# 通义千问发布 Qwen-Image-3.0 图像生成模型，核心关键词为"实" - 来源：Qwen：Blog Retrieval（API） - 作者：QwenTeam - 发布时间：2026-07-21 14:00 - AIHOT 分数：77 - AIHOT 标记：精选 - AIHOT 链接：https://aihot.virxact.com/items/cmru9nwvo0b1kbi7f5vi9uqfu - 原文链接：https://qwen.ai/blog?id=qwen-image-3.0 ## 精选理由 我觉得 Qwen-Image-3.0 不只是画得好看，而是真正追求“有用”，4.5k token 输入、12 种语言渲染、10px 精细文字，对做设计、内容生产的人是生产力级突破。 ## AI 摘要 通义千问发布第三代图像生成基座模型 Qwen-Image-3.0，核心关键词为“实”。该模型支持最长 4.5k token 指令输入，可单次生成包含 9 个复杂信息图的 3×3 网格布局；文本渲染精度达 10px，并支持 12 种语言原生渲染，旨在将图像转化为可部署的生产力工具。 ## 正文 QWEN CHAT 我们正式发布通义千问图像生成系列第三代基础模型——Qwen-Image-3.0。如果说 Qwen-Image-1.0 的关键词是"精准"，Qwen-Image-2.0 的关键词是"精准、多样、完整、美观、真实"，那么 Qwen-Image-3.0 的核心可以归结为一个字——"实"。 这个"实"体现在三个维度： 内容丰富：支持高达 4.5k 模型 token 输入，轻松生成报纸、分镜脚本、试卷等复杂版式。 细节真实：支持精确渲染小至 10px 的文字，生动再现毛孔、发丝等细节，呈现逼真的微观级刻画。 知识深厚：原生支持 12 种语言渲染，模拟网页、游戏、直播等主流界面，并依托丰富的世界知识进行创作。 总之，Qwen-Image-3.0 追求的不仅是"好看"，更是"好用"，让图像生成成为真正可落地的生产力工具。 内容丰富# 先来看下面这张由 Qwen-Image-3.0 生成的图片： 可以看到，Qwen-Image-3.0 能够准确渲染一张数学幻灯片，包括空间关系、数学符号、定理描述等丰富的视觉内容。这些内容布局合理，相对位置恰当，信息量十足。 然而，这并非 Qwen-Image-3.0 的真正实力。实际上，这仅仅是其真实能力的"九分之一"，因为这张图只是 Qwen-Image-3.0 生成的复杂 3×3 网格中的一个单元格。我们来看原始图片： 没错——上面整张图片是由 Qwen-Image-3.0 一次性生成的，而非多张图片拼接而成。这张图片的难点在于，每个单元格都是一张复杂的信息图；要精确描述整个 3×3 网格，需要整整 3.7k 模型 token。 这 3.7k 个模型 token 必须完整描绘一幅隧道安全漫画、一堂空间几何课、一篇《出师表》的风格分析、物理抛体运动、生物学寄生虫学讲解、一张右侧胸痛的医学示意图、群论的西罗定理、银行内控管理信息图，以及细胞 DNA 结构对比——每个单元格都包含精确的中英文文本、公式、图表、卡通角色等内容。 然而这对 Qwen-Image-3.0 来说依然毫不费力——因为 Qwen-Image-3.0 将可接受的指令长度提升到了 4.5k 个模型 token，这意味着模型能够理解并渲染极其复杂、信息密集的视觉布局。 这就是我们所说的“丰富内容”的一个重要特征：内容可以横向扩展。横向扩展体现了模型在语义并列与空间控制方面的能力——即在一张图片中有序地排布多个概念，并使它们互不干扰地呈现出来。 除了横向扩展，深度是“丰富内容”的另一个重要特征。 横向扩展考验的是“一张画布上能放置多少个并行元素”，而深度则考验模型的语义解构与逻辑嵌套能力——能否在一张图片中逐层渲染多个嵌套界面。下面的示例通过一条指令，从外到内依次展示了：一个 VSCode 编程界面 → 一个 Qwen Chat 界面 → 一个微信界面 → 一张手冲咖啡海报。每一层都保留了各自界面的真实风格与细节，形成了“画中画中画”的视觉深度。 以上两个示例分别从横向和纵向两个维度说明了“丰富内容”的含义。 真实细节# 如果说“丰富内容”解决的是“画多少”的问题，那么“真实细节”解决的则是“画多细”的问题。Qwen-Image-3.0 在微观细节的渲染精度上达到了新高度：10 像素的小字清晰可辨，毛孔和发丝得到精细呈现，皮肤质感接近照片级真实感。我们先从精细小字的渲染说起。 下图是一张关于鲸鲨的知识信息图，包含大量文字和插图。Qwen-Image-3.0 能够准确渲染每一个区域。 学术论文是对小字渲染的终极考验——密集的 LaTeX 公式、上下标、希腊字母和定理编号，任何一个符号都不能出错。 该模型渲染了一整页代数几何领域的学术论文，包含多行复杂的公式推导。上标、下标、花括号、分数线以及多行对齐等 LaTeX 排版元素均被准确呈现，即使在小字号下也保持了极佳的可读性。 Qwen-Image-3.0 还能在逼真的纸张上生成精细文字。下例是一份由 Qwen-Image-3.0 生成的报纸，模型不仅准确生成了密集的文字，还模拟了报纸的真实外观。 在编辑任务中，我们同样可以生成精细文字。例如在下述案例中，模型生成了具有真实风格的批注。 模型在书页上叠加了逼真的红色手写批注——下划线、波浪线、圆圈、箭头和简短评语——笔迹自然流畅，完美模拟了高中生课堂笔记的风格。 除了文字和版面的精细还原，“真实细节”在纹理刻画方面同样表现突出。以下是两幅人像摄影示例，模型捕捉到了极为细腻的质感。 除了人像，模型还能描绘其他物体的细腻纹理。 在编辑任务中，我们同样可以生成细节丰富的图像。 对于受损或不完整的传统绘画，该模型能够修复缺失部分，同时忠实保留原作的艺术风格与笔触。 该模型完成了这幅鹰战图的修复，笔触与原作保持一致，保留了水墨渐变、羽毛纹理和构图平衡，同时去除了霉斑和破损痕迹。 深度知识# “丰富内容”回答的是“能画得多复杂”，“真实细节”回答的是“能画得多逼真”，而“深度知识”回答的是“能画得多广泛”。Qwen-Image-3.0 具备覆盖 12 种语言、多种字体、100 多种艺术风格以及各类 UI 界面的渲染能力——这一切都依托于模型对世界知识的深度理解。 在以下三个示例中，模型分别准确渲染了日语、韩语和西班牙语。 除了能准确渲染多种语言，该模型还拥有丰富的世界知识。特别是，模型可以生成各种逼真的 UI 界面。 我们还可以利用模型强大的世界知识来创建信息图。在下面的示例中，我们基于一张真实图片生成了一个复杂的信息图。 在保留原始昆虫照片主要主体的同时，模型添加了分类信息、形态学标注、放大细节图和比例尺等专业元素，生成了一张可直接用于学术发表的研究用图。 除了模型自身已具备的世界知识，它还可以连接互联网检索最新的世界知识。例如，我们可以要求模型生成一张杭州 7 月 21 日的天气预报图。 模型还能找到特定的 IP 形象并据此进行创作。例如，我们可以生成一张齐白石和梵高在直播间介绍 Qwen-Image-3.0 的图片。 结论# 从 Qwen-Image-1.0 的“精准”，到 Qwen-Image-2.0 的“精准、多样、完整、美观、真实”，再到如今 Qwen-Image-3.0 的“真实”——我们始终追求的目标，是让图像生成从“可用”走向“实用”，从“好看”走向“好用”。 在“内容丰富、细节真实、知识深入”这三大核心能力的支撑下，Qwen-Image-3.0 在报纸 PDF、短剧分镜、复杂 UI 界面等高价值生产力场景中取得了重大突破。我们相信，随着图像生成模型能力的持续提升，它们将在设计、内容创作、教育和电商等更多领域释放真正的生产力价值。 以上就是本次更新的主要亮点。希望您能喜欢使用 Qwen-Image-3.0！