xAI выпускает Grok 2.0 с интеграцией FLUX.1

14 августа AI-компания Илона Маска xAI объявила в X (бывшем Twitter) о выпуске Grok 2.0 — чат-бота, интегрированного с FLUX.1, моделью генерации изображений от Black Forest Labs. FLUX.1 — это продвинутая модель, способная создавать чрезвычайно реалистичные изображения, в том числе такие, которые могут восприниматься как деликатные или вводящие в заблуждение.

В отличие от многих популярных генераторов изображений, которые блокируют или фильтруют определённые типы контента, например изображения насилия, откровенного или вводящего в заблуждение характера, FLUX.1 имеет меньше ограничений. Одни считают это победой свободы самовыражения, а других впечатляют его продвинутые возможности. Однако возникают и опасения по поводу этических последствий и потенциального злоупотребления такой мощной технологией. Давай разберёмся, что предлагает Grok 2.0, чем выделяется FLUX.1 и как ты можешь самостоятельно попробовать эти инновационные инструменты.

Знакомство с FLUX.1: генератором изображений на базе AI#

FLUX.1 — это продвинутый генератор изображений на базе AI 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 разработан для прямой конкуренции с такими признанными решениями, как MidJourney и DALL-E 3, и выводит качество и гибкость изображений, созданных AI, на новый уровень. Например, FLUX.1 отлично справляется со сложными деталями, с которыми многие модели испытывают трудности: создаёт реалистичные человеческие руки и читаемый текст на вывесках.

Black Forest Labs предлагает три разные вариации FLUX.1, которые можно использовать для различных задач. Рассмотрим эти вариации подробнее:

• FLUX.1 [pro]: флагманская модель для коммерческого использования, разработанная для получения результатов высочайшего качества.
• FLUX.1 [dev]: версия с открытыми весами, доступная для некоммерческого использования. Она идеально подходит для исследований и разработки.
• FLUX.1 [schnell]: оптимизированная по скорости модель под лицензией Apache 2.0, идеально подходящая для личных проектов и локальной разработки, где требуется быстрая генерация изображений.

Рис. 1. Вариации FLUX.1

Как работает FLUX.1?#

FLUX.1 использует гибридную архитектуру модели, объединяющую методы Transformer и диффузии, и содержит 12 миллиардов параметров (настраиваемых компонентов нейронной сети, которые помогают ей обучаться на данных). Transformer — это разновидность нейронной сети, способная понимать такие последовательности, как текст и изображения, распознавая закономерности и взаимосвязи в данных. Диффузионные модели начинают со случайного шума и шаг за шагом уточняют его, пока не сформируется чёткое изображение. Объединяя эти два подхода, FLUX.1 использует сильные стороны обеих архитектур для создания высококачественных изображений, соответствующих заданным текстовым промптам.

FLUX.1 также использует такие продвинутые методы, как вращающиеся позиционные эмбеддинги и сопоставление потоков. Вращающиеся позиционные эмбеддинги помогают модели понимать порядок и положение элементов в тексте и изображениях, чтобы всё согласовывалось между собой. Сопоставление потоков — это метод, используемый в генеративных моделях для того, чтобы сделать процесс создания изображений из случайного шума более плавным и эффективным.

Сравнительное 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 устанавливает новый стандарт в генерации изображений с помощью AI. Модель превосходно показывает себя по таким ключевым направлениям, как качество изображений, соответствие промптам, разнообразие результатов, а также поддержка разных размеров и соотношений сторон. Модели FLUX.1 [pro] и [dev] выделяются созданием высококачественных изображений, которые точно соответствуют ожиданиям пользователей, и часто превосходят другие модели по чёткости и точности результатов. В свою очередь, FLUX.1 [schnell] — одна из самых продвинутых моделей для быстрой генерации изображений, демонстрирующая лучшие результаты, чем более сложные модели вроде MidJourney.

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

Grok 2.0: новейшая разработка AI-компании Илона Маска xAI#

Grok 2.0 — новейшая большая языковая модель, разработанная AI-компанией Илона Маска xAI. Выпущенная в августе 2024 года, Grok 2.0 доступна пользователям X Premium и Premium+ на платформе X (бывшем Twitter). Вскоре она также станет доступна разработчикам и компаниям через корпоративный API.

Рис. 3. Пример объяснения мема с помощью Grok 2.0.

Grok 2.0 построена на архитектуре Transformer и по сравнению со своей предшественницей Grok 1.5 лучше справляется с выполнением инструкций, рассуждениями при решении задач и предоставлением точной информации. Чат-бот протестировали на фоне других ведущих AI-моделей, и он показал впечатляющие результаты. Grok 2.0 превосходит такие популярные модели, как GPT-4 Turbo, Claude 3.5 Sonnet и Llama 3 405B, в тестах на вопросы по естественным наукам уровня аспирантуры, общие знания и сложные математические задачи. Grok 2.0 также хорошо справляется с задачами, требующими визуального понимания, и набрала высокие баллы в визуальном математическом рассуждении и ответах на вопросы по документам.

Связь между Grok 2.0 и FLUX.1#

FLUX.1 интегрирована в Grok 2.0, чтобы обеспечить бесшовное сочетание генерации текста и изображений. Хотя объединение разных технологий для повышения функциональности и удобства пользователей сегодня является обычной практикой, именно эта интеграция привлекла большое внимание.

С одной стороны, интеграцию FLUX.1 некоторые похвалили за добавление в Grok 2.0 элемента «веселья». Пользователи могут экспериментировать с созданием креативных и порой провокационных изображений — вещей, которые другие AI-инструменты заблокировали бы или подвергли жёсткой модерации. Например, пользователи публиковали в X изображения публичных фигур в неподобающих или спорных ситуациях, утверждая, что это поддерживает идею свободы слова.

С другой стороны, критики утверждают, что отсутствие у FLUX.1 чётких этических принципов может привести к серьёзным этическим и социальным проблемам, таким как дезинформация и дипфейки. Некоторые опасаются, что объединение мощной генерации текста и изображений без цензуры на одной из самых влиятельных социальных платформ может усилить распространение дезинформации.

Grok 2.0 и её подход без ограничений#

Дело не только в генерации изображений. Сама Grok 2.0 имеет меньше ограничений, чем другие AI-инструменты, с которыми мы недавно успели познакомиться, например ChatGPT. Отсутствие модерации позволяет модели выходить за привычные рамки: одних это воодушевляет, а других тревожит.

Например, замечено, что Grok 2.0 генерирует текст, который легко можно принять за ложные или вводящие в заблуждение новости. В одном из недавних случаев Grok 2.0 создала ложную историю о баскетболисте NBA Клэе Томпсоне, который якобы устроил «рейд по разбиванию кирпичей». AI-чат-бот неправильно понял баскетбольное выражение «throwing bricks», обозначающее промахи по броскам. Вместо этого Grok 2.0 восприняла его буквально и выдумала историю о том, как Томпсон совершал акты вандализма с настоящими кирпичами. Публикация быстро набрала популярность в X, а некоторые пользователи даже добавили поддельные аккаунты жертв, чтобы усилить распространение дезинформации.

Рис. 4. Публикация в X, написанная Grok 2.

Несмотря на эти опасения, некоторые пользователи ценят позицию Grok 2.0 в отношении «свободы слова». Они утверждают, что она обеспечивает более открытые обсуждения и творческую свободу по сравнению с жёстко модерируемыми AI-моделями. Они воспринимают Grok 2.0 как противовес тому, что считают чрезмерно осторожным «пробуждённым» AI, ограничивающим обсуждение деликатных тем. Для таких пользователей Grok 2.0 предлагает платформу, которая кажется менее скованной общественными нормами.

Попробуй FLUX.1 и Grok 2.0 самостоятельно#

Существует несколько вариантов, связанных с использованием FLUX.1 и Grok 2.0. Получить доступ к FLUX.1 можно напрямую через такие AI-платформы, как Hugging Face, Replicate и Fal.ai. Grok 2.0 тем временем доступна только подписчикам X Premium и Premium+.

Основные выводы#

FLUX.1 и Grok 2.0 расширяют границы AI и вызывают содержательные дискуссии. FLUX.1 установила новый стандарт в создании изображений с помощью AI благодаря способности генерировать чрезвычайно детализированные и реалистичные изображения. Grok 2.0 использует FLUX.1, чтобы расширить свои возможности за пределы взаимодействия, основанного только на тексте. С одной стороны, энтузиасты в восторге от творческой свободы и возможности исследовать контент без цензуры, которые предлагают эти инструменты. С другой стороны, критики предупреждают о рисках дезинформации, дипфейков и этических последствиях таких нерегулируемых возможностей на платформе, столь влиятельной, как X. По мере развития FLUX.1 и Grok 2.0 оказываются в центре дискуссии о свободе, творчестве и ответственности в цифровую эпоху — дискуссии, которая, вероятно, будет определять будущее AI долгие годы.

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