Qwen закрыла веса новой модели для картинок — а в HTML нашли сотню NSFW-тегов
Команда Qwen выпустила Qwen-Image-3.0, обещая вёрстку газетного качества и точный многоязычный текст по одному промпту на 4,5 тысячи токенов. Уже через несколько часов пользователи HN обнаружили, что модель впервые в истории обычно открытой линейки Qwen вышла без публичных весов, а в HTML-метаданных страницы запуска нашлось больше 100 NSFW-ключевых слов.
Qwen-Image-3.0 вышла с демо-страницами от целых газетных разворотов до многостраничных манга-глав и решённых экзаменационных листов — авторы утверждают, что один промпт на 4,5 тысячи токенов даёт точный рендер японского, корейского и испанского текста.
Разработчик, изучивший демо-изображения, нашёл в них характерный жёлтый оттенок, который совпадает с выдачей GPT Image 1 от OpenAI — намёк на то, что «аутентичные детали» модели могли незаметно учиться на выходах конкурента. В Qwen эту версию никак не прокомментировали.
Заявка Qwen: целые страницы, а не просто красивые картинки
Команда Qwen выпустила Qwen-Image-3.0 в собственном блоге под слоганом «Богатый контент, аутентичные детали, глубокие знания». Демо-изображения полностью соответствовали обещанию: целые газетные развороты, многостраничные манга-главы, раскадровки, экзаменационные листы с решёнными уравнениями. Строка спецификации из самого поста, процитированная в треде, давала конкретную цифру: один промпт может обрабатывать «до 4,5 тысяч токенов входа, без усилий генерируя сложные вёрстки вроде газет, раскадровок и экзаменационных листов». В блоге отдельно выделили три языка — японский, корейский и испанский — как доказательство того, что модель наконец рендерит нелатинский текст без искажений.
Это и есть вся заявка, и это реальный пробел на рынке: не более умное отдельное изображение, а модель, способная держать целую страницу — сетку, подписи, сплошной текст — связно. Именно на такой задаче вёрстки ломаются старые диффузионные модели, поэтому заявление разлетелось так быстро.
LLM-модели Qwen и её более ранние модели для картинок заработали репутацию тем, что в день релиза выкладывались на Hugging Face с открытыми весами. На этот раз нет. Несколько комментаторов прочесали пост в поисках даты релиза или лицензии и не нашли ничего: ни весов, ни сроков, ничего. Такое отсутствие становится новостью именно потому, что обычно происходит иначе.
Метаданные страницы говорят больше, чем сам блог
Комментатор с кармой выше 3600 не остановился на демо-изображениях. Вместо этого он проверил исходный код страницы.
«Мета-ключевые слова в HTML — это очень интересно. Больше 100 отсылок к NSFW-темам вроде хентая, обнажёнки и так далее». — давний пользователь HN, изучивший исходный HTML страницы запуска
Никто в треде не объяснил, почему в метаданных блога о продукте оказалось столько ключевых слов для взрослого контента: остатки SEO-мусора, артефакт тегов обучающих данных или что-то ещё. Находка так и осталась без ответа со стороны Qwen.
Цветовой оттенок, указавший на модель конкурента
«Они наверняка обучались на выдаче GPT Image 1. Жёлтый оттенок безошибочен». — разработчик LLM-систем
Комментатор выложил рядом несколько собственных демо-выдач Qwen и известные примеры GPT Image 1 (генератора изображений OpenAI), совпадение цветовой сигнатуры проявлялось на совершенно разных промптах — такую примету трудно подделать и легко заметить, если увидел её хотя бы раз.
Когда демо благодарит мёртвого художника
Демо в стиле манги несло японские титры: «原作・監修 三浦建太郎» (оригинальная работа, под руководством Кэнтаро Миуры) и «共同制作 白泉社» (совместное производство с Hakusensha) — реальным издательством, и художником, умершим в 2021 году.
«Немного шокирует видеть, как они выставляют напоказ такие откровенно дезинформирующие примеры... Надеюсь, у этих стейкхолдеров достаточно хорошая юридическая защита». — комментатор, внимательно прочитавший японские подписи в демо
Рендер родного текста, проверенный носителем языка
В языковой витрине блог утверждал, что модель «точно рендерит японский, корейский и испанский». Опытный системный программист, автор Rust-библиотеки Chrono и участник HN с 2010 года, разобрал корейский образец символ за символом и результат оказался далёк от точного:
«И всё же корейский текст неточен... в «드레스 컬렉션 dress collection» гласные ㅔ перепутаны с ㅐ, «초웜한» должно быть «초월한 exceeding»... и так далее». — lifthrasiir, автор Rust-библиотеки Chrono
Другие тестировщики, которые пошли дальше отобранного набора из блога, сообщали о том же провале, стоило им ввести собственные промпты вместо демо-примеров: график ВВП Польши вышел «месивом», а в другом тесте появились третьи ноги и светящиеся глаза — те самые дефекты, которых не было ни на одной из маркетинговых картинок. Саймон Уиллисон, автор Datasette, указал, почему демо выглядят отполированнее самой модели: для флагманского примера из поста потребовался промпт на 3,7 тысячи токенов, и этот промпт в блоге так и не показали.
Qwen только что поменялась сторонами в споре об открытости
Последние пару лет контраст на HN был простым: OpenAI и Google держат веса закрытыми, Qwen их выкладывает. Qwen-Image-3.0 тихо стирает этот контраст, и самое ясное доказательство перемены — не в пресс-релизе. Оно лежит в метаданных самой страницы и в корейских гласных, которые читателю пришлось исправлять вручную.
Получайте такие разборы каждый день
Главные истории Hacker News — на email, в Telegram или RSS.
Джек Дорси показал чат для людей и AI-агентов — сайт грузит процессор на 758%
В день запуска Джек Дорси описал Buzz как противоположность Slack: без вендора, без ботовских токенов. У каждого человека и каждого AI-агента — один и тот же криптографически подписанный ключ, на воркспейсе, который команда хостит сама, от начала до конца.