xAI выпускает Grok 2.0 с интеграцией FLUX.1

14 августа компания xAI, занимающаяся разработкой ИИ и основанная Илоном Маском, объявила о выпуске Grok 2.0 — чат-бота, интегрированного с FLUX.1, моделью генерации изображений от Black Forest Labs, на платформе X (ранее Twitter). FLUX.1 — это продвинутая модель, способная создавать высокореалистичные изображения, в том числе те, которые могут восприниматься как неприемлемые или вводящие в заблуждение.

В отличие от многих популярных генераторов изображений, блокирующих или фильтрующих определённые типы контента, например сцены насилия, откровенные или вводящие в заблуждение изображения, FLUX.1 имеет меньше ограничений. Одни считают это победой свободы выражения, других впечатляют его передовые возможности. Однако возникают и опасения по поводу этических последствий и возможного злоупотребления такой мощной технологией. Ниже мы расскажем, что предлагает Grok 2.0, чем выделяется FLUX.1 и как самостоятельно попробовать эти инновационные инструменты.

Знакомство с FLUX.1: генератор изображений на основе ИИ#

FLUX.1 — это продвинутый генератор изображений на основе ИИ с открытым исходным кодом, выпущенный Black Forest Labs 1 августа 2024 года. Black Forest Labs — стартап, основанный бывшими инженерами Stability AI, известными своей работой над широко используемыми моделями Stable Diffusion. FLUX.1 создан, чтобы напрямую конкурировать с такими признанными решениями, как MidJourney и DALL-E 3, и предлагает новый уровень качества и гибкости при генерации изображений с помощью ИИ. Например, FLUX.1 отлично справляется со сложными деталями, которые вызывают трудности у многих моделей: он может создавать реалистичные человеческие руки и разборчивый текст на знаках.

Black Forest Labs предлагает три варианта FLUX.1 для разных задач. Рассмотрим их подробнее:

• FLUX.1 [pro]: флагманская модель для коммерческого использования, созданная для получения результатов высочайшего качества.
• FLUX.1 [dev]: версия с открытыми весами, доступная для некоммерческого использования. Она отлично подходит для исследований и разработок.
• FLUX.1 [schnell]: модель, оптимизированная для высокой скорости и распространяемая по лицензии Apache 2.0. Она отлично подходит для личных проектов и локальной разработки, где требуется быстро генерировать изображения.

Рис. 1. Разбираемся в вариантах FLUX.1

Как работает FLUX.1?#

FLUX.1 использует гибридную архитектуру модели, объединяющую методы Transformer и диффузии; модель насчитывает 12 миллиардов параметров (настраиваемых элементов нейросети, которые помогают ей учиться на данных). Transformer — это тип нейросети, способный понимать последовательности, например текст и изображения, распознавая закономерности и взаимосвязи в данных. Диффузионные модели начинают с случайного шума и постепенно уточняют его, пока не сформируется четкое изображение. Объединяя эти подходы, FLUX.1 использует преимущества обеих архитектур и создает высококачественные изображения, соответствующие текстовым запросам.

FLUX.1 также использует передовые методы, такие как вращательные позиционные эмбеддинги и сопоставление потоков. Вращательные позиционные эмбеддинги помогают модели понимать порядок и расположение элементов в тексте и изображениях, чтобы все сочеталось логично. Сопоставление потоков — это метод для генеративных моделей, который делает процесс создания изображений из случайного шума более плавным и эффективным.

Сравнение FLUX.1 с другими моделями#

В сравнении с другими популярными моделями, такими как MidJourney v6.0, DALL·E 3 (HD) и SD3-Ultra, FLUX.1 устанавливает новую планку в генерации изображений с помощью ИИ. Модель особенно хороша в таких ключевых аспектах, как качество изображений, соответствие запросам, разнообразие результатов и поддержка разных размеров и соотношений сторон. FLUX.1 [pro] и [dev] выделяются тем, что создают высококачественные изображения, точно соответствующие пожеланиям пользователей, и часто превосходят другие модели по четкости и точности результатов. FLUX.1 [schnell], в свою очередь, — одна из самых передовых моделей для быстрой генерации изображений; она превосходит более сложные модели, например MidJourney.

Рис. 2. Сравнение Midjourney v6 и FLUX.1 [pro]

Grok 2.0: новейшая разработка xAI Илона Маска#

Grok 2.0 — новейшая большая языковая модель, разработанная xAI, компанией, основанной Илоном Маском. Выпущенная в августе 2024 года, Grok 2.0 доступна подписчикам X Premium и Premium+ на платформе X (ранее Twitter). Кроме того, вскоре она станет доступна разработчикам и компаниям через корпоративный API.

Рис. 3. Пример того, как Grok 2.0 объясняет мем.

Grok 2.0 построена на архитектуре Transformer и по сравнению со своей более старой версией Grok 1.5 лучше следует инструкциям, рассуждает над задачами и предоставляет точную информацию. Чат-бот сравнивали с другими ведущими моделями ИИ, и он показал впечатляющие результаты. Grok 2.0 превосходит популярные модели, такие как GPT-4 Turbo, Claude 3.5 Sonnet и Llama 3 405B, в тестах на научные вопросы университетского уровня, общие знания и сложные математические задачи. Grok 2.0 также хорошо справляется с задачами, требующими визуального понимания, и набрала высокие баллы в визуальных математических рассуждениях и ответах на вопросы по документам. Более новые модели Grok, например Grok 4.7, сравниваются с другими визуально-языковыми моделями на реальных задачах обнаружения объектов в таблице лидеров Ultralytics VLM.

Связь между Grok 2.0 и FLUX.1#

FLUX.1 интегрировали в Grok 2.0, чтобы объединить генерацию текста и изображений. Сегодня объединение разных технологий ради повышения функциональности и удобства пользователей — обычное дело, однако именно эта интеграция привлекла много внимания.

С одной стороны, некоторые хвалят интеграцию FLUX.1 за то, что она добавила Grok 2.0 элемент «веселья». Пользователи могут экспериментировать с созданием креативных, а порой и провокационных изображений — с тем, что другие инструменты ИИ ограничили бы или подвергли строгой модерации. Например, пользователи публиковали в X изображения публичных лиц в неподобающих или спорных ситуациях, утверждая, что это поддерживает идею свободы слова.

Критики, напротив, считают, что отсутствие чётких этических принципов у FLUX.1 может привести к серьёзным этическим и социальным проблемам, таким как дезинформация и дипфейки. Некоторые опасаются, что сочетание мощных, не подвергающихся цензуре инструментов генерации текста и изображений на одной из самых влиятельных платформ социальных сетей может ускорить распространение дезинформации.

Grok 2.0 и отсутствие ограничений#

Дело не только в генерации изображений. Сам Grok 2.0 менее ограничен, чем другие инструменты ИИ, к которым мы недавно привыкли, например ChatGPT. Отсутствие модерации позволяет модели выходить за привычные рамки, что одних восхищает, а других тревожит.

Например, известно, что Grok генерирует текст, который легко принять за фальшивые или вводящие в заблуждение новости. В апреле 2024 года широко обсуждали случай, когда Grok придумал ложную историю о баскетболисте НБА Клэе Томпсоне, якобы устроившем «марафон вандализма с кирпичами». Чат-бот неверно понял баскетбольное выражение «throwing bricks», которое просто означает неточные броски. Вместо этого Grok воспринял его буквально и выдумал историю о том, как Томпсон громил всё вокруг настоящими кирпичами. Публикация быстро распространилась в X, а некоторые пользователи даже добавили фальшивые истории от якобы пострадавших, чтобы усилить дезинформацию.

Рис. 4. Публикация в X, написанная Grok.

Несмотря на эти опасения, некоторым пользователям близка позиция Grok 2.0 в поддержку «свободы слова». Они утверждают, что модель позволяет вести более открытые дискуссии и свободнее творить, чем модели ИИ со строгой модерацией. Они считают Grok 2.0 альтернативой, по их мнению, чрезмерно осторожному «пробужденному» ИИ, ограничивающему обсуждение деликатных тем. Для таких пользователей Grok 2.0 — это платформа, которая, как им кажется, меньше зависит от общественных норм.

Попробуй FLUX.1 и Grok 2.0 сам#

Есть несколько способов попробовать FLUX.1 и Grok 2.0. FLUX.1 доступна напрямую через платформы ИИ, такие как Hugging Face, Replicate и Fal.ai. Grok 2.0 доступна только подписчикам X Premium и Premium+.

Главные выводы#

FLUX.1 и Grok 2.0 расширяют возможности ИИ и вызывают содержательные дискуссии. FLUX.1 установила новую планку в генерации изображений с помощью ИИ благодаря способности создавать детализированные и реалистичные изображения. Grok 2.0 использует FLUX.1, чтобы расширить возможности за пределы взаимодействия только с текстом. С одной стороны, энтузиастов радуют творческая свобода и возможность изучать идеи без цензуры, которые дают эти инструменты. С другой стороны, критики бьют тревогу из-за рисков дезинформации, дипфейков и этических последствий таких нерегулируемых возможностей на платформе, столь влиятельной, как X. По мере развития FLUX.1 и Grok 2.0 они оказываются в центре дискуссии о свободе, творчестве и ответственности в цифровую эпоху — дискуссии, которая, вероятно, будет определять будущее ИИ еще долгие годы.

Чтобы узнать больше об Ultralytics, загляни в наш репозиторий на GitHub, присоединяйся к нашему сообществу и изучи наши новейшие решения на основе ИИ для таких отраслей, как здравоохранение и производство!