OniricApps Blog

Zhipu AI desafía el dominio occidental con GLM-Image, un modelo de generación de imágenes entrenado íntegramente con hardware de Huawei, impulsando la independencia tecnológica de China.

Zhipu AI Lanza GLM-Image, un Modelo de Generación de Imágenes Entrenado con Hardware de Huawei

En un movimiento estratégico que demuestra el avance de la inteligencia artificial en China, la startup Zhipu AI ha anunciado el lanzamiento de GLM-Image, un modelo de generación de imágenes de código abierto. Este desarrollo destaca la determinación de la industria china de reducir su dependencia de tecnología extranjera, especialmente en el ámbito de los semiconductores.

Lanzamiento de GLM-Image: Un Nuevo Modelo de Generación de Imágenes

Zhipu AI ha presentado GLM-Image como su última innovación, un modelo de generación de imágenes de código abierto diseñado para competir en el panorama de la inteligencia artificial. El modelo se une a la familia de productos de Zhipu AI, siguiendo el lanzamiento de su potente modelo de lenguaje GLM-4.7 en diciembre pasado y una reciente oferta pública inicial en Hong Kong.

Hardware de Huawei: La Clave del Entrenamiento

Un aspecto distintivo de GLM-Image es que fue entrenado completamente utilizando hardware de Huawei, incluyendo sus chips Ascend y software. Esta decisión subraya la búsqueda de la autosuficiencia tecnológica de China y la reducción de la dependencia de semiconductores estadounidenses, un factor crítico en la actual “guerra de los chips”.

Especificaciones y Rendimiento Prometido

GLM-Image cuenta con 16 mil millones de parámetros y se promociona como superior en la generación de imágenes con una gran cantidad de texto. Según Zhipu AI, el modelo ha superado a Nano Banana Pro en pruebas de referencia de precisión. Sin embargo, datos recientes de pruebas comparativas muestran una imagen más matizada. Nano Banana 2.0 obtuvo una puntuación de 91 en las pruebas generales, mientras que Seedream 4.5 obtuvo una puntuación de 90.49, en comparación con la puntuación de 81.01 de GLM-Image.

Primeras Impresiones: ¿Cumple con las Expectativas?

A pesar de las afirmaciones de superioridad, las primeras evaluaciones por parte de los usuarios no han respaldado completamente estas expectativas. Si bien GLM-Image muestra potencial, los resultados indican que aún se queda atrás de otros modelos líderes como Nano Banana Pro (con una puntuación de 91 en pruebas generales) y Seedream 4.5 (con una puntuación de 90.49 en pruebas generales), quedando con una puntuación de 81.01 en pruebas generales. Esto sugiere que, aunque prometedor, GLM-Image aún tiene camino por recorrer para alcanzar el rendimiento de los modelos más avanzados.

Licencia de Código Abierto y Accesibilidad

GLM-Image se distribuye bajo una licencia permisiva de código abierto, lo que facilita su acceso y uso por parte de la comunidad. Esto fomenta la colaboración y el desarrollo adicional del modelo, amplificando su impacto en la comunidad de IA.

El Contexto: Una Industria en Crecimiento

El desarrollo y lanzamiento de GLM-Image ocurren en un contexto de creciente inversión y ambición en el sector de la inteligencia artificial en China. La industria busca activamente avanzar sin depender de la resolución de las tensiones geopolíticas que afectan la disponibilidad de tecnología extranjera. Esta iniciativa refleja un esfuerzo más amplio para desarrollar capacidades tecnológicas locales y reducir la dependencia de proveedores extranjeros.

Implicaciones Futuras: Autosuficiencia Tecnológica y Competencia

GLM-Image representa un logro significativo para China en su objetivo de alcanzar la autosuficiencia tecnológica. A pesar de no superar a los modelos de vanguardia actualmente disponibles, sienta las bases para futuros avances en la generación de imágenes impulsados por el hardware local. El modelo también intensifica la competencia en el mercado de la IA, impulsando la innovación y la mejora continua en la tecnología de generación de imágenes. Su código abierto facilitará el aprendizaje y desarrollo de otros ingenieros, probablemente acelerando futuras innovaciones en el campo. El acceso público al código fuente también permitirá a la comunidad de desarrolladores identificar áreas de mejora y contribuir a su desarrollo, potencialmente cerrando la brecha de rendimiento con los modelos líderes.