阿里近日宣布開源一款名為Qwen-Image-Layered的全新圖像生成模型，該模型首次在行業(yè)內(nèi)實(shí)現(xiàn)了類似Photoshop的圖層理解與生成能力，標(biāo)志著視覺大模型技術(shù)邁入新階段。通過創(chuàng)新架構(gòu)設(shè)計(jì)，該模型可將圖像分解為獨(dú)立圖層，支持近乎零誤差的精準(zhǔn)編輯，有效解決了傳統(tǒng)AI生成圖像在一致性方面的核心難題。

傳統(tǒng)視覺大模型普遍采用"扁平化"處理方式，將圖像視為像素矩陣的簡(jiǎn)單疊加，導(dǎo)致物體遮擋、空間關(guān)系等物理特性難以被準(zhǔn)確捕捉。這種技術(shù)局限使得AI生成的圖像在編輯時(shí)往往牽一發(fā)而動(dòng)全身——例如調(diào)整畫面中某個(gè)元素的位置時(shí)，背景內(nèi)容會(huì)同步發(fā)生不可控變化，嚴(yán)重制約了其在專業(yè)設(shè)計(jì)領(lǐng)域的應(yīng)用價(jià)值。商業(yè)廣告、UI界面設(shè)計(jì)等需要高精度控制的場(chǎng)景，至今仍依賴傳統(tǒng)設(shè)計(jì)工具完成最終制作。

Qwen-Image-Layered通過引入分層處理機(jī)制，構(gòu)建起對(duì)三維空間的立體認(rèn)知。研發(fā)團(tuán)隊(duì)開發(fā)的RGBA-VAE編碼技術(shù)，在傳統(tǒng)RGB色彩模式基礎(chǔ)上新增透明度通道（Alpha），使模型具備圖層分離能力。配合創(chuàng)新的VLD-MMDiT架構(gòu)與3D位置編碼系統(tǒng)，模型能夠自動(dòng)推斷被遮擋區(qū)域的背景紋理，實(shí)現(xiàn)從"像素預(yù)測(cè)"到"結(jié)構(gòu)重組"的技術(shù)跨越。這種處理方式更接近人類設(shè)計(jì)師的思維模式，為圖像編輯提供了前所未有的操作自由度。

為訓(xùn)練這種空間理解能力，研究團(tuán)隊(duì)從海量專業(yè)PSD文件中提取圖層邏輯數(shù)據(jù)，構(gòu)建起包含復(fù)雜空間關(guān)系的訓(xùn)練樣本庫(kù)。這種數(shù)據(jù)驅(qū)動(dòng)的方式使模型從誕生之初就掌握分層處理的專業(yè)技能，能夠精準(zhǔn)識(shí)別不同圖層間的交互關(guān)系。測(cè)試數(shù)據(jù)顯示，該模型在物體位移、局部重繪等場(chǎng)景中，可保持97%以上的背景一致性，編輯效率較傳統(tǒng)方法提升4-6倍。

行業(yè)分析師指出，這項(xiàng)突破將重塑數(shù)字內(nèi)容創(chuàng)作流程。設(shè)計(jì)師可直接在AI生成的分層圖像上進(jìn)行精細(xì)化調(diào)整，無需手動(dòng)摳圖或重建背景，使創(chuàng)作過程從"開盲盒"式的隨機(jī)生成轉(zhuǎn)變?yōu)榭煽氐哪K化組裝。影視后期、動(dòng)畫制作等領(lǐng)域可借此技術(shù)顯著縮短制作周期，降低人力成本。某影視公司技術(shù)負(fù)責(zé)人表示："該模型讓AI真正成為創(chuàng)作伙伴，而非簡(jiǎn)單的素材生成器。"

目前，Qwen-Image-Layered已通過魔搭社區(qū)和HuggingFace平臺(tái)開源，允許企業(yè)和開發(fā)者免費(fèi)商用。這是阿里開源戰(zhàn)略的最新成果，其千問系列模型累計(jì)開源數(shù)量已接近400個(gè)，全球下載量突破7億次，衍生模型超過18萬(wàn)個(gè)。在企業(yè)級(jí)市場(chǎng)，通義大模型以顯著優(yōu)勢(shì)占據(jù)國(guó)內(nèi)市場(chǎng)份額首位，服務(wù)客戶數(shù)量突破100萬(wàn)家，形成覆蓋多行業(yè)的AI應(yīng)用生態(tài)。