Alibabas neue Bild-KI zeichnet ganze Zeitungsseiten, inklusive winziger lesbarer Schrift
Qwen-Image-3.0 erstellt dichte Layouts wie Infografiken und ganze Seiten in einem Durchlauf, mit lesbarer Zehn-Pixel-Schrift. Diesmal veröffentlicht Alibaba das Modell jedoch nicht offen.
Alibabas Qwen-Team hat Qwen-Image-3.0 veröffentlicht, einen Bildgenerator, der weniger auf hübsche Bilder und mehr auf dichte, informationsreiche Layouts ausgerichtet ist: Infografiken, Storyboards, Prüfungsblätter und sogar eine vollständige erfundene Zeitungsseite. Der Trick ist, all das in einem einzigen Durchlauf zu erzeugen, mit so kleiner Schrift, dass sie tatsächlich lesbar ist.
Das herausragende Merkmal ist der Text. Die meisten Bild-KIs sind berüchtigt dafür, Wörter in Unsinn zu verwandeln. Qwen sagt jedoch, dass dieses Modell lesbaren Text bis hinunter zu zehn Pixeln Höhe rendert, mathematische Formeln verarbeitet und in zwölf Sprachen schreibt. Es akzeptiert Eingaben mit bis zu 4.500 Tokens, grob einige Seiten Anleitung, und hat damit genug Raum, komplexe Szenen in einem Schritt zu arrangieren, statt sie zusammenzusetzen. In einer Demo packte es neun eigenständige Infografiken in ein Drei-mal-drei-Raster, jede mit eigenem Text, Diagrammen und Formeln, von Tunnelsicherheit bis Zellbiologie. Eine andere zeigte eine ganze Seite einer erfundenen mathematischen Arbeit mit mehrzeiligen Gleichungen. Qwen fasst das Ziel dieser Version in einem Wort zusammen: „Real.“
Nun zum wichtigen Punkt für alle, die die Open-Source-Seite der KI verfolgen. Alibaba hat seinen Ruf auch dadurch aufgebaut, Modelle als „Open Weights“ zu veröffentlichen, sodass jeder sie kostenlos herunterladen und selbst ausführen kann. Das ursprüngliche Qwen-Image erschien so unter einer freizügigen Lizenz und mit einem technischen Bericht. Qwen-Image-3.0 tut das nicht. Vorerst ist es nur über einen API-Zugang auf Einladung verfügbar, ohne offene Gewichte, Benchmarks oder technischen Bericht. Das ist eine bemerkenswerte Verschiebung und sollte dich bremsen, bevor du dich zu sehr begeisterst: So beeindruckend die Demos sind, du kannst das Modell noch nicht selbst ausführen oder seine Behauptungen unabhängig prüfen. Es stellt sich auch die Frage nach dem Nutzen. Eine als flaches Bild gerenderte Zeitungsseite oder Forschungsarbeit sieht gut aus, lässt sich aber nicht so bearbeiten oder durchsuchen wie ein echtes Dokument. Die besten Anwendungen könnten daher Entwürfe und visuelle Skizzen sein, nicht fertige Arbeit.
Was das für dich bedeutet: Wenn du Präsentationen, Poster oder Erklärgrafiken erstellst, kommen Tools wie dieses dem Ziel näher, „Beschreibe es und erhalte ein brauchbares Layout“ Wirklichkeit werden zu lassen, inklusive Text. Wenn du KI auf eigener Hardware betreiben oder ihre Funktionsweise prüfen möchtest, ist diese Veröffentlichung eine kleine Enttäuschung und vielleicht ein Zeichen dafür, dass selbst offen ausgerichtete Labore ihre besten Modelle stärker schützen. Für die meisten gilt: Heute gibt es nichts zu installieren, aber einen klaren Vorgeschmack darauf, wohin sich Bildtools entwickeln.
Quellen
KI-Schummeln wird leichter und schwerer nachzuweisen
Schummeln bei Online-Tests und Eignungsprüfungen hat sich mit der Verbreitung von KI-Tools ungefähr verdoppelt, während die Erkennung unsicherer ist, als sie wirkt. Was das fürs Lernen, Einstellen und Getestetwerden bedeutet.
