Qwen: Qwen Image 2.1 Pro

Qwen Image 2.1 Pro to model generowania i edycji obrazów od Qwen. Należy do wyższej jakościowo warstwy serii Qwen Image 2.1, plasując się powyżej Qwen Image 2.1 Turbo. Jeśli budujesz funkcję, w której wierność wizualna liczy się bardziej niż surowa szybkość, to jest wariant, po który dostawca zamierza, abyś sięgnął.

Model przyjmuje dane wejściowe tekstowe i obrazowe, a zwraca obrazy. Ma okno kontekstu wynoszące 65536 tokenów i maksymalne wyjście 58982 tokenów. Wyjście obrazowe jest kontrolowane przez zestaw dedykowanych parametrów obrazu: rozdzielczość można ustawić na 1K lub 2K, a proporcje wybiera się ze stałej listy obejmującej 1:1, 1:2, 1:4, 2:1, 2:3, 3:2, 3:4, 4:1, 4:3, 4:5, 5:4, 9:16 i 16:9. Możesz zażądać od 1 do 6 obrazów na wywołanie i dostarczyć od 0 do 4 odniesień wejściowych. Dostępna jest opcja seed, co jest przydatne, gdy chcesz uzyskać powtarzalne wyniki.

Ponieważ przyjmuje dane wejściowe obrazowe, a także tekstowe, model obsługuje zarówno prace edycyjne, jak i świeże generowanie. Dzięki maksymalnie czterem obrazom referencyjnym możesz pokierować renderowaniem w stronę konkretnego obiektu, stylu lub kompozycji, a następnie poprosić o warianty w kilku proporcjach w jednym żądaniu. Ustawienie rozdzielczości 2K pasuje do zasobów, które będą oglądane w większych rozmiarach, podczas gdy 1K wystarcza na miniatury, podglądy i szybką iterację podczas opracowywania promptu. Parametr n pozwala wygenerować do sześciu kandydatów naraz, dzięki czemu możesz wybrać najlepszy wynik zamiast wysyłać powtarzane wywołania.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "qwen/qwen-image-2.1-pro". Obsługiwane parametry żądania to max_tokens, presence_penalty, response_format, seed, temperature i top_p, obok ustawień specyficznych dla obrazu dotyczących rozdzielczości, proporcji, n i odniesień wejściowych. Jeśli Twój istniejący kod jest już ukierunkowany na endpoint w stylu OpenAI, przełączenie na ten model to w dużej mierze kwestia zmiany identyfikatora modelu i dodania potrzebnych parametrów obrazu.

Jest kilka rzeczy do rozważenia. Wyjściem są wyłącznie obrazy, więc nie jest to model do generowania tekstu ani odpowiedzi w stylu czatu, mimo że okno kontekstu jest hojne. Wybory proporcji i rozdzielczości to enumy, a nie dowolne wartości, a obrazy referencyjne są ograniczone do czterech, więc przepływy pracy zależne od wielu odniesień lub nietypowych wymiarów będą wymagały adaptacji. Gdy priorytetem jest opóźnienie, warstwa Turbo w tej samej serii jest bardziej naturalnym wyborem; sięgnij po Pro, gdy decydującym czynnikiem jest jakość wyjścia.