AlibabaのQwen-Image-2.1、70億パラメータで内部ベンチ上位を主張

Qwen-Image-2.1はAlibabaのQwenチームによる最新のオープンウェイト公開で、コンシューマーハードウェアで動く高性能モデルを提供するというパターンを踏襲している。視覚生成コンポーネントはわずか70億パラメータだが、社内ベンチマークでほとんどのクローズドモデルを上回るとチームは主張する。記事は独立系ベンチマークがまだ待たれるとしており、この主張は外部で検証されていない。

モデルのアーキテクチャには変更とKVキャッシュの再利用が含まれ、特に複数の参照画像を扱う際の推論を高速化するとQwenは説明する。最大10枚の参照画像を同時に扱えるため、個別写真から集合写真を組み立てる、バーチャル試着、部屋のデザインといったタスクが可能になる。さらに透明画像の生成・編集をネイティブにサポートし、透明レイヤー上でオブジェクトを分離したりテキストを変更したりできる。

研究ライセンスは商用利用を禁じているため、ビジネス利用にはQwenへの別途ライセンス申請が必要だ。これによりQwen-Image-2.1は、非商用ライセンスの他のオープンウェイトモデルと同様の立場にある。実験や研究には使えるが、業務導入には商用契約が必要となる。ビジネスユーザーにとっての結論は、Qwenのライセンス条件と、独立系ベンチマークが性能主張を裏付けるかどうかにかかっている。