نسخه سبک مدل تصویری Qwen-Image-2.1-Turbo علی‌بابا از مرز ۲٫۵ میلیون دانلود گذشت

نسخه کوانتایز‌شده و مستقلی از مدل Qwen-Image-2.1-Turbo علی‌بابا توانسته است به رکورد بیش از ۲٫۵ میلیون بار دانلود در پلتفرم Hugging Face دست پیدا کند. این مخزن بهینه‌سازی‌شده فایل رسمی مدل را که با دقت BF16 عرضه شده بود، به ۱۱ نسخه فشرده‌تر و سبک‌تر برای ابزارهایی مانند stable-diffusion.cpp و ComfyUI و هم‌چنین تراشه‌های Apple Silicon تبدیل کرده است. این بازآفرینی باعث شده امکان اجرای این مدل روی سخت‌افزارهایی که توان اجرای نسخه اصلی و سنگین را نداشتند، به‌راحتی فراهم شود.

شمارنده Hugging Face صرفاً دفعات دانلود مخزن را محاسبه می‌کند، نه تعداد کاربران یکتا یا نصب‌های موفق نهایی را؛ با این حال، قرار گرفتن این بسته در رتبه‌های بالای بخش ترندهای پلتفرم نشان می‌دهد که چنین استقبالی از یک نسخه فشرده جامعه کاربری در دنیای مدل‌های تصویری کم‌سابقه است.

کاهش چشمگیر زمان اجرا با تکیه بر ۸ گام نویززدایی

مدل Qwen-Image-2.1-Turbo نسخه شتاب‌یافته علی‌بابا از مدل تصویری ۷ میلیارد پارامتری این شرکت محسوب می‌شود. این نسخه تمام ساختار معماری و قابلیت‌های تبلیغ‌شده در Qwen-Image-2.1 از جمله تولید تصویر از متن، ویرایش مبتنی بر دستورات متنی، پشتیبانی از کانال شفافیت RGBA و جداسازی سوژه از پس‌زمینه را به‌طور کامل حفظ کرده است.

نسخه توربو این تصاویر را تنها در ۸ گام نویززدایی خلق می‌کند، در حالی که مدل پایه به‌طور پیش‌فرض به ۴۰ گام برای تولید تصویر نیاز دارد. در مدل‌های مولد تصویر، گام‌های نویززدایی به‌تدریج نویز تصادفی را به تصویری منسجم و شفاف تبدیل می‌کنند؛ بنابراین، کاهش این مراحل به ۸ گام، حلقه اصلی محاسبات مدل را تا ۵ برابر فشرده‌تر می‌کند، هرچند وجود برخی بارها و سربارهای پردازشی ثابت مانع از آن می‌شود که کل زمان تاخیر پردازش دقیقاً به یک‌پنجم کاهش یابد.

علاوه بر این، شاخص هدایت بدون طبقه‌بند (CFG) در جریان کاری توصیه‌شده برای این مدل روی عدد ۱٫۰ ثابت شده است. با انتخاب این مقدار، شرطی‌سازی منفی به‌طور کامل کنار گذاشته می‌شود و این یعنی پرامپت‌های منفی دیگر تاثیری بر نتیجه نهایی خروجی تصویر نخواهند داشت.