क्वेन-इमेज-3.0 जारी: तीसरी पीढ़ी का छवि मूल मॉडल, "वास्तविक" शब्द पर केंद्रित
अलीबाबा टोंगी कियानवेन ने 21 जुलाई को क्वेन-इमेज-3.0 जारी किया। विकास की तीन पीढ़ियों का आधिकारिक सारांश "वास्तविक" है: समृद्ध सामग्री (4.5k टोकन इनपुट), वास्तविक विवरण और समृद्ध ज्ञान; 2026 में, क्वेन छवियों, विश्व मॉडल और सन्निहित बुद्धिमत्ता के साथ अपने अनुसंधान क्षेत्र का गहनता से विस्तार कर रहा है।
21 जुलाई, 2026 को, अलीबाबा टोंगी कियानवेन टीम ने
"वास्तविक" के तीन अर्थ
- समृद्ध सामग्री: अधिकतम 4.5k टोकन इनपुट का समर्थन करता है, और आसानी से समाचार पत्र, स्टोरीबोर्ड और टेस्ट पेपर जैसे जटिल लेआउट उत्पन्न कर सकता है - जटिल लेआउट अब एआई छवियों की कमी नहीं है।
- यथार्थवादी विवरण: विवरण के लक्षण वर्णन और स्थिरता में और सुधार करें और "स्थानीय विकृति" को कम करें।
- ठोस ज्ञान: मॉडल में बौद्धिक सामग्री की अधिक ठोस समझ और प्रस्तुति है - शब्दों, संख्याओं और उचित संज्ञाओं से युक्त चित्रों में त्रुटियों की संभावना कम होती है।
तीन-पीढ़ी के मॉडल के विकास कीवर्ड स्वयं बहुत कुछ बता रहे हैं: "सटीक ड्राइंग" से "पूर्ण और सुंदर ड्राइंग" से "ठोस सामग्री" तक, क्वेन का छवि मार्ग हमेशा "चित्र गुणवत्ता" के अतिरिक्त रहा है और "सामग्री विश्वसनीयता" को मुख्य प्रतिस्पर्धी आयाम मानता है।
क्वेन का 2026 अनुसंधान वर्ष
क्वेन-इमेज-3.0, 2026 में क्वेन की गहन गतिविधियों का एक हिस्सा है: क्वेन-एजेंटवर्ल्ड (मूल भाषा विश्व मॉडल) 23 जून को जारी किया गया था, और क्वेन-रोबोट सुइट (रोबोटनेव/रोबोटमैनिप/रोबोटवर्ल्ड सहित सन्निहित खुफिया बुनियादी मॉडल सूट) 16 जून को जारी किया गया था। छवियां, विश्व मॉडल और सन्निहित खुफिया समानांतर में आगे बढ़ते हैं। क्वेन "बातचीत और छवि निर्माण" से "सार्वभौमिक एजेंट बुनियादी ढांचे" की ओर बढ़ रहा है। साथ वाला क्वेन स्टूडियो सभी के लिए मुफ़्त और खुला है, जो छवि निर्माण, गहन शोध, वेब विकास, गहन सोच, खोज और मल्टी-मोडल समझ का समर्थन करता है।
छवि निर्माण "सामग्री विश्वसनीय" प्रतियोगिता चरण में प्रवेश करता है
उद्योग के नजरिए से, क्वेन-इमेज-3.0 की "वास्तविकता" वेन्शेंग तू ट्रैक में प्रतिस्पर्धा के अगले फोकस की ओर इशारा करती है: जब "खूबसूरती से ड्राइंग" आम तौर पर हल हो जाती है, तो "सही ढंग से ड्राइंग" (सटीक पाठ, उचित लेआउट और सही ज्ञान) एक नया वाटरशेड बन गया है। घरेलू उपयोगकर्ताओं के लिए, उच्च-सूचना-घनत्व वाले लेआउट जैसे "परीक्षण पत्र, समाचार पत्र और स्टोरीबोर्ड" वास्तव में उच्च-आवृत्ति और तत्काल आवश्यक परिदृश्य हैं - "समृद्ध सामग्री" पर क्वेन का दांव अनिवार्य रूप से मनोरंजन खिलौनों के बजाय उत्पादकता उपकरणों के दिमाग को पकड़ रहा है। डेवलपर्स के लिए, 4.5k टोकन की इनपुट सीमा "लंबे टेक्स्ट के साथ जटिल छवियों को चलाना" भी संभव बनाती है, जिससे कई नई एप्लिकेशन कल्पनाएं खुलती हैं।
भविष्य में ट्रैकिंग के लायक कई दिशाएँ:
- 4.5k टोकन की ऊपरी सीमा का वास्तविक माप: लंबे टेक्स्ट-संचालित जटिल लेआउट की सटीकता और स्थिरता।
- ओपन सोर्स रिदम: क्वेन की ओपन सोर्स परंपरा को जारी रखते हुए, क्वेन-इमेज-3.0 का वजन कब जारी किया जाएगा।
- एजेंटवर्ल्ड और रोबोट सुइट के साथ सहयोग: क्या छवि क्षमताएं विश्व मॉडल और सन्निहित बुद्धिमत्ता के लिए दृश्य आधार बन जाएंगी?
- क्वेन स्टूडियो का उपयोगकर्ता रूपांतरण: क्या मुफ़्त प्लेटफ़ॉर्म भुगतान किए गए बी-साइड परिदृश्यों को जन्म दे सकता है।
समीक्षाएं