阿里千问发布Qwen-Image-3.0图像生成基础模型

IT之家 7 月 21 日消息，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。

IT之家附官方详细介绍如下：

AI 图像生成模型的进步有目共睹 —— 画面越来越精致，风格越来越多元。但当需求从 " 生成一张好看的图 " 转向 " 完成一项实际工作 " 时，局限随之显现：模型能生成一张惊艳的写实人像，却难以渲染一份排版精确的数学试卷、一页公式复杂的学术论文，或是去修复破损的古画。

一张图，能不能从 " 好看 " 真正走向 " 好用 "？今天，给出我们的答案。

我们正式推出 Qwen-Image-3.0，Qwen-Image 系列的第三代图像生成基础模型。如果说 Qwen-Image-1.0 的关键词是 " 准 "，Qwen-Image-2.0 的关键词是 " 准多齐美真 "，那么 Qwen-Image-3.0 的核心主线只有一个字 ——" 实 "。

这个 " 实 " 体现在三个维度：

• 内容丰实：支持最大 4.5k token 输入，轻松生成报纸、分镜、试卷等复杂版面。
• 细节真实：支持 10px 小字精准渲染，毛孔、发丝细节生动还原，逼真的微观级刻画。
• 知识厚实：支持 12 国语言原生渲染，主流网页、游戏、直播等界面仿真，拥有丰富的世界知识。

一言以蔽之，Qwen-Image-3.0 不只是在追求 " 好看 "，更在追求“好用”—— 让图像生成真正成为可落地的生产力工具。

现在，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。

内容丰实：能画多复杂？

内容可横展：知识九宫格

这是一张由 Qwen-Image-3.0 准确渲染的数学 PPT，包括空间关系、数学符号、定理描述等等这些丰富的视觉内容，有着合理的排版和相对位置关系。

而这只是 Qwen-Image-3.0 真实能力的“1/9”，因为这张图事实上只是 Qwen-Image-3.0 生成的一个复杂 9 宫格图片中的一个格子。让我们看原图：

上面整张图是 Qwen-Image-3.0 一次性生成的，而非多个图片拼接而成。这张图片难度在于，每个格子都是一张复杂信息图，如果要精准的描述完整的九宫格，整整需要 3.7k 个 token。

这 3.7k token 需要完整的刻画隧道安全漫画、空间几何教学、《出师表》文体分析、物理抛体运动、生物寄生虫科普、右胸疼痛医学图解、群论 Sylow 定理、银行内控管理信息图、以及细胞 DNA 结构对比 —— 每一格都包含精确的中英文文字、公式、图表和漫画人物等等。

而这对于 Qwen-Image-3.0 来说依然轻松，因为 Qwen-Image-3.0 将可接受的指令长度提升至 4.5k token，这意味着模型可以理解和渲染极其复杂、信息密集的视觉版面。

这就是 Qwen-Image-3.0" 内容丰实 " 的一个重要特点：内容可横展（横向扩展）。横展能力反映了模型语义并置与空间控制的实力 —— 能够让多种概念在同一画面中有序布局、互不干扰地渲染。

内容有纵深：界面嵌套

横展能力考验的是 " 在一张画布上摆放多少个并列元素 "，纵深能力则考验模型的语义解构与逻辑嵌套 —— 能否在一幅图中层层递进地渲染多个嵌套的界面。

以下示例用一条指令在一幅图中从外到内依次展示了：VSCode 编程界面 → 千问聊天界面 → 社交媒体聊天界面 → 手冲咖啡海报。每一层都保持了各自 UI 的真实风格与细节，形成了 " 画中画中画 " 的视觉纵深。

细节真实：能画多逼真？

如果说 " 内容丰实 " 解决的是 " 画多少 " 的问题，那么 " 细节真实 " 解决的是 " 画多细 " 的问题。Qwen-Image-3.0 在微观细节上的渲染精度达到了新的高度：10px 小字清晰可辨，毛孔与发丝纤毫毕现，肌肤质感逼近摄影级真实。

鲸鲨的知识图解

这是一张关于鲸鲨的知识图解，包含大量的文字和插图，而 Qwen-Image-3.0 能够准确渲染每个区域。

学术论文 PDF

学术论文是小字渲染的极限测试场，模型完整渲染了一整页代数几何领域的学术论文，包含多行复杂公式推导。上标、下标、花括号、分数线、多行对齐等 LaTeX 排版元素均准确呈现，小字号下依然保持了极高的可读性。

笔记批注

模型在书页上叠加了逼真的红色手写批注 —— 下划线、波浪线、圈画、箭头和简短评语，字迹自然流畅，完美模拟了高中生课堂笔记的风格。

人像摄影

在人像摄影中，模型也能够刻画非常细腻的纹理。

物体纹理

除人像之外，模型也能刻画其他物体的纹理细节。

古画修复

给定一幅破损或不完整的传统绘画，模型能够修复缺失的部分，同时保持原有的艺术风格和笔触。模型以与原画一致的笔法完成了鹰搏图的修复，保持了水墨渐变、羽毛质感和构图平衡，同时去除了霉斑和破损痕迹。

知识厚实：理解的知识边界有多广？

" 内容丰实 " 回答了 " 能画多复杂 "，" 细节真实 " 回答了 " 能画多逼真 "，而 " 知识厚实 " 回答的是 " 能画多广 "。Qwen-Image-3.0 拥有覆盖 12 国语言、多种字体、100+ 艺术风格和多种 UI 界面的渲染能力，其背后是模型对世界知识的深度理解。

西班牙语渲染

仿真 UI 界面

复杂信息图

模型结合强大的世界知识，基于真实图像生成一个复杂的信息图。模型在保留原始昆虫照片主体的同时，添加了分类学信息、形态标注、放大细节视图和比例尺等专业元素，生成了一张可以直接用于学术发表的研究配图。

总结

Qwen-Image-3.0 以 " 内容丰实、细节真实、知识厚实 " 三大特色为支撑，在多语言产品海报、复杂 UI 界面等高价值生产力场景中取得了显著突破。我们相信，随着图像生成模型能力的持续提升，它将在设计、内容创作、教育、电商等更多领域中释放出真正的生产力价值。