این هفته دو مدلِ وزن‌آزاد منتشر شد که برای تیمِ ایرانی مهم‌تر از هر ابزارِ اشتراکی است، چون نه کارتِ بانکی می‌خواهد و نه حسابِ خارجی. جمعه ۱۷ مهر تیمِ Qwen مدلِ Qwen-Image-2.1-Turbo را داد: مدلِ تصویرِ 7B که در هشت قدم به‌جای چهل قدم تصویرِ 2K می‌سازد و ویرایش می‌کند. سه روز قبلش Kandinsky Lab نسخهٔ 6.0 را روی Hugging Face گذاشت، با مجوزِ MIT: ویدیوی پنج‌ثانیه‌ای با صدای ۴۴ کیلوهرتزِ خودش و لب‌خوانی. هر دو روی کارتِ گرافیکِ گیمینگ اجرا می‌شوند. فرقشان در یک خط است: مجوز.
Qwen-Image-2.1-Turbo: تصویرِ 2K در هشت قدم، فقط برای پژوهش
در تاریخچهٔ تغییراتِ مخزنِ Qwen برای ۱۷ مهر دو خط آمده: انتشارِ Qwen-Image-2.1-Turbo «برای تولید و ویرایشِ تصویر در فقط ۸ قدمِ نویززدایی»، و فعال‌شدنِ APIهای Pro و Turbo روی Alibaba Cloud Model Studio (گیت‌هابِ Qwen، ۱۷ مهر). کارتِ مدل می‌گوید Turbo روی همان معماریِ 7B مدلِ پایه است، به‌صورتِ پیش‌فرض در سطحِ 2048 کار می‌کند و تا 2752×1536 پیش‌تنظیم دارد، برای ویرایش و ترکیبِ چندمرجعی تصویرِ مرجع می‌گیرد، با CFG=1 و یک زمان‌بندیِ ذخیره‌شدهٔ هشت‌قدمی اجرا می‌شود، و تصریح می‌کند: «این مدل تحتِ توافق‌نامهٔ Qwen Research License منتشر شده» (کارتِ مدل در Hugging Face). تغییرِ تعدادِ قدم‌ها آن زمان‌بندی را عوض نمی‌کند و فقط همان هشت قدم ارزیابی شده است.
برداشت من: کاشی‌های محصول در ریلِ سبدِ محصولاتِ شیرین عسل را با هوش مصنوعی ساختم، هشت دسته، و هزینهٔ واقعیِ هر کاشیِ غلط انتظاری بود که می‌کشیدم تا بفهمم غلط است. مدلِ هشت‌قدمی آن انتظار را به گفت‌وگو با مدیرِ هنری تبدیل می‌کند. برای ما یک چیزِ دیگر هم هست: وزن‌ها از Hugging Face می‌آیند، نه از سرویسی که ایران را نمی‌پذیرد. اما دو حد دارد. مجوز پژوهشی است؛ کارِ پولی روی این وزن‌ها یا قراردادِ جدا می‌خواهد یا API، و API یعنی حسابِ Alibaba Cloud که راهش از ایران صاف نیست. و قبل از هر چیز خطِ فارسی روی بسته را با آن تست کن، نه نمونه‌های تبلیغاتی‌اش را. من تایپوگرافیِ بسته را هنوز بیرونِ مدل تمام می‌کنم.
Kandinsky 6.0: ویدیوی صدادارِ آزاد، و زمانِ رندری که همراهش می‌آید
فایلِ readme در Kandinsky Lab تاریخِ انتشار را ۱۴ مهر می‌گوید: Kandinsky 6.0 Video Lite با 3B و Pro با 29B پارامتر، هر دو ویدیوی پنج‌ثانیه‌ای با صدای همگامِ ۴۴ کیلوهرتز و لب‌خوانی می‌سازند، از متن یا از تصویر، و یک مدلِ جداگانه خروجی را به 1920×1080 می‌رساند (گیت‌هابِ Kandinsky، ۱۴ مهر). مجوزِ وزن‌ها MIT است؛ نسخهٔ Lite آزاد دانلود می‌شود و نسخهٔ Pro پشتِ پذیرشِ شرایط و دادنِ اطلاعاتِ تماس است (Hugging Face، نسخهٔ Pro · نسخهٔ Lite). خروجیِ بومی 480×864 با ۲۴ فریم است. جدولِ خودِ readme برای یک کلیپِ پنج‌ثانیه‌ایِ Lite روی RTX 4090 عددِ ۴۳۷ ثانیه و برای Pro HD عددِ ۱٬۱۹۴ ثانیه می‌دهد؛ روی H100 کلیپِ Pro Full-HD در ۴۰۲ ثانیه می‌رسد.
برداشت من: موزیک‌ویدیوی مووو و تاینی را ۲۴ ثانیه‌ای و حولِ موسیقی ساختم: اول آهنگ بود و هر کات روی ضربش نشست. Kandinsky تصویر و صدا را با هم می‌سازد، پنج ثانیه پنج ثانیه، یعنی ترتیبِ برعکس، و برای جینگل و تکیه‌کلامِ مسکات ایدهٔ واقعی است. ولی قبل از قول‌دادن حساب کن: فیلمِ ۲۴ ثانیه‌ای پنج کلیپ است؛ با Pro HD روی 4090 یعنی حدودِ صد دقیقه رندر برای هر برداشت، قبل از بزرگ‌نمایی و قبل از برداشتی که دور می‌ریزی. برای تیمِ ایرانی این مدل یک معنای دیگر هم دارد: مجوزِ MIT، بدونِ لاگین برای Lite، بدونِ پرداخت، و سازنده‌اش روسی است، پس دیوارِ تحریم جلویش نیست. دیوارِ واقعی سخت‌افزار است. 4090 را حساب کن، نه H100 را.
GPT-6 به همهٔ کاربرانِ ChatGPT رسید و پاسخ به رابطِ کاربری تبدیل شد
OpenAI مدلِ GPT-6 را چهارشنبه ۱۵ مهر در تبِ Chat برای پلن‌های Plus و Pro و Business و Enterprise فعال کرد و روزِ بعد برای Free و Go؛ پلن‌های پولی GPT-6 Sol می‌گیرند و رایگان‌ها GPT-6 Luna (انجمنِ OpenAI، ۱۵ مهر). همان نسخه Intelligent UI را آورده: پاسخ می‌تواند متن را با گرافیک، دکمهٔ لمسی، فرم، چارت، نقشه، نمودارِ تعاملی، مقایسهٔ کنارِ هم، ماشین‌حساب و بازی‌های کوچکِ درونِ چت ترکیب کند و هر جا متنِ ساده بهتر است همان بماند. جملهٔ OpenAI: «به‌جای این‌که هر سؤال در یک قالبِ گفت‌وگوییِ یکسان جا بگیرد، ChatGPT می‌تواند رابط و داده و عمل را ترکیب کند» (OpenAI). این چهار روز بعد از آن است که OpenAI تبلیغِ تصویری داخلِ ChatGPT را توضیح داد، با اولین تست‌ها در همین ماه (OpenAI، ۱۳ مهر).
برداشت من: برای ما ChatGPT در فهرستِ کشورهای پشتیبانی‌شده نیست و این خبر در دسترسِ مستقیمِ ما نیست. اما مشتریِ صادراتیِ تو همین امروز با آن خرید می‌کند. «مقایسهٔ کنارِ هم» را دو بار بخوان: بستهٔ تو کنارِ بستهٔ رقیب، در اندازهٔ بندانگشتیِ گوشی، به انتخابِ مدل. تستی که روی ریلِ سبدِ محصولات داشتم همین‌جا به کار می‌آید: هر بسته باید داخلِ یک کاشیِ گرید روی گوشی خوانده می‌شد و آن‌هایی که نشدند، تایپِ کوچک و کنتراستِ کم داشتند. چطور نمایش داده می‌شوی دستِ تو نیست؛ عکسِ بسته و نامِ محصول و دادهٔ ساختاریافته‌ای که مدل می‌خواند دستِ توست.
دسترسی: ElevenLabs تا دوشنبه ۲۰ مهر سه برابر کردیت می‌دهد
بنرِ صفحهٔ اصلیِ ElevenLabs امروز می‌گوید پلن‌های Creator و بالاتر «تا ۱۲ اکتبر» سه برابر کردیت دارند، همراه با Eleven v4 (elevenlabs.io، دیده‌شده ۱۹ مهر). شرطِ دیگری در صفحه نیامده.
برداشت من: برای کسی که اشتراک را از واسطه و با نرخِ بازار می‌خرد، سه‌برابر یعنی یک‌سومِ قیمت برای هر ثانیهٔ صدا. اگر این ماه نریشن یا دوبله در برنامه داری، امروز و فردا بخر، نه هفتهٔ بعد. و یادت باشد کردیتِ خریده‌شده تاریخِ مصرف دارد؛ قبل از خرید نگاه کن کِی می‌سوزد.
امروز چه می‌کنم
Qwen-Image-2.1-Turbo را روی یک کامپیوتر بگذار، اسمِ پوشه را «تست، مجوزِ پژوهشی» بگذار، و سه عکسِ سختِ بستهٔ خودت را با فایلِ بسته به‌عنوانِ مرجع از آن بگیر. اگر خطِ فارسی را نگه داشت، تازه بحثِ API یا مدلِ دیگر برای کارِ پولی شروع می‌شود. اگر سمتِ تولیدش را می‌خواهی، این‌جا نوشته‌ام چطور کار می‌کنم.
منابع
- Qwen (گیت‌هاب) — readme مخزنِ Qwen-Image-2.1: انتشارِ Turbo در 2026.10.09، APIهای Pro/Turbo، مجوزِ Qwen Research License، ۱۷ مهر ۱۴۰۵ — github.com/QwenLM
- Hugging Face — کارتِ مدلِ Qwen/Qwen-Image-2.1-Turbo: 7B، هشت قدم، پیش‌فرضِ 2048، تا 2752×1536، ویرایش، Qwen Research License Agreement، خوانده‌شده ۱۹ مهر ۱۴۰۵ — huggingface.co
- Kandinsky Lab (گیت‌هاب) — readme مخزنِ kandinsky-6: انتشارِ 2026/10/06، Lite 3B / Pro 29B، ۵ ثانیه، ۴۴ کیلوهرتز، لب‌خوانی، VSR تا 1080p، جدولِ زمانِ رندر، ۱۴ مهر ۱۴۰۵ — github.com/kandinskylab
- Hugging Face — Kandinsky-6.0-Pro-5s-Diffusers (MIT، دروازه‌دار) و Kandinsky-6.0-Lite-5s-Diffusers (MIT)، خوانده‌شده ۱۹ مهر ۱۴۰۵ — Pro · Lite
- OpenAI — GPT-6 for everyone: GPT-6 Sol/Luna در Chat و قالب‌های Intelligent UI، ۱۵ مهر ۱۴۰۵ — openai.com
- انجمنِ توسعه‌دهندگانِ OpenAI — GPT-6 is now rolling out to all ChatGPT users (تاریخ‌ها و پلن‌ها)، ۱۵ مهر ۱۴۰۵ — community.openai.com
- OpenAI — New ChatGPT ads format and measurement (تبلیغِ تصویری هنگامِ تولیدِ تصویر؛ تست از همین ماه)، ۱۳ مهر ۱۴۰۵ — openai.com
- ElevenLabs — بنرِ صفحهٔ اصلی: «3x credits included on Creator+ until October 12»، دیده‌شده ۱۹ مهر ۱۴۰۵ — elevenlabs.io