xAI запускает Grok 2.0 с интеграцией FLUX.1

14 августа Илон Маск и его ИИ-компания xAI анонсировали выпуск Grok 2.0 — чата, интегрированного с FLUX.1, моделью генерации изображений от Black Forest Labs, на платформе X (ранее Twitter). FLUX.1 — это продвинутая модель, способная создавать весьма реалистичные изображения, включая те, которые могут восприниматься как деликатные или потенциально вводящие в заблуждение.

В отличие от многих популярных генераторов изображений, которые блокируют или фильтруют контент определенного типа — например, сцены насилия, откровенные или вводящие в заблуждение изображения, — у FLUX.1 меньше ограничений. Одни видят в этом победу свободы слова, в то время как другие впечатлены его передовыми возможностями. Тем не менее возникают опасения по поводу этических последствий и потенциального злоупотребления столь мощной технологией. Давай разберемся и изучим, что предлагает Grok 2.0, чем выделяется FLUX.1 и как ты можешь самостоятельно протестировать эти инновационные инструменты.

Знакомство с FLUX.1: AI-генератором изображений#

FLUX.1 — это передовой ИИ-генератор изображений с открытым исходным кодом, запущенный Black Forest Labs 1 августа 2024 года. Black Forest Labs — это стартап, основанный бывшими инженерами Stability AI, известными своей работой над широко распространенными моделями Stable Diffusion. FLUX.1 создан для прямой конкуренции с такими признанными игроками, как MidJourney и DALL-E 3, и привносит новый уровень качества и гибкости в создание изображений с помощью ИИ. Например, FLUX.1 отлично справляется со сложными деталями, которые вызывают трудности у многих моделей, такими как генерация реалистичных человеческих рук или читаемого текста на вывесках.

Black Forest Labs предлагает три различных варианта FLUX.1, которые можно использовать для разных задач. Вот более подробный обзор этих вариантов:

• FLUX.1 [pro]: Флагманская модель для коммерческого использования, разработанная для обеспечения высочайшего качества вывода.
• FLUX.1 [dev]: Версия с открытыми весами, доступная для некоммерческого использования. Она идеально подходит для исследований и разработок.
• FLUX.1 [schnell]: Оптимизированная по скорости модель по лицензии Apache 2.0, идеально подходящая для личных проектов и локальной разработки, где требуется быстрая генерация изображений.

Рис. 1. Понимание вариантов FLUX.1

Как работает FLUX.1?#

FLUX.1 использует гибридную архитектуру модели, объединяющую методы Transformer и диффузии, с размером модели 12 миллиардов параметров (настраиваемых частей нейронной сети, которые помогают ей обучаться на данных). Transformers — это тип нейронных сетей, способных понимать последовательности, такие как текст и изображения, распознавая закономерности и связи внутри данных. Диффузионные модели работают путем начала со случайного шума и пошагового уточнения до тех пор, пока не сформируется четкое изображение. Объединяя эти два подхода, FLUX.1 может использовать сильные стороны обеих архитектур для создания качественных изображений, соответствующих заданным текстовым промптам.

FLUX.1 также использует передовые методы, такие как поворотные позиционные эмбеддинги и сопоставление потоков. Поворотные позиционные эмбеддинги помогают модели понимать порядок и расположение элементов в тексте и на изображениях, чтобы все компоненты гармонично сочетались друг с другом. Сопоставление потоков — это метод, используемый в генеративных моделях для того, чтобы процесс создания изображений из случайного шума был более плавным и эффективным.

Тестирование FLUX.1#

При сравнении FLUX.1 с другими популярными моделями, такими как MidJourney v6.0, DALL·E 3 (HD) и SD3-Ultra, FLUX.1 задает новую планку в генерации изображений AI. Он превосходит их в ключевых аспектах: качестве изображения, точности следования промптам, разнообразии результатов, а также поддержке различных размеров и соотношений сторон. Модели FLUX.1 [pro] и [dev] выделяются созданием качественных изображений, которые максимально соответствуют ожиданиям пользователей, и часто обходят конкурентов в четкости и точности. С другой стороны, FLUX.1 [schnell] является одной из самых продвинутых моделей для быстрой генерации изображений и работает лучше, чем более сложные модели, такие как MidJourney.

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

Grok 2.0: Новинка от xAI Илона Маска#

Grok 2.0 — это новейшая большая языковая модель, разработанная AI-компанией Илона Маска, xAI. Выпущенный в августе 2024 года, Grok 2.0 доступен пользователям X Premium и Premium+ на платформе X (ранее Twitter). Также он скоро станет доступен разработчикам и бизнесу через enterprise API.

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

Grok 2.0 построен на архитектуре Transformer, и по сравнению с предыдущей версией, Grok 1.5, он лучше следует инструкциям, рассуждает над задачами и предоставляет точную информацию. Чат-бот был протестирован в сравнении с другими ведущими AI-моделями и показал впечатляющие результаты. Grok 2.0 обходит такие популярные модели, как GPT-4 Turbo, Claude 3.5 Sonnet и Llama 3 405B в тестах по научным вопросам университетского уровня, общим знаниям и сложным математическим задачам. Grok 2.0 также силен в задачах, требующих визуального понимания, и достиг высоких показателей в визуальном математическом рассуждении и ответах на вопросы по документам.

Связь между Grok 2.0 и FLUX.1#

FLUX.1 был интегрирован в Grok 2.0, чтобы обеспечить плавное сочетание генерации текста и изображений. Хотя объединение различных технологий сейчас является обычным делом для улучшения функциональности и пользовательского опыта, эта конкретная интеграция привлекла к себе огромное внимание.

С одной стороны, интеграция FLUX.1 была высоко оценена некоторыми за добавление «веселого» элемента в Grok 2.0. Пользователи могут экспериментировать с созданием креативных и иногда острых изображений — того, что было бы ограничено или строго модерировалось другими AI-инструментами. Например, пользователи делятся на X изображениями публичных личностей в неподобающих или спорных ситуациях, утверждая, что это поддерживает идею свободы слова.

С другой стороны, критики утверждают, что отсутствие у FLUX.1 четких этических принципов может привести к серьезным этическим и социальным проблемам, таким как дезинформация и дипфейки. Некоторые беспокоятся, что сочетание мощной, нецензурируемой генерации текста и изображений на одной из самых влиятельных социальных платформ может ускорить распространение дезинформации.

Grok 2.0 и его подход без ограничений#

Дело не только в генерации изображений. Сам по себе Grok 2.0 более ограничен в цензуре, чем другие AI-инструменты, с которыми мы недавно познакомились, такие как ChatGPT. Это отсутствие модерации позволяет модели раздвигать границы так, что это кажется кому-то захватывающим, а кому-то тревожным.

Например, отмечались случаи, когда Grok 2.0 генерировал текстовый контент, который легко интерпретировать как ложные или вводящие в заблуждение новости. Недавний инцидент был связан с тем, что Grok 2.0 создал ложную историю об игроке НБА Клэе Томпсоне, который якобы устроил «погром из кирпичей». ИИ-чат-бот неверно истолковал баскетбольный термин «бросать кирпичи» (throwing bricks), который просто означает промахи при бросках. Вместо этого Grok 2.0 воспринял это буквально и выдумал историю о том, как Томпсон совершает акты вандализма с помощью настоящих кирпичей. Публикация быстро набрала популярность в X, причем некоторые пользователи даже добавили аккаунты вымышленных жертв, чтобы подпитать дезинформацию.

Рис. 4. Пост в X, написанный Grok 2.

Несмотря на эти опасения, некоторые пользователи ценят позицию Grok 2.0 в отношении «свободы слова». Они утверждают, что это обеспечивает более открытый диалог и творческую свободу по сравнению со строго модерируемыми моделями ИИ. Они видят в Grok 2.0 противовес тому, что они считают излишне осторожным «прогрессивным» ИИ, который ограничивает обсуждение деликатных тем. Для таких пользователей Grok 2.0 предлагает платформу, которая кажется менее ограниченной социальными нормами.

Попробуй FLUX.1 и Grok 2.0 сам#

Существует несколько вариантов попробовать FLUX.1 и Grok 2.0. FLUX.1 можно использовать напрямую через AI-платформы, такие как Hugging Face, Replicate и Fal.ai. Тем временем Grok 2.0 доступен только подписчикам X Premium и Premium+.

Основные выводы#

FLUX.1 и Grok 2.0 расширяют границы возможностей AI и вызывают глубокие дискуссии. FLUX.1 установил новый стандарт в AI-генерации изображений благодаря своей способности создавать высокодетализированные и реалистичные картинки. Grok 2.0 использует FLUX.1 для расширения своих возможностей за пределы простого текстового взаимодействия. С одной стороны, энтузиасты в восторге от творческой свободы и нецензурируемых исследований, которые предлагают эти инструменты. С другой стороны, критики бьют тревогу по поводу рисков дезинформации, дипфейков и этических последствий столь нерегулируемых возможностей на такой влиятельной платформе, как X. По мере развития FLUX.1 и Grok 2.0 они оказываются в центре дебатов о свободе, творчестве и ответственности в цифровую эпоху — дебатов, которые, вероятно, будут формировать будущее AI на долгие годы вперед.

Чтобы узнать больше об Ultralytics, загляни в наш репозиторий на GitHub, присоединяйся к нашему сообществу и изучай наши новейшие ИИ-решения в таких отраслях, как здравоохранение и производство! 🚀