‏Qwen-Image 2.1 يدمج توليد الصور وتحريرها في نموذج بحثي مفتوح الأوزان

أصدر فريق Qwen التابع لـ Alibaba نموذج Qwen-Image 2.1 بموجب رخصة بحثية مفتوحة الأوزان، على أن يخضع الاستخدام التجاري لشروط منفصلة. ويُطرح الإصدار كنموذج واحد لتوليد الصور من النص وتحرير الصور، لا كتقسيم بين نظام لإنشاء الصور من التعليمات النصية وآخر لتعديل الصور القائمة. هذا التوحيد هو التغيير المركزي: فـ Qwen-Image 2.1 لا يُقدَّم فقط كمولد صور، بل أيضا كنموذج تحرير قادر على تلقي التعليمات والمراجع البصرية والإرشاد الموضعي.

تنبع أهمية الإصدار من أن كثيرا من مسارات العمل الخاصة بالصور تنتقل بين الإنشاء والمراجعة. قد يبدأ المستخدم بتعليمة نصية، ثم يطلب الحفاظ على اتساق شخصية، أو تغيير كائن، أو تعديل خلفية، أو إنتاج أصل بصري بخلفية شفافة. التصميم المعلن لـ Qwen-Image 2.1 يستهدف هذه السلسلة مباشرة. فدعمه للشفافية الأصلية بصيغة RGBA، وما يصل إلى عشر صور مرجعية، والأقنعة والدوائر للتعليمات الموضعية، والحفاظ على الهوية، ومخرجات 2K عبر سبع نسب أبعاد، يشير إلى نموذج موجه للتكرار الخاضع للتحكم، لا إلى إخراج صورة من تعليمة نصية فقط.

ما الذي تغير في Qwen-Image 2.1

التغيير الأوضح هو تقارب التوليد والتحرير في إصدار بحثي واحد مفتوح الأوزان. من الناحية العملية، يوصف النموذج بأنه يتعامل مع إنشاء صور جديدة وتعديل صور قائمة ضمن إطار موحد. وهذا لا يثبت، بحد ذاته، جودة مكافئة في كل مهمة. لكنه يعني أن فريق Qwen يقدم التوليد والتحرير كقدرتين في الإصدار نفسه، مدعومتين بالمعمارية الأوسع نفسها ومسار الأدوات نفسه.

تُعد الشفافية الأصلية بصيغة RGBA تغييرا آخر لافتا لأنها تتعامل مع الشفافية كجزء من مخرجات الصورة، لا كافتراض في مرحلة معالجة لاحقة. تتضمن RGBA قناة ألفا، لذلك قد يكون الدعم الأصلي للنموذج مهما للمخرجات التي تحتاج إلى مناطق شفافة. المعلومات المتحققة لا تثبت مدى موثوقية ذلك عبر التعليمات النصية، ولا ما إذا كان يتفوق على مقاربات أخرى. لكنها تُظهر أن الشفافية قدرة معلنة في Qwen-Image 2.1، وليست إضافة خارجية موصوفة بمعزل عن النموذج.

يوسع النموذج أيضا التحكم عبر التكييف بالصور المرجعية. يدعم Qwen-Image 2.1 ما يصل إلى عشر صور مرجعية، إلى جانب الأقنعة والدوائر للتعليمات الموضعية. تستهدف هذه الميزات أشكالا مختلفة من التحكم: يمكن للصور المرجعية توجيه المظهر أو المحتوى، بينما تستطيع الأقنعة والدوائر تحديد الموضع الذي ينبغي أن تُطبَّق فيه التعليمة. كما يدعي الإصدار الحفاظ على الهوية، وهو أمر ذو صلة عندما يحتاج الموضوع نفسه إلى البقاء قابلا للتعرف عليه عبر عمليات التحرير أو التوليد. ولا يقدم الموجز قياسات مستقلة لاتساق الهوية، لذلك ينبغي التعامل مع هذه القدرة كميزة معلنة لا كادعاء أداء متحقق منه.

كيف توصف المعمارية

يستخدم Qwen-Image 2.1 محول انتشار بصري بحجم 7 مليارات معلمة، مع 32 طبقة، ومشفرا من Qwen3-VL بحجم 8 مليارات معلمة. المكون الأول هو العمود الفقري التوليدي البصري كما يصفه الإصدار، بينما يوفر مشفر Qwen3-VL الجانب البصري اللغوي من النظام. تصف هذه الأرقام حجم النموذج ومعماريته كما وردت، لكنها لا تتحول تلقائيا إلى جودة أو سرعة أو كفاءة من دون تقييم مستقل.

يسمي الإصدار أيضا الانتباه متعدد الحبيبات والتخزين المؤقت لقيم ومفاتيح البادئة بوصفهما خيارين تصميميين موجهين نحو الكفاءة. يوصف الانتباه متعدد الحبيبات بأنه يهدف إلى تحسين الكفاءة، كما يُقدَّم التخزين المؤقت لقيم ومفاتيح البادئة في السياق نفسه. لا تتضمن الحقائق المتحققة قياسات للإنتاجية أو استخدام الذاكرة أو زمن الاستجابة أو الكلفة، لذلك يجب أن يبقى نقاش الكفاءة محدودا: هذه التقنيات جزء من التصميم المعلن، لكن أثرها الواقعي غير مثبت هنا باختبار مستقل.

يدعم النموذج مخرجات 2K عبر سبع نسب أبعاد. يمنح ذلك الإصدار هدفا محددا للمخرجات ونطاقا من خيارات التأطير، وهو أمر قد يهم مسارات العمل التي تحتاج إلى أكثر من صيغة مربعة واحدة. لكن دعم “2K” وتعدد نسب الأبعاد ينبغي فصلهما عن الدقة الجمالية أو دقة أداء المهمة. حجم الإخراج يصف قدرة الدقة؛ ولا يثبت أن عرض النصوص، أو مواضع الكائنات، أو عمليات التحرير، أو الحفاظ على الهوية، أو الشفافية ستكون صحيحة في كل الحالات.

ما الذي يبينه رقم الاختبار المعياري

في الاختبار المعياري الخاص بـ Qwen، سجل Qwen-Image 2.1 نتيجة 60.28، مقارنة بـ 59.82 لـ Nano Banana 2. هذه نتيجة معيارية أبلغ عنها الناشر، وليست اختبارا مستقلا. هذا التمييز مهم. يمكن لاختبار معياري من الشركة أن يقدم إشارة مفيدة حول كيفية تقييم الناشر لنموذجه، لكنه لا يستطيع وحده حسم الأداء المقارن عبر حالات استخدام أوسع، أو طرق تقييم بديلة، أو ظروف اختبار خارجية.

الفارق في النتيجة ضيق من الناحية الرقمية: 60.28 مقابل 59.82. لا توفر الحقائق المتحققة منهجية الاختبار المعياري، ولا تركيب المهام، ولا التباين، ولا فواصل الثقة، ولا تكرارا مستقلا. لذلك يدعم الرقم خلاصة محدودة فقط: تفيد Qwen بأن Qwen-Image 2.1 سجل نتيجة أعلى من Nano Banana 2 في الاختبار المعياري الخاص بـ Qwen. ولا يثبت ذلك تفوقا عاما، أو ميزة ثابتة يلمسها المستخدم، أو أداء أفضل في كل سيناريوهات التوليد والتحرير.

ينطبق هذا التمييز أيضا على مجموعة ميزات النموذج. فدعم الشفافية والمراجع والأقنعة والدوائر والحفاظ على الهوية ومخرجات 2K يصف ما يُفترض أن يفعله النظام. أما نتيجة الاختبار المعياري فتصف أداءه في التقييم الذي أبلغت عنه Qwen. ولا يثبت أي من العنصرين منفردا كيف سيتصرف النموذج في خط إنتاج محدد، أو عملية إبداعية معينة، أو بيئة بحثية بعينها. ستكون هناك حاجة إلى قياس مستقل للتحقق من الجودة والمتانة والكفاءة خارج تقارير الناشر نفسه.

الدلالات العملية لمسارات العمل البحثية

تُعد الرخصة البحثية مفتوحة الأوزان مهمة للباحثين لأنها تتيح الوصول إلى أوزان النموذج بموجب شروط بحثية، بينما يتطلب الاستخدام التجاري شروطا منفصلة. يفصل هذا الهيكل بين الإتاحة البحثية والنشر التجاري غير المقيد. والدلالة العملية هي أن المختبرات والمطورين والمقيّمين يستطيعون فحص الإصدار ضمن شروط الرخصة، لكن المؤسسات التي تنظر في الاستخدام التجاري عليها أن تتجاوز الرخصة البحثية وأن تحصل على الشروط المناسبة.

يمثل دعم الأدوات عنصرا عمليا آخر. أُعلن عن دعم Diffusers وComfyUI وvLLM وSGLang. يهم ذلك لأن هذه الأطر والواجهات قد تشكل سرعة اختبار النموذج أو دمجه أو مقارنته. ولا يثبت إعلان الدعم نضج كل تكامل أو أداء كل بيئة تشغيل. لكنه يشير إلى أن Qwen-Image 2.1 يُطرح مع وضع عدة مسارات شائعة للنشر وسير العمل في الحسبان.

بالنسبة إلى أبحاث توليد الصور وتحريرها، تتمثل الدلالة الأكثر ملموسية في جمع واجهات التحكم داخل نموذج بحثي واحد مفتوح الأوزان: التعليمات النصية، والصور المرجعية، والأقنعة والدوائر الموضعية، والحفاظ على الهوية، والشفافية، ونسب أبعاد متعددة للمخرجات. لذلك يمنح الإصدار الباحثين نموذجا يمكن فحصه عبر مهام الإنشاء والمراجعة معا. والأسئلة غير المحسومة واضحة بالقدر نفسه: الاختبار المعياري أبلغ عنه الناشر، ومكاسب الكفاءة موصوفة باعتبارها مقصودة، والجودة العملية لعناصر التحكم المعلنة ما زالت تتطلب قياسا مستقلا.