI gần đây của Alibababằng chứng ở đây hoàn toàn là những hình ảnh ví dụ được chọn lọc kỹ lưỡng mà công ty đã chọn để xuất bản. Bản dùng thử API đang mở tại chat.qwen.ai. Giá cả chưa được công bố.