Il 4 agosto 2025, il team Qwen di Alibaba è stato lanciato ufficialmente Immagine Qwen, un modello di base basato su un trasformatore di diffusione multimodale (MMDiT) da 20 miliardi di parametri, progettato per offrire una fedeltà senza precedenti nella sintesi testo-immagine e nell'editing di immagini di precisione. Questa release segna l'ingresso audace di Alibaba nel settore della generazione di immagini open source, posizionando Qwen-Image come sfidante diretto di sistemi proprietari come GPT-4o, DALL·E 2 e Midjourney di OpenAI.
Innovazioni tecniche
Qwen-Image's 20 B MMDiT La struttura portante rappresenta un'importante impresa ingegneristica, consentendo al modello di eccellere nel rendering di contenuti testuali complessi direttamente all'interno delle immagini generate. Il suo approccio didattico inizia con semplici attività di rendering non testuale e avanza progressivamente fino alla gestione di descrizioni lunghe quanto un paragrafo, garantendo un'eccezionale fedeltà sia nel linguaggio alfabetico che in quello logografico. Inoltre, il modello incorpora un doppia codifica meccanismo, che elabora separatamente le rappresentazioni semantiche e ricostruttive tramite Qwen2.5-VL e un codificatore VAE, che trova un equilibrio tra il mantenimento della coerenza semantica e il realismo visivo durante la modifica delle immagini.
Innovazioni nel rendering e nell'editing del testo
Un elemento chiave di differenziazione per Qwen-Image è il suo supporto nativo per il testo incorporato, consentendogli di inserire testo leggibile in inglese e cinese all'interno di immagini in layout multilinea e contesti di paragrafo. I benchmark interni mostrano che Qwen-Image supera molti concorrenti open source in termini di tempestività di aderenza e chiarezza del testo, rendendolo ideale per applicazioni che richiedono elementi di progettazione multilingue. Le sue capacità di editing delle immagini beneficiano anche di un paradigma di training multi-task che integra attività di ricostruzione da testo a immagine, da testo a immagine e da immagine a immagine, migliorando la coerenza durante la modifica di elementi visivi esistenti.
Valutazioni indipendenti dimostrano la superiorità di Qwen-Image rispetto a diversi modelli leader, sia open source che proprietari, in termini di accuratezza nell'incorporamento del testo. Nei test comparativi, supera le alternative open source di fascia media e rivaleggia con offerte commerciali come Midjourney per l'aderenza immediata, in particolare nei prompt bilingue che combinano inglese e cinese. Sebbene alcuni sistemi proprietari possano ancora essere all'avanguardia nella generazione di scene ultra-complesse, i primi feedback degli utenti evidenziano l'impareggiabile chiarezza di Qwen-Image per i layout di testo multilingue e i suoi solidi controlli di editing.
In linea con l'impegno di Alibaba per un'intelligenza artificiale "aperta, trasparente e sostenibile", Qwen-Image è open-source Sulla piattaforma MoDa, invitando la community a contribuire e personalizzare il progetto. Parallelamente al rilascio del modello, Alibaba ha pubblicato un'ampia documentazione, un codice di esempio e un portale di feedback per supportare test pratici in diversi casi d'uso, dalle pipeline di pubblicazione automatizzate agli strumenti didattici interattivi.
Risultati della valutazione
I parametri di riferimento interni di Alibaba e le valutazioni di terze parti tracciano un quadro delle prestazioni leader di Qwen-Image:
- GenEval (Generazione generale delle immagini): Ha raggiunto una distanza di partenza di Fréchet (FID) di 10.2, superando in media del 20% i modelli comparabili a 9 parametri B.
- LongText-Bench (Rendering del testo): segnato 92.7% precisione nel posizionamento del testo su più righe e nell'integrità dei glifi, superando GPT-4.1 del 14%.
- GEdit/ImgEdit (modifica delle immagini): Ha registrato un punteggio medio di opinione (MOS) di 4.3/5, riflettendo l'elevata soddisfazione degli utenti nel mantenere la coerenza semantica durante le modifiche
- OneIG-Bench (generazione di infografiche): Classificato tra i primi tre modelli per la rappresentazione visiva di dati strutturati e grafici direttamente dai prompt, dimostrando ottime capacità di layout e selezione dei colori.
- Classifica: Nella classifica Artificial Analysis Image Arena, Qwen-Image occupa attualmente il 5° posto tra tutti i modelli di generazione di immagini ed è l'unico modello open-weight nella top 10, dimostrando il suo vantaggio competitivo nella comunità della ricerca.
Accesso ed ecosistema
Il versatile set di funzionalità di Qwen-Image apre le porte a una vasta gamma di applicazioni concrete:
- Marketing e pubblicità: Creazione rapida di immagini promozionali personalizzate con slogan incorporati ed elementi di testo multilingue.
- Contenuti educativi: Generazione automatizzata di diagrammi illustrativi, infografiche e immagini annotate per piattaforme di e-learning.
- Progettazione e prototipazione: Mockup e concept art al volo con livelli modificabili per flussi di lavoro creativi interattivi.
- Servizi di localizzazione: Adattamento perfetto degli elementi visivi a diversi contesti linguistici, senza alcuno sforzo di progettazione grafica manuale.
Gli utenti possono interagire con Qwen-Image tramite l'interfaccia Chat Qwen di Alibaba selezionando la modalità "Generazione immagine" oppure integrare il modello nei propri ambienti tramite il repository GitHub e le API CometAPI.
- Uso interattivo: Visita chat.qwen.ai e seleziona un modello Qwen non codificante, quindi passa a "Generazione immagini" per iniziare a creare.
- Codice e pesi:
- GitHub: github.com/QwenLM/Qwen-Image
- Abbracciare il viso: huggingface.co
- Modelscope: modelscope.cn
Alibaba incoraggia il feedback e i contributi della comunità per promuovere un aperto, trasparente e sostenibile ecosistema di intelligenza artificiale generativa.
L'ultima integrazione Qwen-Image apparirà presto su CometAPI, quindi rimanete sintonizzati! Mentre concludiamo il caricamento del modello Qwen-Image, esplorate gli altri nostri modelli nella pagina Modelli o provateli nell'AI Playground.
CometAPI è una piattaforma API unificata che aggrega oltre 500 modelli di intelligenza artificiale (IA) di provider leader, come la serie GPT di OpenAI, Gemini di Google, Claude di Anthropic, Midjourney, Suno e altri, in un'unica interfaccia intuitiva per gli sviluppatori. Offrendo autenticazione, formattazione delle richieste e gestione delle risposte coerenti, CometAPI semplifica notevolmente l'integrazione delle funzionalità di IA nelle tue applicazioni. Che tu stia sviluppando chatbot, generatori di immagini, compositori musicali o pipeline di analisi basate sui dati, CometAPI ti consente di iterare più velocemente, controllare i costi e rimanere indipendente dal fornitore, il tutto sfruttando le più recenti innovazioni nell'ecosistema dell'IA.
Vedere anche