xAI lança o Grok 2.0 com integração FLUX.1

A 14 de agosto, a empresa de IA de Elon Musk, a xAI, anunciou o lançamento do Grok 2.0, um chatbot integrado com o FLUX.1, um 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, incluindo algumas que podem ser vistas como sensíveis ou potencialmente enganosas.

Ao contrário de muitos geradores de imagem populares que bloqueiam ou filtram determinados tipos de conteúdo, como imagens violentas, explícitas ou enganosas, o FLUX.1 tem menos restrições. Alguns veem isto como uma vitória para a liberdade de expressão, enquanto outros ficam impressionados com as suas capacidades avançadas. No entanto, existem também preocupações sobre as implicações éticas e o potencial uso indevido de uma tecnologia tão poderosa. Vamos mergulhar no assunto e explorar o que o Grok 2.0 traz para a mesa, o que faz o FLUX.1 destacar-se e como podes experimentar estas ferramentas inovadoras por ti próprio.

Conhecendo o FLUX.1: Um gerador de imagens por IA#

O FLUX.1 é um gerador de imagens de IA de código aberto avançado lançado pela Black Forest Labs a 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 utilizados modelos Stable Diffusion. O FLUX.1 foi concebido para concorrer diretamente com gigantes estabelecidos como o MidJourney e o DALL-E 3, trazendo um novo nível de qualidade e flexibilidade às imagens geradas por IA. Por exemplo, o FLUX.1 faz um excelente trabalho a lidar com detalhes bicudos com que muitos modelos lutam, 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 para diferentes aplicações. Aqui está uma análise mais detalhada das variações:

• FLUX.1 [pro]: O modelo carro-chefe é para uso comercial e projetado para entregar resultados da mais alta qualidade.
• FLUX.1 [dev]: Uma versão de 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 onde é necessária uma rápida geração de imagens.

Fig 1. Compreender as Variações do FLUX.1

Como o FLUX.1 funciona?#

O FLUX.1 usa uma arquitetura de modelo híbrida que combina técnicas de Transformer e difusão com um tamanho de modelo de 12 bilhões de parâmetros (as partes ajustáveis da rede neural que a ajudam a aprender com os dados). Transformers são um tipo de rede neural que pode entender sequências como texto e imagens reconhecendo padrões e relacionamentos dentro dos dados. Modelos de difusão funcionam começando com ruído aleatório e refinando-o passo a passo até que uma imagem clara se forme. Ao combinar essas duas abordagens, o FLUX.1 pode usar os pontos fortes de ambas as arquiteturas para produzir imagens de alta qualidade que correspondem aos prompts textuais fornecidos.

O FLUX.1 também utiliza técnicas avançadas como embeddings posicionais rotativos e correspondência de fluxo (flow matching). Os embeddings posicionais rotativos ajudam o modelo a compreender a ordem e a posição dos elementos em texto e imagens para garantir que tudo faz sentido em conjunto. O flow matching é uma técnica utilizada em modelos generativos para tornar o processo de criação de imagens a partir de ruído aleatório mais suave e eficiente.

Benchmarking 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 benchmark na geração de imagens por IA. Ele se destaca em áreas-chave como qualidade de imagem, quão bem ele segue prompts, variedade de resultados e suporte para diferentes tamanhos e proporções. Os modelos FLUX.1 [pro] e [dev] se destacam por produzir imagens de alta qualidade que correspondem exatamente ao que os usuários desejam, e esses modelos frequentemente superam outros ao entregar resultados claros e precisos. Por outro lado, o FLUX.1 [schnell] é um dos modelos mais avançados para geração rápida de imagens e tem um desempenho melhor do que modelos mais complexos como MidJourney.

Fig 2. Comparando Midjourney v6 e FLUX.1[pro]

Grok 2.0: A novidade da xAI de Elon Musk#

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

Fig 3. Um exemplo do Grok 2.0 a explicar um meme.

O Grok 2.0 foi construído sobre uma arquitetura Transformer e, em comparação com sua versão anterior, Grok 1.5, ele está mais sintonizado para seguir instruções, raciocinar sobre problemas e fornecer informações precisas. O chatbot foi testado contra outros modelos líderes de IA e mostrou resultados impressionantes. O Grok 2.0 supera modelos populares como GPT-4 Turbo, Claude 3.5 Sonnet e Llama 3 405B em benchmarks envolvendo questões científicas de nível de pós-graduação, conhecimento geral e problemas matemáticos complexos. O Grok 2.0 também é bom em tarefas que exigem compreensão visual e alcançou pontuações altas em raciocínio matemático visual e resposta a perguntas baseada em documentos.

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

O FLUX.1 foi integrado ao Grok 2.0 para fornecer uma combinação perfeita de geração de texto e imagem. Embora a combinação de diferentes tecnologias seja comum hoje em dia para melhorar a funcionalidade e a experiência do usuário, essa integração específica recebeu muita atenção.

Por um lado, a integração do FLUX.1 foi elogiada por alguns por adicionar um elemento "divertido" ao Grok 2.0. Os usuários podem experimentar a geração de imagens criativas e, por vezes, ousadas - coisas que seriam restritas ou fortemente moderadas por outras ferramentas de IA. Por exemplo, usuários compartilharam imagens no X retratando figuras públicas em situações inapropriadas ou controversas, alegando que isso apoia a noção de liberdade de expressão.

Por outro lado, críticos argumentam que a falta de diretrizes éticas claras do FLUX.1 poderia levar a sérias questões éticas e sociais, como desinformação e deepfakes. Alguns se preocupam que combinar uma geração de texto e imagem poderosa e sem censura em uma das plataformas de mídia social mais influentes possa escalar a propagação de desinformação.

Grok 2.0 e sua abordagem irrestrita#

Não se trata apenas de geração de imagens. O Grok 2.0 em si é mais restrito do que outras ferramentas de IA com as quais nos familiarizamos recentemente, como o ChatGPT. Essa falta de moderação torna possível para o modelo ultrapassar limites de maneiras que alguns acham empolgantes e outros acham preocupantes.

Por exemplo, o Grok 2.0 tem sido observado a gerar conteúdo de texto que pode facilmente ser interpretado como notícias falsas ou enganosas. Um incidente recente envolveu o Grok 2.0 a criar uma história falsa sobre o jogador da NBA Klay Thompson supostamente estar numa "onda de vandalismo de tijolos". O chatbot de IA interpretou mal o termo do basquetebol "throwing bricks" (lançar tijolos), que se refere simplesmente a lançamentos falhados. Em vez disso, o Grok 2.0 levou-o à letra e fabricou uma história sobre Thompson a cometer atos de vandalismo com tijolos reais. A publicação ganhou tração rapidamente no X, com alguns utilizadores a adicionar até contas falsas de vítimas para alimentar a desinformação.

Fig 4. A publicação no X que foi escrita pelo Grok 2.

Apesar destas preocupações, alguns utilizadores apreciam a postura de "liberdade de expressão" do Grok 2.0. Argumentam que permite conversas mais abertas e liberdade criativa do que os modelos de IA fortemente moderados. Eles veem o Grok 2.0 como um contraponto ao que percecionam como uma IA excessivamente cautelosa e "woke" que limita a discussão sobre tópicos sensíveis. Para estes utilizadores, o Grok 2.0 oferece uma plataforma que parece menos constrangida pelas normas sociais.

Experimente o FLUX.1 e o Grok 2.0 você mesmo#

Existem algumas opções diferentes relacionadas a experimentar o FLUX.1 e o Grok 2.0. O FLUX.1 pode ser acessado diretamente por meio de plataformas de IA como Hugging Face, Replicate e Fal.ai. Enquanto isso, o Grok 2.0 está disponível apenas para assinantes do X Premium e Premium+.

Principais pontos#

O FLUX.1 e o Grok 2.0 estão ultrapassando os limites da IA e gerando conversas perspicazes. O FLUX.1 estabeleceu um novo padrão em imagens geradas por IA com sua capacidade de produzir fotos altamente detalhadas e realistas. O Grok 2.0 está usando o FLUX.1 para aprimorar suas capacidades além de apenas interações baseadas em texto. De um lado, entusiastas estão entusiasmados com a liberdade criativa e a exploração sem censura que essas ferramentas oferecem. Do outro lado, críticos estão levantando alarmes sobre os riscos de desinformação, deepfakes e as implicações éticas de tais capacidades não regulamentadas em uma plataforma tão influente quanto o X. À medida que o FLUX.1 e o Grok 2.0 evoluem, eles estão no centro de um debate sobre liberdade, criatividade e responsabilidade na era digital - um debate que provavelmente moldará o futuro da IA pelos próximos anos.

Para saberes mais sobre Ultralytics, consulta o nosso repositório do GitHub, junta-te à nossa comunidade e explora as nossas soluções de IA mais recentes em indústrias como saúde e manufatura! 🚀