¡Qwen Image: El Nuevo Gigante de la IA que Está Redefiniendo la Generación de Imágenes!

 ¡Qwen Image: El Nuevo Gigante de la IA que Está Redefiniendo la Generación de Imágenes!

6 de agosto de 2025

¡Prepárense, entusiastas de la inteligencia artificial! El equipo de Qwen de Alibaba ha lanzado Qwen Image, un modelo de generación de imágenes que no solo está causando sensación, sino que promete ser un verdadero "cambio de juego" en el campo de la IA. Si bien ya hemos visto modelos impresionantes como Flux, DALL-E y Crea, Qwen Image llega para elevar el estándar, especialmente en un área donde muchos otros modelos suelen flaquear: ¡la generación de texto legible dentro de las imágenes!

Imagen generada en https://chat.qwen.ai con un error en la última palabra (prompt en español)

¿Qué es Qwen Image?

Qwen Image es el modelo de generación de imágenes más reciente de Alibaba, con un impresionante tamaño de 20 mil millones de parámetros. No es simplemente otro generador de imágenes, sino un sistema de generación de imágenes de pila completa. Está construido sobre el modelo de lenguaje visual Qwen 2.5 VL, que le permite comprender el lenguaje, la visión y el contexto del prompt. Además, utiliza un autoencoder variacional (VAE) para comprimir y reconstruir imágenes, y un transformador de difusión (MMDiT) para crear la imagen final.

Este modelo ha sido entrenado de manera progresiva, comenzando con resoluciones más bajas (256 píxeles) y escalando hasta las más altas (1328 píxeles), y se ha enfocado en la calidad de los datos en lugar de solo la cantidad, incorporando conjuntos de datos diversos. Y lo mejor de todo es que es un modelo completamente de código abierto, disponible en GitHub y Hugging Face.

¿Por Qué Qwen Image Destaca? Sus Ventajas Competitivas

Qwen Image se distingue de la competencia por varias razones clave:

• Renderizado de Texto Superior: Esta es su característica más destacada. Qwen Image es excepcionalmente bueno generando texto muy legible y limpio tanto en inglés como en chino (en español está algo cerca). Puede manejar diseños complejos, múltiples líneas, semántica a nivel de párrafo y detalles minuciosos, lo que ha sido un desafío persistente para otros generadores de imágenes. Los ejemplos muestran una claridad impresionante, incluso con caracteres chinos tradicionales complejos.

• Comprensión de Prompts Complejos: El modelo es increíblemente hábil para entender y seguir prompts detallados y complejos, logrando una fidelidad asombrosa al prompt que se le da.

• Calidad de Imagen y Composición: Genera imágenes de alta calidad con un impresionante entendimiento de la composición, la iluminación y el estilo, ya sean escenas fotorrealistas o ilustraciones artísticas.

• Capacidades Multimodales Avanzadas: Más allá de la generación de texto a imagen, Qwen Image tiene la capacidad de realizar tareas de edición de imágenes (como la edición basada en instrucciones), manipulación e incluso tareas de visión por computadora como la estimación de profundidad y la segmentación. Estas funciones aún están en desarrollo o se espera que se lancen pronto, pero el modelo ya demuestra un rendimiento excepcional en la preservación del significado semántico y el realismo visual durante las operaciones de edición.

Imagen generada en https://chat.qwen.ai

• Rendimiento Líder en Benchmarks: Consistentemente, Qwen Image supera o se compara favorablemente con modelos de última generación como Seedream, Flux, Bagel, GPT Image 1 y Crea en diversas tareas de generación y edición. Incluso se ha posicionado como un modelo de código abierto de primera categoría basado en el juicio humano.

Imagen anterior editada con Qwen-Image

• Eficiencia de Recursos para Ejecución Local: Aunque el modelo completo puede requerir una gran cantidad de VRAM (hasta 80 GB en precisión completa), existen versiones de menor precisión (como las GGUF Q4) que pueden ejecutarse en GPUs de consumo promedio con 16 GB o incluso 8 GB de VRAM. Esto lo hace accesible para aquellos que desean ejecutarlo localmente sin hardware de alta gama.

¡Pruébalo Tú Mismo! Enlaces Útiles

¿Listo para experimentar las capacidades de Qwen Image? Aquí te dejamos algunas formas de probar este impresionante modelo:

• Demos Oficiales: Puedes probar el modelo más reciente visitando la plataforma oficial Qwen Chat o los enlaces de demos proporcionados en los informes técnicos.

• Hugging Face: Encuentra el repositorio de Qwen Image en Hugging Face, donde podrás descargar los archivos del modelo (VAE, Text Encoder, Diffusion Model) e instalarlo.

• Comfy UI: Qwen Image ha sido integrado en Comfy UI, una interfaz popular para la generación de imágenes con IA. Para usarlo, deberás actualizar tu instalación de Comfy UI a la última versión para acceder a las plantillas de flujo de trabajo específicas para Qwen Image.

• GitHub: El repositorio de GitHub es una fuente completa de información, con códigos, ejemplos y todos los enlaces relevantes para el modelo.

Qwen Image no solo es una poderosa herramienta de generación de imágenes, sino que su enfoque en el texto legible y sus prometedoras capacidades de edición lo posicionan como un activo invaluable para creadores y desarrolladores. ¡El equipo de Qwen está "on fire" y este modelo es un testimonio de ello! ¡No dudes en probarlo y compartir tus creaciones!

Resumen de NotebookLM