सुंदर तस्वीरों से आगे निकला अलीबाबा का नया क्वेन इमेज 3.0, अब दफ्तर का काम भी करेगा यह एआई टूल

इसकी सबसे बड़ी ताकत इसकी मेमोरी और समझने की क्षमता है जिसे कंपनी रिच कंटेंट कहती है। यह नया मॉडल एक ही प्रॉम्प्ट में 4,500 टोकन तक ले सकता है। इस तकनीकी आंकड़े को अगर आसान भाषा में समझें, तो यह क्षमता इसके पिछले वर्जन के मुकाबले 4.5 गुना ज्यादा है। चूंकि टोकन का मतलब टेक्स्ट की उन इकाइयों से होता है जिन्हें एआई पढ़ता है (मोटे तौर पर एक शब्द या उसका हिस्सा), इसलिए 4,500 टोकन का मतलब है कि यूजर एक ही बार में कई पन्नों के बराबर लंबे और बारीक निर्देश दे सकता है।

इस बड़े मेमोरी स्पेस की वजह से यह सॉफ्टवेयर बेहद जटिल और कई हिस्सों वाले ग्राफिक्स बना सकता है। उदाहरण के लिए, यूजर एक ही प्रॉम्प्ट में नौ अलग-अलग पैनल वाले इन्फोग्राफिक की मांग कर सकता है, और यह सिस्टम एक ही बार में पूरा लेआउट तैयार कर देगा। अलीबाबा के ब्लॉग के मुताबिक, सॉफ्टवेयर ऊपर दिखाई गई पूरी तस्वीर को अलग-अलग तस्वीरों से जोड़ने के बजाय एक ही पास में तैयार करता है। हर पैनल में अपने अलग डायग्राम, फॉर्मूले, कैप्शन और बारीक टेक्स्ट शामिल हो सकते हैं। बिना किसी बड़ी गलती के ऐसा कर पाने वाला यह फिलहाल इकलौता एआई मॉडल है।

बेहद बारीक डिटेल्स और सटीक टेक्स्ट

इस नए अपडेट का दूसरा अहम हिस्सा वह है जिसे कंपनी 'ऑथेंटिक डिटेल्स' कहती है। जहां ज्यादातर जनरेटिव मॉडल छोटे टेक्स्ट को धुंधला कर देते हैं या गलत शब्द बना देते हैं, वहीं क्वेन इमेज 3.0 बेहद छोटे फोंट को भी एकदम सटीक तरीके से रेंडर कर सकता है। अलीबाबा का दावा है कि यह मॉडल 10 पिक्सल जितने छोटे टेक्स्ट का सटीक रेंडरिंग सपोर्ट करता है। 10 पिक्सल उतना ही छोटा होता है जितना अक्सर दवाइयों के पैकेट पर लिखी चेतावनियों में देखने को मिलता है। विजुअल की यह सटीकता रोमछिद्रों और बालों के एक-एक रेशे को भी एकदम असली जैसा दिखाने में सक्षम है।

इसकी यह सटीकता जटिल पढ़ाई-लिखाई के काम में भी बेहद काम आती है। रिसर्चर अक्सर मुश्किल गणितीय फॉर्मूलों को लिखने के लिए लेटेक्स (LaTeX) नोटेशन सिस्टम का इस्तेमाल करते हैं। यह नया मॉडल उस खास सिंटैक्स को समझता है और पूरे एकेडमिक पेपर के लेआउट बिल्कुल सही तरीके से तैयार कर सकता है। टेस्टिंग में देखा गया है कि जब इस मॉडल को प्रोसेस करने के लिए कुछ वाक्य दिए जाते हैं, तो यह आसानी से संबंधित विजुअल जनरेट कर लेता है, जैसा कि अलीबाबा के आधिकारिक ब्लॉग में दिखाया गया है। अपनी सबसे तेज कॉन्फ़िगरेशन पर, यह सॉफ्टवेयर पूरा का पूरा आर्टिकल भी कॉपी करने में सक्षम है। हालांकि यह काम बहुत प्रभावशाली था, लेकिन इसके अंतिम नतीजे पूरी तरह से सौ प्रतिशत बेदाग नहीं थे।

लाइव डेटा और 12 भाषाओं का सपोर्ट

इस अपडेट का तीसरा बड़ा स्तंभ 'डीप नॉलेज' और कनेक्टिविटी है। क्वेन टीम का कहना है कि यह सॉफ्टवेयर 12 अलग-अलग भाषाओं में नेटिव रेंडरिंग को सपोर्ट करता है। यह वेब पेज, वीडियो गेम और लाइवस्ट्रीम जैसे मेनस्ट्रीम डिजिटल इंटरफेस की नकल कर सकता है, जिसके लिए यह अपनी विशाल दुनिया भर की जानकारी का इस्तेमाल करता है। सबसे खास बात यह है कि यह केवल स्थिर डेटा तक सीमित नहीं है। यह लाइव जानकारी निकालने के लिए इंटरनेट से भी जुड़ सकता है। अगर कोई यूजर किसी खास शहर और तारीख का मौसम का हाल दिखाने वाला ग्राफिक मांगता है, तो यह अपनी मर्जी से कोई भी नंबर लिखने के बजाय असल डेटा निकालकर एक सटीक चार्ट लौटाता है।

इस सिस्टम में तस्वीरों को गहराई से समझने की भी शानदार क्षमता है। अलीबाबा द्वारा साझा किए गए एक उदाहरण में, जहां एक पत्ते पर कीड़ा बैठा हुआ था, मॉडल उस तस्वीर के तत्वों की अपनी समझ के आधार पर एकदम प्रासंगिक और सटीक टेक्स्ट जनरेट करने में सफल रहा। अपनी इन खूबियों के साथ, अलीबाबा आक्रामक रूप से बड़े ग्राहकों को निशाना बना रहा है। कंपनी इस टूल को सीधे तौर पर उन डिजाइन स्टूडियो, कंटेंट टीमों, ई-कॉमर्स बिजनेस और शिक्षकों के लिए पेश कर रही है जिन्हें बड़ी मात्रा में प्रोडक्शन-रेडी विजुअल एसेट्स की जरूरत होती है।

बेंचमार्क डेटा और उपलब्धता

इन तमाम बेहतरीन फीचर्स की लंबी लिस्ट के बावजूद, यह सवाल अभी भी अपनी जगह है कि यह बाजार में मौजूद बाकी टूल्स को कितनी टक्कर देता है। अलीबाबा अक्सर 18 अलग-अलग मॉडल्स की क्वालिटी, असली दुनिया की सटीकता और ओवरऑल इमेज क्वालिटी नापने के लिए अपने 'क्वेन-इमेज-बेंच' इवैल्यूएशन फ्रेमवर्क का इस्तेमाल करता है। उस विशिष्ट बेंचमार्क लिस्ट में कंपनी का पुराना फ्लैगशिप मॉडल, क्वेन इमेज 2.0 प्रो, पांचवें स्थान पर रहा था। उस रैंकिंग में पहला स्थान ओपनएआई (OpenAI) के GPT इमेज 2 का था।

यह नया मॉडल भले ही अपने पुराने वर्जन से काफी बेहतर प्रदर्शन कर रहा हो, लेकिन फिलहाल इस लॉन्च में उन दावों की पुष्टि करने का कोई मापा हुआ तरीका पेश नहीं किया गया है। कंपनी ने इस बार कोई नया बेंचमार्क टेबल, टेक्निकल रिपोर्ट या डाउनलोड करने लायक वेट्स जारी नहीं किए हैं। यह पिछली रिलीज के मुकाबले एक बड़ा बदलाव है। जब क्वेन इमेज 1.0 लॉन्च हुआ था, तो उसे अपाचे 2.0 लाइसेंस के तहत ओपन वेट्स और उसी दिन एक पूरी टेक्निकल रिपोर्ट के साथ पेश किया गया था।

अलीबाबा के हालिया एआई अभियान के तहत, इस नए मॉडल की ताकत का एकमात्र सबूत वे चुनिंदा उदाहरण हैं जिन्हें कंपनी ने पब्लिश करने के लिए खुद चुना है। हालांकि, यूजर खुद इस सिस्टम को टेस्ट कर सकते हैं। एपीआई (API) के जरिए इसके ट्रायल chat.qwen.ai पर पब्लिक के लिए खोल दिए गए हैं। फिलहाल, कंपनी ने इस सर्विस के व्यावसायिक इस्तेमाल के लिए किसी भी कीमत की घोषणा नहीं की है।