Alibaba представила новую версию модели генерации изображений Qwen-Image 3.0. Главное отличие — длина промптiа выросла до 4500 токенiов (против 1000 у версии 2.0, то есть в 4,5 раза), что позволяет давать модели почти техническое задание с описанием структуры, текста, стиля и верстки. Модель научилась за один запрос собирать сложные инфографики, интерфейсы, газетные полосы, слайды, страницы научных работ с формулами и математические материалы.
Особое внимание уделили генерации мелкого текста — модель разборчиво рисует текст размером от 10 пикселей, поддерживает более 20 шрифтов и 12 языков (есть ли русский — неизвестно). Улучшили и фотореализм: передачу текстур кожи, тканей, пор и волосков. Однако релиз вышел без весов, кода, технического отчёта и независимых тестов — только черрипикиi от самой Alibaba, что нарушает традицию серии Qwen выпускать открытые веса и отчёт «день в день» с релизом.
Подразделение Meta Superintelligence Labs представило Muse Image — первую собственную модель генерации изображений — и превью видеомодели Muse Video. Это первый релиз лаборатории после переименования Meta GenAI в Meta Superintelligence Labs. Muse Image уже заменяет прежний генератор картинок в Meta AI, доступна в Instagram Stories (пока только в США) и в WhatsApp в ограниченном числе стран; позже появится в Facebook, Messenger и рекламной системе Advantage+ Creative.
Главная особенность моделей — агентный подход: перед генерацией система может искать информацию и референсы в интернете, писать и исполнять Python-код, а затем самостоятельно исправлять собственные ошибки на картинке. По данным Arena на 5 июля, Muse Image заняла второе место по человеческим предпочтениям (после GPT Image 2), Muse Video — топ-3 среди видеомоделей.