Alibaba Cloudが画像生成・編集AI「Qwen Image 2.1」を公開した。画像生成部分を70億パラメータに抑えた軽量なオープンウェイトモデルで、ネイティブの透過背景生成や最大10枚の参照画像を使った編集に対応する。巨大なクラウドモデルだけでなく、一般向けGPUで動かすローカルAIを強く意識した設計となっており、RTX 3090世代を含む既存のGeForceでも実行可能とされている。
Alibabaによる独自ベンチマークではQwen Image Benchmarkで60.2を記録し、GoogleのNano Banana 2.0の59.82をわずかに上回った一方、OpenAI GPT Image 2.5 Sunburstの67には届いていない。さらに外部のAI ArenaではQwen Image 2.1が1228、Nano Banana 2.0が1260となっており、「主要なクローズドモデルを上回った」と断定できる状況ではない。ただし画像編集ではオープンウェイト系モデルの上位に入り、70億パラメータという小ささを考えれば性能効率は注目に値する。
ローカル環境での初期報告も出始めており、RTX 4090では1メガピクセル画像を約5秒、RTX 5070／5080では約25秒で生成したとの例がある。RTX 3060と64GBメモリを使い、2K画像を約50秒で生成したというユーザー報告もあるが、これらは統一されたベンチマークではないため単純比較はできない。また従来版と異なり、モデル自体の商用再販にはAlibabaとの個別ライセンスが必要となった。生成した画像そのものはこの制限の対象外と説明されており、個人PCで動かすローカル画像AIとしての使い勝手と、モデル配布の自由度は分けて見る必要がある。
管理人コメント
7Bならローカル画像AIとしてかなり現実的です。RTX 3060で2K生成の報告まで出ているなら、24GB級GPUだけの世界ではなくなってきました。ただし性能比較はまだ初期段階で、Alibabaの社内ベンチだけを鵜呑みにはできません。軽い、動く、そこそこ強い。この3つがそろうと、ローカルAI用GPUの選び方もまた変わりそうです。
