アリババQwenが「Qwen-Image-2.0-Pro」公開、Arena画像生成世界9位に

画像生成AIにポスターを作らせた際、文字が崩れて読めない謎の記号になった経験は誰にでもあるはずです。アリババのQwenチームは、まさにその弱点の克服に挑みました。

同チームは最新の画像生成モデル「Qwen-Image-2.0-Pro」を公開しました。画質の向上に加え、多言語テキストの描画性能やプロンプト指示への追従性が一段と強化され、画風ごとの出力のばらつきも抑えられています。

ベンチマークで世界9位、肖像画では6位に浮上

AI比較プラットフォーム「Arena」のテキスト・トゥ・イメージ部門において、Qwen-Image-2.0-Proは世界総合9位にランクインしました。単一画像の編集部門でも17位につけています。

個別カテゴリーではさらに高い評価を得ており、ポートレート分野で世界6位、実写・シネマティック表現で7位、アート表現でも7位に入りました。

現在はModelScope上のスタジオで一般向けに試用できるほか、開発者向けにはAlibaba CloudからAPI提供が始まっています。

なぜ重要か

マーケティング素材やバナー制作において、画像内に崩れず多言語テキストを配置できる価値は非常に高く、海外展開を進めるクリエイターや企業にとって試す価値は十分にあります。

我々は、アリババが文字描画と実写ポートレートという実務的なユースケースに焦点を当てた点を賢明だと見ています。Arenaで世界トップ10に食い込んだことは、中国発のマルチモーダル基盤モデルがテキスト理解だけでなく、高度なビジュアル生成でも世界トップ水準で渡り合える段階に来たことを示しています。