Qwen-Image-2.1: আলিবাবার ছোট আকারের ওপেন-ওয়েট ইমেজ মডেল

Qwen-Image-2.1 আসলে কী?

সহজ কথায়, এটি একটি এআই ইমেজ জেনারেটর। কিছু লিখে দিলে ছবি বানিয়ে দেয়, আবার আপনার ছবিও বদলে দিতে পারে।

এর বড় আকর্ষণ আকার। ছবি তৈরির অংশে প্যারামিটার মাত্র ৭ বিলিয়ন। প্যারামিটার হলো মডেলের শেখা জ্ঞান ধরে রাখার একক, সংখ্যা যত বেশি, মডেল তত ভারী। প্রতিবেদন অনুযায়ী মূল Qwen-Image-এ ছিল প্রায় ২০ বিলিয়ন। মানে আকার কমেছে প্রায় দুই-তৃতীয়াংশ।

নতুন কী কী সুবিধা?

• এক মডেলে দুই কাজ: ছবি তৈরি ও ছবি এডিট
• ট্রান্সপারেন্ট ছবি: স্বচ্ছ ব্যাকগ্রাউন্ডের ছবি সরাসরি তৈরি হয়, পরে আলাদা করে কাটতে হয় না
• ১০টি রেফারেন্স ছবি: একসাথে ১০টি ছবি মিলিয়ে একটি নতুন ছবি
• ২কে রেজোলিউশন পর্যন্ত আউটপুট

কোথায় পাবেন?

Qwen-Image-2.1-এর ওয়েট মিলছে Hugging Face, ModelScope ও GitHub-এ। ComfyUI, Diffusers, vLLM-Omni ও SGLang-এও প্রথম দিন থেকেই সাপোর্ট আছে। প্রতিবেদনের মতে মডেলটি এত ছোট যে ২৪ জিবি বা কম ভিআরএএমের সাধারণ জিপিইউতেও চলতে পারে, বিশেষ করে কোয়ান্টাইজ করলে (মডেল হালকা করার কৌশল)। 

লাইসেন্স: ওপেন-ওয়েট মানেই ওপেন সোর্স নয়

এখানেই সবচেয়ে বড় তর্ক। মডেলটি এসেছে Qwen Research License-এর অধীনে। এতে শুধু অবাণিজ্যিক গবেষণা বা মূল্যায়নে ব্যবহারের অনুমতি আছে। ব্যবসায়িক কাজে লাগাতে হলে Hangzhou Tongyi Laboratory Technology Co.-এর সঙ্গে আলাদা চুক্তি করতে হবে, জানিয়েছে RuntimeWire। Hacker News-এ ৪৮৩ পয়েন্ট ও ১৫২ মন্তব্যের আলোচনায় বেশিরভাগ তর্কই হয়েছে এই লাইসেন্স নিয়ে।

যা এখনো অস্পষ্ট

• GPT-image, Midjourney বা FLUX-এর সঙ্গে কোনো স্বাধীন বেঞ্চমার্ক তুলনা এখনো প্রকাশিত হয়নি
• বাণিজ্যিক লাইসেন্সের দাম জানানো হয়নি
• লেয়ার সংখ্যা নিয়ে সূত্রভেদে ৩২ ও ২০, দুই রকম তথ্য পাওয়া গেছে

কম আকারে বেশি কাজ, Qwen-Image-2.1 সেই প্রবণতারই নতুন উদাহরণ। তবে কাগজে-কলমের দাবি আর বাস্তব পারফরম্যান্স এক জিনিস নয়। স্বাধীন পরীক্ষার ফল আসা পর্যন্ত অপেক্ষা করাই বুদ্ধিমানের কাজ।