هناك ثورة هادئة تحدث في توليد الصور بالذكاء الاصطناعي، ولا علاقة لها بالخدمات السحابية أو الاشتراكات الشهرية. Qwen-Image-2512 — نموذج Alibaba مفتوح الأوزان بـ 27 مليار معامل — يمثل شيئاً جديداً حقاً: مولّد صور محلي لا يطلب منك التنازل عن الجودة لمجرد أنك تشغّله بنفسك.
الحيلة المعمارية هي دمج ثلاثة مكونات عادةً ما تعيش في نماذج منفصلة. محول انتشاري متعدد الوسائط بـ 20 مليار معامل يتولى التوليد الفعلي للصور — اعتبره الرسّام. نموذج لغوي بصري Qwen2.5-VL بـ 7 مليار معامل يعمل كمدير فني، يفهم بعمق أوامرك النصية والصور المرجعية والعلاقات الدلالية بينها. وVAE بـ 127 مليون معامل يتولى أعمال الترميز. معاً، يُنتجون صوراً بتماسك وقصدية تصعب مطابقتها على نماذج الانتشار البحتة.
النتائج تتحدث بالأرقام: تقييم Elo حوالي 1,130 على Arena.ai، الأعلى بين جميع النماذج مفتوحة الأوزان بترخيص Apache 2.0. هذا التصنيف يأتي من مقارنات تفضيل بشرية عمياء — أشخاص حقيقيون يختارون Qwen-Image على البدائل دون معرفة أي نموذج صنع أي صورة. حين يختار البشر مخرجاتك باستمرار، هذه ليست لعبة معايير؛ إنها جودة حقيقية.
المشكلة الصريحة هي الثقل — حسابياً ومعلوماتياً. سبعة وعشرون مليار معامل تحتاج عتاداً حقيقياً. ستريد بطاقة RTX 4090 مع تكميم INT4 كحد أدنى، وحتى ذلك ستعمل قرب الحد. وبينما ينمو المجتمع الناطق بالإنجليزية بسرعة، فهذا مشروع بالصينية أولاً جوهرياً. التوثيق والأوراق البحثية وأعمق النقاشات المجتمعية تحدث بالماندرين. لكن النماذج الجيدة تجذب مجتمعات عالمية، وQwen-Image متاح بالفعل على Hugging Face وModelScope وReplicate وComfyUI — الأدوات التي تعرفها بالفعل.
