Alibaba ra mắt Qwen Image 3: AI tạo ảnh chú trọng thực dụng hơn thẩm mỹ

Alibaba ra mắt Qwen Image 3.0: Thực dụng là ưu tiên hàng đầu

Alibaba vừa công bố Qwen Image 3.0, phiên bản mới nhất trong dòng mô hình AI tạo ảnh Qwen, với định hướng rõ ràng: không chỉ tạo ra hình ảnh đẹp mà còn phải thực sự hữu ích trong các tác vụ chuyên nghiệp.

Điểm nổi bật của Qwen Image 3.0

Theo thông tin từ Alibaba, Qwen Image 3.0 sở hữu một số khả năng kỹ thuật đáng chú ý:

• Tạo bố cục phức tạp trong một lần: Mô hình có thể tạo ra các trang báo in dày đặc thông tin hoặc lưới infographic nhiều tầng chỉ với một lần xử lý duy nhất (one shot), không cần can thiệp thủ công nhiều bước.
• Render văn bản độ phân giải thấp: Qwen Image 3.0 có khả năng hiển thị văn bản rõ nét xuống tới kích thước 10 pixel — một thách thức kỹ thuật mà nhiều mô hình tạo ảnh trước đây thường xử lý kém.
• Định hướng ứng dụng thực tế: Thay vì tập trung vào hình ảnh nghệ thuật hay thẩm mỹ thuần túy, mô hình được thiết kế hướng đến các nhu cầu sản xuất nội dung thực tế như thiết kế truyền thông, xuất bản số và tạo tài liệu trực quan.

Những câu hỏi còn bỏ ngỏ

Dù các tính năng được công bố nghe khá ấn tượng, Alibaba chưa cung cấp benchmark hiệu suất so sánh Qwen Image 3.0 với các đối thủ như Midjourney, DALL-E hay Stable Diffusion. Đây là điểm thiếu sót đáng chú ý trong một lĩnh vực mà các con số đánh giá khách quan thường là cơ sở để cộng đồng kỹ thuật đưa ra nhận định.

Bên cạnh đó, trọng số mô hình (open weights) cũng chưa được công bố, nghĩa là các nhà nghiên cứu và nhà phát triển độc lập chưa thể kiểm tra, tinh chỉnh hay triển khai mô hình này trong môi trường riêng của họ — trái ngược với xu hướng mã nguồn mở đang ngày càng phổ biến trong cộng đồng AI.

Bức tranh cạnh tranh AI tạo ảnh

Sự ra mắt của Qwen Image 3.0 diễn ra trong bối cảnh cuộc đua phát triển mô hình AI tạo ảnh ngày càng gay gắt, với sự tham gia của các tên tuổi lớn từ Mỹ, châu Âu lẫn châu Á. Alibaba đang nỗ lực khẳng định vị thế trong mảng AI sinh tạo (generative AI) thông qua dòng sản phẩm Qwen, bao gồm cả các mô hình ngôn ngữ lớn (LLM) và giờ là mô hình tạo ảnh chuyên biệt.

Việc tập trung vào tính thực dụng và khả năng xử lý văn bản trong ảnh có thể là hướng đi khác biệt hóa so với các đối thủ đang cạnh tranh chủ yếu ở mảng hình ảnh nghệ thuật và sáng tạo.