A xAI lança o Grok 2.0 com integração do FLUX.1

Em 14 de agosto, a xAI, empresa de IA de Elon Musk, anunciou o lançamento do Grok 2.0, um chatbot integrado ao FLUX.1, modelo de geração de imagens da Black Forest Labs, no X (antigo Twitter). O FLUX.1 é um modelo avançado capaz de criar imagens altamente realistas, inclusive imagens que podem ser consideradas sensíveis ou potencialmente enganosas.

Ao contrário de muitos geradores de imagens populares que bloqueiam ou filtram certos tipos de conteúdo, como imagens violentas, explícitas ou enganosas, o FLUX.1 tem menos restrições. Algumas pessoas consideram isso uma vitória para a liberdade de expressão, enquanto outras se impressionam com as capacidades avançadas da ferramenta. No entanto, também há preocupações com as implicações éticas e o possível uso indevido de uma tecnologia tão poderosa. A seguir, exploramos o que o Grok 2.0 oferece, o que distingue o FLUX.1 e como podes experimentar estas ferramentas inovadoras.

Conheça o FLUX.1: um gerador de imagens com IA#

O FLUX.1 é um gerador de imagens de IA avançado e de código aberto, lançado pela Black Forest Labs em 1 de agosto de 2024. A Black Forest Labs é uma startup fundada por antigos engenheiros da Stability AI, conhecidos pelo seu trabalho nos amplamente usados modelos Stable Diffusion. O FLUX.1 foi concebido para competir diretamente com nomes estabelecidos como MidJourney e DALL-E 3, trazendo um novo nível de qualidade e flexibilidade às imagens geradas por IA. Por exemplo, o FLUX.1 lida muito bem com detalhes difíceis, com os quais muitos modelos têm dificuldades, como gerar mãos humanas com aspeto realista ou texto legível em placas.

A Black Forest Labs oferece três variações diferentes do FLUX.1, que podem ser usadas em diversas aplicações. Veja mais detalhes sobre cada variação:

• FLUX.1 [pro]: O modelo principal é destinado ao uso comercial e foi projetado para oferecer resultados da mais alta qualidade.
• FLUX.1 [dev]: Uma versão com pesos abertos, disponível para uso não comercial. É ideal para pesquisa e desenvolvimento.
• FLUX.1 [schnell]: Um modelo otimizado para velocidade, sob a licença Apache 2.0, perfeito para projetos pessoais e desenvolvimento local que exigem geração rápida de imagens.

Fig. 1 Entenda as variações do FLUX.1

Como funciona o FLUX.1?#

O FLUX.1 usa uma arquitetura híbrida que combina técnicas de Transformer e difusão, com um modelo de 12 bilhões de parâmetros (os componentes ajustáveis da rede neural que a ajudam a aprender com os dados). Transformers são um tipo de rede neural que consegue compreender sequências, como texto e imagens, reconhecendo padrões e relações nos dados. Os modelos de difusão começam com ruído aleatório e o refinam passo a passo até formar uma imagem nítida. Ao combinar essas duas abordagens, o FLUX.1 aproveita os pontos fortes de ambas as arquiteturas para produzir imagens de alta qualidade que correspondem aos prompts de texto fornecidos.

O FLUX.1 também usa técnicas avançadas, como embeddings posicionais rotativos e correspondência de fluxo. Os embeddings posicionais rotativos ajudam o modelo a entender a ordem e a posição dos elementos em textos e imagens, garantindo que tudo faça sentido em conjunto. A correspondência de fluxo é uma técnica usada em modelos generativos para tornar mais suave e eficiente o processo de criação de imagens a partir de ruído aleatório.

Avaliação comparativa do FLUX.1#

Ao comparar o FLUX.1 com outros modelos populares, como MidJourney v6.0, DALL·E 3 (HD) e SD3-Ultra, o FLUX.1 estabelece um novo padrão na geração de imagens com IA. Ele se destaca em áreas importantes, como qualidade de imagem, fidelidade aos prompts, variedade de resultados e suporte a diferentes tamanhos e proporções. Os modelos FLUX.1 [pro] e [dev] se destacam por produzir imagens de alta qualidade que correspondem de perto ao que os usuários desejam e muitas vezes superam outros modelos ao oferecer resultados nítidos e precisos. Já o FLUX.1 [schnell] é um dos modelos mais avançados para geração rápida de imagens e tem desempenho superior ao de modelos mais complexos, como o MidJourney.

Fig. 2. Comparação entre Midjourney v6 e FLUX.1 [pro]

Grok 2.0: a novidade mais recente da xAI, de Elon Musk#

O Grok 2.0 é o mais novo modelo de linguagem de grande escala desenvolvido pela xAI, empresa de IA de Elon Musk. Lançado em agosto de 2024, o Grok 2.0 está disponível para usuários dos planos X Premium e Premium+ na plataforma X (antigo Twitter). Além disso, em breve estará disponível para desenvolvedores e empresas por meio de uma API empresarial.

Fig. 3 Exemplo do Grok 2.0 explicando um meme.

Grok 2.0 é baseado em uma arquitetura Transformer e, em comparação com sua versão anterior, Grok 1.5, está mais apto a seguir instruções, raciocinar sobre problemas e fornecer informações precisas. O chatbot foi testado em comparação com outros modelos de IA de ponta e demonstrou resultados impressionantes. Grok 2.0 supera modelos populares como GPT-4 Turbo, Claude 3.5 Sonnet e Llama 3 405B em benchmarks que envolvem questões científicas de nível de pós-graduação, conhecimentos gerais e problemas matemáticos complexos. Grok 2.0 também é bom em tarefas que exigem compreensão visual e obteve pontuações altas em raciocínio matemático visual e respostas a perguntas baseadas em documentos. Modelos Grok mais recentes, como Grok 4.7, são comparados a outros modelos de linguagem visual na detecção de objetos do mundo real no Ultralytics VLM Leaderboard.

A conexão entre o Grok 2.0 e o FLUX.1#

O FLUX.1 foi integrado no Grok 2.0 para combinar a geração de texto e de imagens. Embora combinar diferentes tecnologias seja comum atualmente para melhorar a funcionalidade e a experiência do utilizador, esta integração em particular recebeu muita atenção.

Por um lado, alguns elogiaram a integração do FLUX.1 por acrescentar um elemento "divertido" ao Grok 2.0. Os usuários podem experimentar a geração de imagens criativas e, às vezes, provocadoras — conteúdos que seriam restritos ou fortemente moderados por outras ferramentas de IA. Por exemplo, usuários compartilharam no X imagens de figuras públicas em situações impróprias ou controversas, alegando que isso apoia a ideia de liberdade de expressão.

Por outro lado, os críticos argumentam que a falta de diretrizes éticas claras do FLUX.1 pode levar a problemas éticos e sociais graves, como desinformação e deepfakes. Alguns receiam que combinar a geração de texto e imagens sem censura numa das plataformas de redes sociais mais influentes possa acelerar a disseminação de desinformação.

Grok 2.0 e sua abordagem sem restrições#

Não se trata apenas de geração de imagens. O próprio Grok 2.0 tem menos restrições do que outras ferramentas de IA com as quais nos habituámos recentemente, como o ChatGPT. Esta falta de moderação permite que o modelo ultrapasse limites de formas que algumas pessoas consideram interessantes e outras, preocupantes.

Por exemplo, observou-se que o Grok gera conteúdo textual que pode ser facilmente interpretado como notícia falsa ou enganosa. Um incidente amplamente noticiado em abril de 2024 envolveu o Grok a criar uma história falsa sobre o jogador da NBA Klay Thompson, segundo a qual ele estaria numa "onda de vandalismo com tijolos". O chatbot de IA interpretou mal a expressão do basquetebol "throwing bricks", que se refere simplesmente a lançamentos falhados. Em vez disso, o Grok interpretou a expressão literalmente e inventou uma história sobre Thompson a cometer atos de vandalismo com tijolos de verdade. A publicação ganhou rapidamente popularidade no X, e alguns utilizadores chegaram a acrescentar relatos falsos de vítimas para alimentar a desinformação.

Fig. 4. A publicação no X escrita pelo Grok.

Apesar dessas preocupações, alguns usuários apreciam a postura do Grok 2.0 em favor da "liberdade de expressão". Eles argumentam que ele permite conversas mais abertas e liberdade criativa maior do que os modelos de IA fortemente moderados. Para eles, o Grok 2.0 é uma alternativa à IA "woke", que consideram excessivamente cautelosa e limitadora das conversas sobre temas sensíveis. Esses usuários veem o Grok 2.0 como uma plataforma menos limitada pelas normas sociais.

Experimente o FLUX.1 e o Grok 2.0#

Há algumas maneiras diferentes de experimentar o FLUX.1 e o Grok 2.0. O FLUX.1 pode ser acessado diretamente por plataformas de IA, como Hugging Face, Replicate e Fal.ai. Já o Grok 2.0 está disponível apenas para assinantes dos planos X Premium e Premium+.

Principais conclusões#

O FLUX.1 e o Grok 2.0 estão expandindo os limites da IA e promovendo conversas instigantes. O FLUX.1 estabeleceu um novo padrão para imagens geradas por IA, com sua capacidade de produzir imagens altamente detalhadas e realistas. O Grok 2.0 usa o FLUX.1 para ampliar seus recursos para além das interações baseadas apenas em texto. De um lado, os entusiastas estão empolgados com a liberdade criativa e a exploração sem censura que essas ferramentas oferecem. De outro, os críticos alertam para os riscos de desinformação, deepfakes e implicações éticas de recursos tão pouco regulamentados em uma plataforma tão influente quanto o X. À medida que o FLUX.1 e o Grok 2.0 evoluem, eles ficam no centro de um debate sobre liberdade, criatividade e responsabilidade na era digital — um debate que provavelmente moldará o futuro da IA nos próximos anos.

Para saberes mais sobre a Ultralytics, consulta o nosso repositório no GitHub, junta-te à nossa comunidade e explora as nossas soluções de IA mais recentes em setores como a área da saúde e a indústria transformadora!