Называться модель будет DeepFloyd IF и это совершенно новая text-2-image модель. Не вдаваясь в технические подробности, теперь она сможет генерировать текст, а так же индекс похожести на текстовый запрос крайне высок. А так же лучше работает с реализмом. Что с руками, не уточняется). Больше примеров внутри поста.