Alibaba, bulut platformlarına güçlü bir alternatif olarak 7 milyar parametreli yeni görüntü üretme yapay zekası Qwen Image 2.1’i.

Alibaba Cloud, yerel donanımda çalışabilen, açık ağırlıklı yeni nesil bir görüntü üretme yapay zekası olan Qwen Image 2.1’i duyurdu. Sadece 7 milyar parametreye sahip olan bu model, RTX 3090 gibi daha eski tüketici grafik kartlarında bile çalışabilecek kadar hafif bir mimariye sahip. Geliştiriciler, modelin kapalı ağırlıklı rakipleri arasında yer alan Google‘ın Nano Banana 2.0’u bile geride bıraktığını iddia ediyor.

Bu karşılaştırma yalnızca Alibaba’nın kendi iç testlerine dayanıyor ve bu nedenle kesin sonuçlar için ek bağımsız testlerin yapılması bekleniyor. Ancak erken raporlar, modelin yerleşik şeffaflık desteği ve birden fazla referans görüntüden tek bir bütünlükli görsel oluşturabilme yeteneğiyle oldukça yetenekli bir görüntü üretici olduğunu gösteriyor.

Referans görüntülerle yeni görseller üretme

Model, görüntü düzenleme konusunda da önemli bir gelişme sunuyor ve buna kadar 10 referans görüntüyü kullanabilme imkânı sağlıyor. Verilen örneklerden biri, mevcut bir kişinin fotoğrafının alınması, ardından modelin kıyafet parçalarının görüntüleriyle beslenmesi ve son olarak bu kıyafetleri giyen kişinin kompozitlenmiş bir görselinin oluşturulması. Qwen ekibi, görseller arasında tutarlılık sağlayarak kişileri ve ürünleri etkili biçimde koruyacağını vurguluyor.

Yerel donanımda çalışarak bulut hesaplarına ve aboneliklere ihtiyaç duymadan hızlı, kaliteli görüntü üretimi isteyenler için ciddi bir rakip olma potansiyeli taşıyor.

Alibaba Qwen ekibi

AI Arena’nın görüntü düzenleme konusundaki değerlendirmesine göre, model şu an açık ağırlıklı seçenekler arasında en iyisi konumunda. Test sonuçlarına bakıldığında, GPT-65 Sunburst 1423 puanla zirvede yer alırken, Musw Image 1276 puanla birkaç basamak daha aşağıda, Nano Banana 2 ise 1260 puanla Qwen Image 2.1’in gerisinde kaldığı görülmekte.

Yerel donanımda performans

Stable Diffusion forumunda paylaşılan testlere göre, model modern Nvidia 50 serisi kartlar olan RTX 5070 ve 5080 üzerinde yaklaşık 25 saniyede 1 megapiksel çözünürlüğünde görseller üretebildiğini belirtiyor. Ancak kullanıcılar, çok sayıda referans görüntü kullanıldığında süreçte ciddi zaman kayıpları yaşanabileceğini ve görüntü düzenleme işleminin testlerde modelin en yavaş fonksiyonu olduğunu ifade etti.

Diğer kullanıcılar ise daha eski ve hafif donanımlarda modeli çalıştırmayı başarıyor. Bir kullanıcı, Nvidia kartıyla 2K çözünürlükte görselleri yaklaşık 50 saniyede ürettiğini, başka bir kullanıcı ise güçlü donanımı kullanarak 1024 x 1024 boyutunda görselleri birkaç saniyede tamamlayabildiğini paylaştı.

Yine de yerel yapay zeka kurulumu, Google’ın Nano Banana ve OpenAI’nin GPT Image modelleri gibi bulut tabanlı platformların erişilebilirliğinden çok uzakta bulunuyor. Yine de erken sonuçlar, en azından görünen tarafta etkileyici görünüyor. Eğer bu özellik seti daha sıkı testlerde dayanıklılığını korursa, hızlı ve kaliteli görüntü üretimi isteyen, ancak yerel çalışarak tam kontrol ve bulut hesaplarına ihtiyaç duymayan kullanıcılar için model ciddi bir rekabetçi aday haline gelebilir.

Lisanslama belirsizliği

Modelin lisans koşulları ise topluluk arasında tartışma yarattı. Lisans metni, kullanıcıların Alibaba’nın fikri mülkiyet hakları altında bulunan materyalleri yalnızca ticari amaçlar dışında kullanma, çoğaltma, dağıtma ve türev eserler oluşturma konusundaki sınırlı, dünyaca geçerli ve lisans ücreti gerektirmeyen bir lisans ile yetkilendirildiğini açıkça belirtiyor.

Buna göre, bu materyalleri ticari amaçla kullanmak isteyen herkes, bu kullanım için özel olarak Qwen ekibinden lisans alması gerekiyor. Qwen ekibi, bu belirsizliği gidermek amacıyla Twitter/X üzerinden bir açıklama yayınladı. Açıklamaya göre, modelle üretilen her şey lisanslı bir materyal olarak kabul edilmediğinden, söz konusu madde kapsamında değerlendirilmeyeceği öne sürüldü.

Ancak bu durumun anlamı şudur: Modelin Alibaba’dan lisans alınmadan yeniden satılması mümkün değil. Bu, orijinal Qwen Image’in dayandığı Apache lisanslı modelden oldukça farklı ve açık ağırlıklı tanımın sınırlarını zorlayan bir durum. Gerçekten de model, olabildiğinden daha açık olabileceği kadar açık değil.