Alibaba'nın Qwen ekibi, 21 Temmuz'da Qwen Image 3.0'ı kullanıma sundu. Şirketin tanıtımında vurgulanan nokta, modelin ürettiği görsellerin güzelliğinden çok işlevselliği oldu.
Reve, Nano Banana, Seedream gibi çoğu yapay zeka görsel aracı, yaratıcılık, gerçekçilik, düzenleme kabiliyeti gibi belirli alanlarda öne çıkmak için tasarlanmış durumda. Qwen Image 3.0 ise farklı bir yöne gidiyor. Qwen ekibinin resmi duyurusunda belirttiğine göre, "Qwen-Image-3.0 yalnızca 'güzel görünmeyi' değil, 'kullanışlı olmayı' hedefliyor ve görsel üretimi gerçek anlamda dağıtılabilir bir üretkenlik aracı haline getiriyor."
Modelin en önemli özelliği, Alibaba'nın 'zengin içerik' olarak adlandırdığı yapı. Model, 4.500 token'a kadar talimat kabul ediyor. Bu, önceki neslin işleyebildiğinin 4,5 katı. Token'lar, bir yapay zekanın okuduğu metin birimleri; kabaca bir token bir kelimeye veya bir kelimenin bir kısmına denk geliyor, yani 4.500 token birkaç sayfa detaylı talimat anlamına geliyor.
Bu miktar, tek bir komutla dokuz ayrı infografik paneli tanımlamaya ve hepsini tek bir bütün görsel olarak elde etmeye yetiyor.
Alibaba, blog yazısında "Yukarıdaki görselin tamamı Qwen-Image-3.0 tarafından tek seferde oluşturuldu, birden fazla görselin birleştirilmesiyle değil" ifadelerine yer verdi. Demodaki her bir panel, kendi diyagramları, formülleri, başlıkları ve ince puntolu metinleriyle tek seferde, sonradan montaj yapılmadan oluşturuldu.
Bu, büyük hatalar olmadan bunu başarabilen tek model olarak öne çıkıyor.
İkinci önemli özellik ise şirketin 'gerçekçi detaylar' olarak adlandırdığı yapı. Alibaba'ya göre model, "10 piksel kadar küçük metinlerin hassas bir şekilde işlenmesini destekliyor; gözenekler ve saç telleri gibi detayları canlı bir şekilde, gerçeğe yakın mikro düzeyde betimliyor." 10 piksel, ilaç firmalarının kullandığı ince puntolu uyarı metinleri kadar küçük bir boyut. Model ayrıca LaTeX'i (araştırmacıların karmaşık matematiksel denklemler yazmak için kullandığı notasyon sistemi) tam akademik makale taslaklarında da doğru bir şekilde işliyor.
Ekibimizin standart testlerinde modellere birkaç cümle verip nasıl işlediklerini değerlendiriyoruz. Qwen Image 3.0, aşağıdaki görseli Alibaba'nın resmi blogunda yer aldığı şekilde üretebildi.
Bu özelliği modelin en hızlı konfigürasyonuyla denedik. Qwen Image 3.0, Decrypt'te yayınlanan tam bir makaleyi yeniden üretebildi. Performans gerçekten etkileyiciydi ancak sonuç kusursuz değildi.
