עליבאבא משיקה את Qwen-Image-2.1-Turbo: יצירה ועריכה של תמונות ב-8 צעדים במקום 40

צוות Qwen של עליבאבא השיק את Qwen-Image-2.1-Turbo, גרסה מואצת של Qwen-Image-2.1, מודל התמונות של החברה שהמשקולות שלו פתוחות. הגרסה החדשה יוצרת ועורכת תמונות ב-8 צעדי הסרת רעש (denoising), לעומת 40 צעדים בברירת המחדל של מודל הבסיס. זה פי 5 פחות צעדים, על אותה ארכיטקטורה של 7 מיליארד פרמטרים (7B). למי שלא רוצה להריץ את המודל בעצמו יש גם אפשרות API מנוהל.

מה זה בעצם "צעדים"?

רוב מודלי התמונות הנפוצים היום, כמו משפחת Qwen-Image, פועלים בשיטה שמבוססת על הסרת רעש. המודל מתחיל ממשטח של "רעש" אקראי, משהו כמו שלג בטלוויזיה ישנה, ובכל צעד מנקה אותו עוד קצת לכיוון התמונה שהמשתמש ביקש. כל צעד כזה דורש מעבר מלא דרך הרשת הנוירונית, ולכן מספר הצעדים משפיע ישירות על זמן היצירה ועל כמות כוח המחשוב שנדרשת לכל תמונה.

כשמורידים את מספר הצעדים מ-40 ל-8, הצעד הכבד ביותר בתהליך קורה חמש פעמים פחות. ככל הנראה יצירת תמונה תהיה מהירה וזולה בהרבה, אבל חשוב להבחין: פי 5 פחות צעדים לא בהכרח אומר זמן יצירה קצר פי 5 בדיוק. במערכת יש גם שלבים אחרים, והמהירות בפועל תלויה בחומרה ובתצורת ההרצה.

אותו מודל, גרסה רזה יותר

החברה מגדירה את Turbo כ-checkpoint מואץ, כלומר קובץ משקולות נוסף של אותו מודל ולא מודל חדש מאפס. הארכיטקטורה נשארה זהה, ובגודל של 7B. המשמעות למפתחים היא שמי שכבר עובד עם Qwen-Image-2.1 יכול ככל הנראה לשלב את הגרסה המהירה בלי לשנות את סביבת העבודה, ושהדרישות לזיכרון בכרטיס הגרפי לא אמורות לגדול.

היכולות נשמרות בשני הכיוונים: גם יצירת תמונה מתיאור טקסטואלי וגם עריכה של תמונה קיימת. העריכה חשובה במיוחד בשימושים מעשיים כמו הכנת חומרי שיווק, החלפת רקע או התאמת עיצובים.

פתוח, וגם בענן

עליבאבא ממשיכה כאן את הקו שאפיין את משפחת Qwen: משקולות פתוחות (open-weight) שכל אחד יכול להוריד ולהריץ על חומרה משלו, ולצידן אפשרות API מנוהל. כך מפתחים בוחרים בין שליטה מלאה והרצה מקומית לבין נוחות של שירות מוכן.

למה זה חשוב

בתחום יצירת התמונות, מספר הצעדים הוא אחד הגורמים העיקריים שמשפיעים על העלות ועל חוויית המשתמש. מוצר שמחזיר תמונה תוך שניות ספורות מתנהג אחרת לגמרי ממוצר שבו המשתמש מחכה. ההערכה היא שהורדה של פי 5 בצעדים, על מודל בגודל בינוני של 7B, הופכת את Qwen-Image לאופציה מעשית יותר ליישומים אינטראקטיביים ולסטארטאפים שמריצים תשתית משלהם.

עם זאת, בחומרים שפורסמו אין נתונים מפורטים על איכות התמונות בגרסה המואצת בהשוואה למודל הבסיס. בגרסאות מואצות מהסוג הזה בדרך כלל יש פשרה מסוימת בין מהירות לאיכות, ולכן כדאי לחכות להשוואות עצמאיות לפני שמסיקים מסקנות על האיכות.