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

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

Ao contrário de muitos geradores de imagens populares que bloqueiam ou filtram determinados tipos de conteúdo, como imagens violentas, explícitas ou enganosas, o FLUX.1 tem menos restrições. Alguns consideram isso uma vitória para a liberdade de expressão, enquanto outros ficam impressionados com as suas capacidades avançadas. No entanto, também existem preocupações sobre as implicações éticas e o potencial uso indevido de uma tecnologia tão poderosa. Vamos explorar o que o Grok 2.0 oferece, o que distingue o FLUX.1 e como podes experimentar estas ferramentas inovadoras.

Conhece o FLUX.1: um gerador de imagens de IA#

O FLUX.1 é um gerador de imagens de IA avançado e de código aberto, 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 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 complexos com os quais muitos modelos têm dificuldades, como gerar mãos humanas realistas ou texto legível em letreiros.

A Black Forest Labs disponibiliza três variantes diferentes do FLUX.1, que podem ser utilizadas em diferentes aplicações. Vê mais de perto as variantes:

• FLUX.1 [pro]: O modelo principal destina-se a utilização comercial e foi concebido para proporcionar resultados da mais elevada qualidade.
• FLUX.1 [dev]: Uma versão com pesos abertos, disponível para utilização não comercial. É ideal para investigação e desenvolvimento.
• FLUX.1 [schnell]: Um modelo otimizado para velocidade, ao abrigo da licença Apache 2.0, perfeito para projetos pessoais e desenvolvimento local que exigem geração rápida de imagens.

Fig. 1 Compreender as variantes do FLUX.1

Como funciona o FLUX.1?#

O FLUX.1 utiliza uma arquitetura de modelo híbrida que combina técnicas de Transformer e difusão, com um modelo de 12 mil milhões de parâmetros (as partes ajustáveis da rede neuronal que a ajudam a aprender com os dados). Os Transformers são um tipo de rede neuronal que consegue compreender sequências como texto e imagens, reconhecendo padrões e relações nos dados. Os modelos de difusão começam com ruído aleatório e refinam-no passo a passo até formar uma imagem nítida. Ao combinar estas duas abordagens, o FLUX.1 consegue aproveitar os pontos fortes de ambas as arquiteturas para produzir imagens de alta qualidade que correspondem aos prompts de texto fornecidos.

O FLUX.1 também utiliza técnicas avançadas, como embeddings posicionais rotativos e correspondência de fluxo. Os embeddings posicionais rotativos ajudam o modelo a compreender a ordem e a posição dos elementos no texto e nas imagens, garantindo que tudo faça sentido em conjunto. A correspondência de fluxo é uma técnica utilizada em modelos generativos para tornar o processo de criação de imagens a partir de ruído aleatório mais suave e eficiente.

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 por IA. Destaca-se em áreas essenciais, como a qualidade das imagens, a capacidade de seguir prompts, a variedade dos resultados e o suporte a diferentes tamanhos e proporções. Os modelos FLUX.1 [pro] e [dev] destacam-se por produzir imagens de alta qualidade que correspondem de perto ao que os utilizadores pretendem, superando frequentemente outros modelos na apresentação de 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 superior ao de modelos mais complexos, como o MidJourney.

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

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

O Grok 2.0 é o mais recente modelo de linguagem de grande dimensão desenvolvido pela empresa de IA de Elon Musk, a xAI. Lançado em agosto de 2024, o Grok 2.0 está disponível para utilizadores X Premium e Premium+ na plataforma X (anteriormente Twitter). Em breve, também estará disponível para programadores e empresas através de uma API empresarial.

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

O Grok 2.0 baseia-se numa arquitetura de Transformer e, em comparação com a sua versão anterior, o Grok 1.5, está mais preparado para seguir instruções, raciocinar sobre problemas e fornecer informações precisas. O chatbot foi testado com outros modelos de IA líderes e apresentou resultados impressionantes. O Grok 2.0 supera modelos populares como GPT-4 Turbo, Claude 3.5 Sonnet e Llama 3 405B em avaliações que envolvem questões científicas de nível de pós-graduação, conhecimentos gerais e problemas matemáticos complexos. O Grok 2.0 também é competente em tarefas que exigem compreensão visual e obteve pontuações elevadas em raciocínio matemático visual e resposta a perguntas baseadas em documentos.

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

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

Por um lado, a integração do FLUX.1 foi elogiada por alguns por acrescentar um elemento de "diversão" ao Grok 2.0. Os utilizadores podem experimentar gerar imagens criativas e, por vezes, provocadoras — conteúdos que seriam restringidos ou fortemente moderados por outras ferramentas de IA. Por exemplo, os utilizadores partilharam no X imagens que retratam figuras públicas em situações impróprias ou controversas, afirmando que isso apoia a ideia de liberdade de expressão.

Por outro lado, os críticos argumentam que a ausência de diretrizes éticas claras no FLUX.1 pode conduzir a problemas éticos e sociais graves, como desinformação e deepfakes. Alguns receiam que a combinação de geração poderosa e sem censura de texto e imagens numa das plataformas de redes sociais mais influentes possa agravar a disseminação de desinformação.

O Grok 2.0 e a sua abordagem sem restrições#

Não se trata apenas de geração de imagens. O próprio Grok 2.0 é menos restritivo do que outras ferramentas de IA com as quais nos familiarizámos recentemente, como o ChatGPT. Esta falta de moderação permite que o modelo ultrapasse limites de formas que alguns consideram entusiasmantes e outros consideram preocupantes.

Por exemplo, observou-se que o Grok 2.0 gera conteúdos de texto que podem ser facilmente interpretados 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, alegadamente envolvido numa "onda de vandalismo com tijolos". O chatbot de IA interpretou incorretamente a expressão de basquetebol "throwing bricks", que se refere simplesmente a lançamentos falhados. Em vez disso, o Grok 2.0 interpretou-a literalmente e inventou uma história sobre Thompson a cometer atos de vandalismo com tijolos reais. A publicação ganhou rapidamente força no X, com alguns utilizadores a acrescentarem contas falsas de vítimas para alimentar a desinformação.

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

Apesar destas preocupações, alguns utilizadores apreciam a posição do Grok 2.0 a favor da "liberdade de expressão". Defendem que este permite conversas mais abertas e liberdade criativa do que os modelos de IA fortemente moderados. Veem o Grok 2.0 como uma alternativa àquilo que consideram uma IA "woke" excessivamente cautelosa, que limita a discussão sobre temas sensíveis. Para estes utilizadores, o Grok 2.0 oferece uma plataforma que parece menos condicionada pelas normas sociais.

Experimenta o FLUX.1 e o Grok 2.0#

Existem várias opções para experimentar o FLUX.1 e o Grok 2.0. O FLUX.1 pode ser acedido diretamente através de plataformas de IA como Hugging Face, Replicate e Fal.ai. Entretanto, o Grok 2.0 só está disponível para subscritores X Premium e Premium+.

Principais conclusões#

O FLUX.1 e o Grok 2.0 estão a ultrapassar os limites da IA e a estimular conversas esclarecedoras. O FLUX.1 estabeleceu um novo padrão nas imagens geradas por IA com a sua capacidade de produzir imagens altamente detalhadas e realistas. O Grok 2.0 utiliza o FLUX.1 para expandir as suas capacidades para além das interações baseadas apenas em texto. Por um lado, os entusiastas estão entusiasmados com a liberdade criativa e a exploração sem censura que estas ferramentas oferecem. Por outro lado, os críticos alertam para os riscos de desinformação, deepfakes e das implicações éticas de capacidades tão pouco regulamentadas numa plataforma tão influente como o X. À medida que o FLUX.1 e o Grok 2.0 evoluem, estão no centro de um debate sobre liberdade, criatividade e responsabilidade na era digital — um debate que provavelmente moldará o futuro da IA durante muitos 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 os cuidados de saúde e a indústria! 🚀