مدل Z-Image Turbo علی‌بابا صدرنشین مدل‌های وزن‌باز تولید تصویر شد؛ اجرای سریع روی کارت گرافیک ۱۶ گیگابایتی
آزمایشگاه Tongyi-MAI علی‌بابا از مدل تصویرساز ۶ میلیارد پارامتری Z-Image Turbo با وزن‌های باز رونمایی کرد. این مدل با معماری دیفیوژن و تنها ۸ مرحله پردازش، تصاویری واقع‌گرایانه با وضوح ۱۰۲۴×۱۰۲۴ پیکسل تولید می‌کند و روی کارت‌های گرافیک ۱۶ گیگابایتی نیز با سرعت بالا اجرا می‌شود.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- مدل ۶ میلیارد پارامتری Z-Image Turbo با مجوز آپاچی ۲٫۰ و به‌صورت وزن‌باز منتشر شده و در بنچمارک آرنا بالاتر از مدل‌هایی همچون FLUX.2 قرار گرفته است.
- این مدل فرایند تبدیل متن به تصویر را تنها در ۸ مرحله ارزیابی انجام می‌دهد که در مقایسه با استاندارد معمول ۲۰ تا ۵۰ مرحله‌ای، سرعت را به‌شکل چشمگیری افزایش داده است.
- با حذف سربار محاسباتی تکنیک هدایت بدون طبقه‌بند (CFG)، اجرای بدون دردسر این مدل با ۱۶ گیگابایت حافظه VRAM روی یک کارت گرافیک ممکن شده است.
آزمایشگاه Tongyi-MAI وابسته به علی‌بابا از مدل Z-Image Turbo رونمایی کرد؛ یک مدل دیفیوژن وزن‌باز با ۶ میلیارد پارامتر که با هدف تولید فوق‌سریع تصویر از متن توسعه یافته است. وزن‌های این مدل تحت مجوز آپاچی ۲٫۰ (Apache 2.0) منتشر شده‌اند و خروجی‌های واقع‌گرایانه‌ای با وضوح ۱۰۲۴×۱۰۲۴ پیکسل ارائه می‌دهند. Z-Image Turbo خلق هر تصویر را تنها در ۸ مرحله ارزیابی مدل به پایان می‌رساند و می‌تواند روی یک کارت گرافیک منفرد با ۱۶ گیگابایت حافظه VRAM اجرا شود. طبق گزارش Tongyi-MAI، زمان پاسخ‌دهی این مدل روی پردازنده گرافیکی H800 به زیر یک ثانیه می‌رسد.
نسخه ارائه‌شده در مخزن Comfy-Org در پلتفرم هاگینگ فیس (Hugging Face) بیش از ۹ میلیون بار دانلود شده است؛ هرچند این آمار شامل تعداد درخواست‌های فایل می‌شود و نشان‌دهنده حجم تعاملات است، نه لزوماً تعداد کاربران یکتا. در جدول رده‌بندی آرنا، مدل Z-Image Turbo با عبور از مدل‌های مطرحی مانند FLUX.2 [dev]، HunyuanImage 3.0 و Qwen-Image توانسته است جایگاه نخست را در میان مدل‌های وزن‌باز تبدیل متن به تصویر به دست آورد. این جدول ترجیحات کاربران را بر اساس مقایسه کورکورانه و هم‌زمان تصاویر ارزیابی می‌کند، اما بررسی دقیق شاخص‌هایی چون سرعت پاسخ‌دهی، مصرف حافظه و هزینه‌های عملیاتی به بنچمارک‌های جداگانه‌ای نیاز دارد.
مشخصات | Z-Image Turbo |
|---|---|
تعداد پارامترها | ۶ میلیارد |
وضوح پیش‌فرض | ۱۰۲۴×۱۰۲۴ پیکسل |
نمونه‌برداری | ۸ ارزیابی تابع (NFE) |
روش هدایت (Guidance) | بدون مرحله هدایت بدون طبقه‌بند (بدون CFG) |
حافظه گرافیکی (VRAM) | ۱۶ گیگابایت اعلام‌شده؛ فضای آزاد واقعی به رزولوشن، دقت محاسباتی و بک‌اند توجه بستگی دارد |
مجوز انتشار | Apache 2.0 |
ورودی رسمی نسخه Turbo | پرامپت‌های متنی |
تولید تصویر در ۸ مرحله؛ راز سرعت چشمگیر Z-Image Turbo
معیار «تعداد ارزیابی تابع» که به اختصار NFE نامیده می‌شود، بیانگر دفعاتی است که مدل در طول فرایند نویززدایی (Denoising) برای اصلاح تصویر ارزیابی می‌شود. اکثر فرایندهای دیفیوژن برای تبدیل نویز تصادفی اولیه به یک تصویر نهایی به ۲۰ تا ۵۰ مرحله ارزیابی نیاز دارند؛ اما Z-Image Turbo این چرخه را به تنها ۸ مرحله کاهش داده است تا هم‌زمان پاسخ‌دهی و هم توان محاسباتی مورد نیاز به حداقل برسد.
تکنیک متداول «هدایت بدون طبقه‌بند» (Classifier-Free Guidance یا CFG) معمولاً دو نسخه مشروط و غیرمشروط پرامپت را ارزیابی می‌کند و سپس با ادغام پیش‌بینی‌های آن‌ها، نتیجه نهایی را به سمت خواسته کاربر سوق می‌دهد. با اینکه برخی فریمورک‌ها این محاسبات را به‌صورت دسته‌ای (Batch) پردازش می‌کنند، بار محاسباتی اضافه آن همچنان پابرجا می‌ماند. در نقطه مقابل، Z-Image Turbo این مسیر هدایت را کاملاً کنار گذاشته و از این طریق، سربار سنگین پردازشی و مصرف اضافی حافظه را از بین برده است.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
سوندار پیچای: تا رسیدن به هوش مصنوعی کاملاً خودبهبودبخش هنوز راه درازی در پیش داریم
سوندار پیچای، مدیرعامل گوگل، اعلام کرد با وجود همکاری نزدیک پژوهشگران و ایجنت‌های هوش مصنوعی در ساخت مدل‌های جدید، خودبهبودبخشی بازگشتی هنوز در مراحل اولیه است. به گفته او، هرچند ردپای هوش مصنوعی در تمام کدهای جدید گوگل دیده می‌شود، تا رسیدن به نقطه نهایی هنوز راه زیادی مانده است.
ائتلاف غول‌های فناوری برای استانداردسازی ایجنت‌ها؛ ۴ پروژه کلیدی به بنیاد هوش مصنوعی لینوکس واگذار شد
بنیاد هوش مصنوعی ایجنتیک (AAIF) زیر نظر بنیاد لینوکس، مدیریت چهار پروژه کلیدی را از اوپنای‌آی، آنتروپیک، علی‌بابا و هاگینگ فیس تحویل گرفت. این اقدام بزرگ با هدف استانداردسازی ابزارهای توسعه، افزایش سازگاری میان‌سیستمی و ایجاد بستری مستقل برای ساخت امن‌تر ایجنت‌های هوش مصنوعی انجام شده است.
خطر واقعی کرم‌های هوش مصنوعی برای خودروهای خودران و پهپادها؛ وقتی حملات سایبری فیزیکی می‌شوند
پژوهش‌های اخیر نشان می‌دهند بدافزارها و کرم‌های مبتنی‌بر هوش مصنوعی می‌توانند با نفوذ به گجت‌های هوشمند، خودروهای خودران و پهپادها، خطرات سایبری را به تهدیدهای فیزیکی در دنیای واقعی تبدیل کنند. کارشناسان امنیتی معتقدند با شتاب گرفتن توسعه ربات‌ها، صنعت فناوری باید پیش از وقوع فاجعه، راهکارهای جامعی برای ایمن‌سازی این سامانه‌ها طراحی کند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.