這款新模型到底行不行，咱們掰開(kāi)揉碎了說(shuō)。

老款的2509版本其實(shí)已經(jīng)有不錯(cuò)的底子了。

它首次搭起了Qwen2.5-VL+VAE雙編碼加MMDiT擴(kuò)散的架構(gòu)，在12項(xiàng)公開(kāi)基準(zhǔn)測(cè)試?yán)锒寄玫搅俗罴驯憩F(xiàn)。

但老版本的問(wèn)題也很突出。

很多用戶(hù)反饋，生成多人圖像時(shí)容易“崩臉”，人物特征留不住，想調(diào)個(gè)光照、換個(gè)材質(zhì)，還得加載外部權(quán)重，對(duì)新手一點(diǎn)不友好。

新發(fā)布的2511版本，顯然是沖著這些老問(wèn)題來(lái)的。

它把核心升級(jí)放在了兩點(diǎn)上：人物一致性和LoRA子模型內(nèi)置。

在人物一致性上，不管是單人的多姿態(tài)生成，還是多人的合影合成，眼神、發(fā)型這些細(xì)節(jié)都能穩(wěn)住。

比如做情侶寫(xiě)真，兩個(gè)人的面部特征能精準(zhǔn)保留，互動(dòng)姿態(tài)也很自然。

LoRA子模型內(nèi)置就更實(shí)用了，高頻的光照控制、材質(zhì)替換功能直接集成在基礎(chǔ)模型里，不用額外加載東西，新手也能快速上手。

本來(lái)想覺(jué)得新增的幾何構(gòu)造輔助挺實(shí)用，能加輔助線(xiàn)、延長(zhǎng)線(xiàn)，適合教學(xué)或者畫(huà)工程圖，但后來(lái)發(fā)現(xiàn)，這功能的適用場(chǎng)景還是比較有限。

光看參數(shù)不夠，實(shí)測(cè)效果才是硬道理。

在人像相關(guān)的任務(wù)里，它的表現(xiàn)確實(shí)讓人眼前一亮。

比如生成韓系情侶寫(xiě)真，背景的暖調(diào)質(zhì)感、人物的光影過(guò)渡都很到位，做雙人俯拍自拍，高角度下的人物比例、風(fēng)格統(tǒng)一性都沒(méi)毛病。

LoRA功能的實(shí)測(cè)效果也值得肯定。

給室內(nèi)家居圖重新打光，柔和的側(cè)光層次很自然，把家具的木質(zhì)紋理?yè)Q成淺色松木，結(jié)構(gòu)一點(diǎn)沒(méi)亂，觀感很統(tǒng)一。

但它的短板也不能忽視。

在鏡頭控制和幾何推理上，這款模型還有不小的提升空間。

讓它把鏡頭向左旋轉(zhuǎn)60度，畫(huà)面視角幾乎沒(méi)變化，做桌面特寫(xiě)時(shí)，毛筆數(shù)量、書(shū)本打開(kāi)狀態(tài)這些細(xì)節(jié)都出現(xiàn)了偏差。

更明顯的是幾何推理任務(wù)，讓它過(guò)A點(diǎn)作DE的垂線(xiàn)并延長(zhǎng)交于G，生成的結(jié)果里，垂線(xiàn)和交點(diǎn)位置全錯(cuò)了。

很顯然，想用它做嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)或工程制圖，目前還不現(xiàn)實(shí)。

把2511版本放到整個(gè)行業(yè)里看，它的差異化競(jìng)爭(zhēng)思路很清晰。

雖然和頂尖閉源模型比，在空間推理、復(fù)雜指令理解上還有差距，但作為一款開(kāi)源模型，它的表現(xiàn)已經(jīng)超出預(yù)期了。

從商用角度來(lái)說(shuō)，這款模型的價(jià)值也很突出。

電商商品圖生成、營(yíng)銷(xiāo)海報(bào)設(shè)計(jì)、教育可視化素材制作，這些場(chǎng)景它都能適配。

而且開(kāi)源的特性，能大大降低中小企業(yè)的使用成本。

阿里把它放在HuggingFace和魔搭社區(qū)雙平臺(tái)開(kāi)放，還公開(kāi)了技術(shù)報(bào)告，這對(duì)推動(dòng)國(guó)內(nèi)AIGC技術(shù)普惠，確實(shí)有積極作用。

總的來(lái)說(shuō)，Qwen-Image-Edit-2511是一款優(yōu)缺點(diǎn)都很鮮明的模型。

雖然在空間推理、精細(xì)控制上還有短板，但這符合開(kāi)源模型漸進(jìn)式優(yōu)化的邏輯。

毫無(wú)疑問(wèn)，隨著開(kāi)源社區(qū)的不斷優(yōu)化，這款模型的潛力還能進(jìn)一步釋放。