Model
Qwen-Image, Z-Image ve FLUX.2 [klein]: Üç açık görüntü rotası arasındaki farklar
Açık Görüntü Modeline/Teknolojiye Genel Bakış
Açık Görüntü Modeline/Teknolojiye Genel Bakış
© 2026 TelkNet. Tüm haklar saklıdır.
AÇIK GÖRÜNTÜ MODELLERİ / TEKNİK İNCELEME
Açık görüntü modelleri artık yalnızca üretilen tek bir görselin ne kadar inandırıcı durduğuyla ayrışmıyor. Qwen-Image kapasitesini karmaşık tipografiye ve çift kodlamalı düzenlemeye yoğunlaştırıyor; Z-Image 6B'lik tek akışlı bir DiT kurup bunu sekiz ağ değerlendirmesine damıtıyor; FLUX.2 [klein] ise üretimle çok referanslı düzenlemeyi kompakt, dört adımlı bir rectified-flow modelinde buluşturuyor. Üçü de aynı nesil sürümlere ait, ama model kapasitesini farklı sorunlara harcıyor.
Kompakt bir flow-matching hedefi L_FM=E||v_θ(x_t,t,c)-u_t||² biçimindedir. Daha az adım fonksiyon değerlendirme sayısını düşürür, ancak damıtılmış ve damıtılmamış modeller yalnızca adım sayısıyla karşılaştırılamaz.
Qwen-Image karmaşık metin işleme ve hassas düzenlemeye ağırlık veriyor. Z-Image-Turbo üretim yörüngesini damıtıyor. FLUX.2 Klein düzenleme koşuluna birden fazla referans görsel ekliyor. Parametre sayısı ve adım sayısı her projenin kendi kapsamına aittir; girdi türü ve görev bilinmeden sıralamaya dökülemez.
Genel görüntü kalitesi ilerledikten sonra bile metin işleme zorlu bir problem olarak kaldı, çünkü bir sözcük sıradan bir doku değildir. Karakter sırası, glif biçimi, satır sonu bölme ve yerleşim aynı anda uyumlu olmak zorundadır. Qwen-Image bunu büyük bir veri hattı ve basit dizgilerden paragraf düzeyinde tanımlara ilerleyen bir müfredatla ele alıyor.
Düzenleme ikinci bir çelişkiyi açığa çıkarır: model, talimatta adı geçeni değiştirirken kimliği, malzemeyi ve dokunulmayan bölgeleri korumak zorundadır. Qwen-Image kaynağı, anlamsal ve yeniden-kurucu bilgi için Qwen2.5-VL ve bir VAE üzerinden kodlar. Z-Image ve FLUX.2 [klein] bu koşulları farklı düzenler; ortak bir “görüntü modeli” etiketinin önemli mimari tercihleri gizlemesinin nedeni budur.
M_peak≈M_weights+M_text+M_VAE+M_attn(H,W)+M_samplerM_weightsmodel ağırlıklarıM_attn(H,W)tuvale bağlı dikkat durumuM_samplerörnekleyici ve gizil durumParametre sayısı model kapasitesini tanımlar, ancak tek bir görüntünün maliyetini doğrudan belirlemez. Tuval büyüdükçe dikkat ara değerleri ve VAE özellikleri uzamsal token sayısıyla ölçeklenir; kompozisyon, tipografi ve ayrıntı da örnekleme kurulumuna yanıt verir.
Qwen-Image 20B'lik bir MMDiT, Z-Image 6B'lik ölçeklenebilir tek akışlı bir DiT, FLUX.2 [klein] ise 8B'lik bir Qwen3 metin gömücüsüyle birlikte 9B'lik bir rectified-flow transformer kullanıyor. Tuval maliyeti bu nedenle uzamsal dizi uzunluğunu birbirinden çok farklı model genişlikleri ve örnekleme yörüngeleriyle birleştirir.
Makale, kod ve ağırlıklar Qwen-Image, Z-Image ve FLUX.2 Klein 9B model kartı üzerinden izlenebilir.
Yararlı karşılaştırma tek bir estetik toplam değildir. Önemli olan her projenin koşulları nasıl düzenlediği, hangi checkpoint aşamasını yayımladığı ve damıtmanın neyi değiştirdiğidir.
| Model | Mimari veya kanıt | Kapsam |
|---|---|---|
| Qwen-Image | 20B MMDiT; düzenleme için anlamsal ve VAE kaynak kodlaması | Apache 2.0; üretim ve ayrı düzenleme sürümleri |
| Z-Image | 6B S3-DiT; metin, görsel-anlamsal ve VAE token'ları tek akışta | Apache 2.0; base, sekiz NFE'li Turbo ve düzenleme dalları |
| FLUX.2 [klein] 9B | 9B rectified flow artı 8B Qwen3 metin gömücüsü; dört adımlı damıtma | Ticari olmayan 9B ağırlıklar; birleşik çok referanslı düzenleme |
Üreteç, düzenlenebilir karakter nesneleri yerine pikseller çıkarır. İstenen dizgiyi çıkarsamalı, ölçeğini ve perspektifini seçmeli, ardından her vuruşu gizil tuvalde yeniden kurmalıdır. Daha uzun metin yerel hataya daha az pay bırakır; Çince glifler ise yoğun vuruş yapısı ekler. Tipografi eğitimi bu zinciri iyileştirir, ancak çıktıyı bir dizgi belgesine dönüştürmez.
Çözünürlük küçük gliflere daha fazla uzamsal token verir, ancak görsel diziyi de uzatır ve dikkat durumunu büyütür. Daha net yazı ile daha yüksek işlem gücü bu yüzden birlikte yükselir; damıtılmış bir yörünge büyük kompozisyonu korurken son birkaç vuruşu kaybedebilir.
Qwen-Image ve Z-Image Apache 2.0 depoları kullanıyor. FLUX.2 [klein] 9B, FLUX Non-Commercial License altında yayımlanıyor. İndirilebilir ağırlıklar bu nedenle ticari kullanım, yeniden dağıtım veya türev eğitim için aynı hakları vermez.
FLUX.2 model kartı ayrıca işlenen metnin hatalı olabileceğini ve modelin olgusal bilgi sağlamadığını belirtiyor. Bir infografikte okunaklı görünen sayı hâlâ üretilmiş içeriktir; yanında yazan iddianın kanıtı değildir.
Model adları, sayılar ve sınırlamalar aşağıdaki makalelere, depolara veya model kartlarına dayanır.