7 月 21 日阿里发布最新图像生成基础模型 Qwen-Image-3.0。新模型支持最大 4.5k token 超长输入可一次生成涵盖公式符号、几何图形、逻辑推导步骤等多元素融合的知识图解、复杂 UI 界面同时支持 12 国语言和 20 多款字体原生渲染字字清晰大幅降低多语言产品海报、影视/漫画分镜等“可读可用”商业素材的生产成本。Qwen-Image-3.0 是千问图像生成和编辑模型系列的第三代基础模型核心能力全面升级 GPT-Image-2 擅长的直播间页面Qwen-Image-3.0 也能轻松生成人像摄影、数学试卷、古碑拓片千问生成的图片细节满满栩栩如生。Qwen-Image-3.0 着重提升了模型对于复杂信息的承载能力较前代在文本输入长度上实现了 4.5 倍的跃升。这意味着在影视短剧分镜、复杂信息图、产品说明页等需要超长提示词输入的场景中用户不再需要将需求压缩成一句话而是可以像给设计师撰写需求文档一样完整描述画面结构、文字内容、视觉风格和排版细节从而让模型更精准地生成图文内容减少反复生成和人工调试成本。凭借 Qwen-Image-3.0 对于语义并置和空间控制能力的极致把握新模型可一次性生成涵盖 9 种不同领域的 9 宫格知识图解字字清晰幅幅准确。图说在一张图内同时生成 9 个不同领域不同风格的知识图解Qwen-Image-3.0 拥有更详实的知识能轻松理解复杂指令和画面的逻辑嵌套关系。新模型可根据一条指令在同一幅图中生成网页、软件界面、聊天窗口、海报等多类视觉内容的组合式表达。比如当用户输入“在 VSCode 编程界面中通过千问 App 生成一张发布在聊天界面里的手冲咖啡海报”时模型能够准确理解其中的多层 UI 嵌套关系并依次生成 VSCode 编程界面、千问 App 界面、社交媒体聊天界面和咖啡海报在保持各层界面结构、风格准确的同时甚至连手机截图里的时间数字低至 10 像素的小字都清晰可辨。图说Qwen-image-3.0 生成的多层 UI 界面嵌套模拟图片得益于 Qwen-Image-3.0 独特的生图编辑一体化模型架构新模型在文生图中积累的文字渲染能力、细节质感和世界知识也自然迁移到了编辑场景中诸如古画修复、全景图生成、手绘草图转 PPT、多镜头机位生成等复杂编辑任务均可一键完成。用户无需在生成与编辑之间反复切换工具也无需担心风格、文字、细节在二次处理时出现偏差。新模型能够在保持原图结构与语义一致性的基础上精准执行局部改写、内容扩展和风格迁移真正实现所想即所得让图像创作从单次生成走向可持续迭代的完整工作流。据了解阿里云百炼、千问 AI 平台已开通 API 邀测Qwen Studio 和千问 APP 也即将上线供免费体验。
