Qwen-Image-3.0

模型概述

Qwen-Image-3.0 是阿里巴巴 Qwen 团队于 2026 年 7 月 21 日发布的第三代图像生成基础模型。官方发布文章将这一代的重点概括为丰富内容（Rich Content）、真实细节（Authentic Details）和深厚知识（Deep Knowledge），目标是让图像生成从视觉展示走向复杂版面、专业文档和多语言内容生产。

长指令与复杂内容生成

Qwen-Image-3.0 支持最长约 4.5K tokens 的输入指令，可以在一次生成中处理大量相互关联的视觉元素。官方案例包括 3×3 多主题知识图解、包含公式与逻辑推导的教学材料、报纸和学术论文版面、分镜、复杂 UI，以及多层嵌套的软件界面。更长的指令容量主要服务于精确描述布局、文字、对象关系和视觉层级，而不是传统语言模型式的长文本对话。

文字、细节与多语言能力

官方展示称模型可以渲染低至约 10px 的小字，并处理 LaTeX 公式、上下标、希腊字母、多行对齐和手写批注等密集文本。模型原生支持 12 种语言和 20 多种字体的图内文字渲染，同时强化了人物皮肤、毛孔、发丝、纸张、绘画笔触等细节表现。官方还展示了超过 100 种艺术风格、现实世界知识驱动的场景，以及面向教育、设计、电商和专业出版的内容生成案例。

生成与编辑

除文本生成图像外，官方案例还展示了图像编辑和修复能力，包括为传统绘画去除破损、保留原有笔触与墨色层次，以及对现有素材进行带文字指令的修改。因此本站将其归入图像生成、图生图和基于文本指令的图像编辑任务。

访问状态、价格与评测

发布时阿里云百炼开放 API 邀测，Qwen Studio 和千问 App 的体验入口处于逐步开放阶段。Qwen Cloud 公开图像模型目录当时仍只列出 Qwen-Image-2.0 系列，尚未给出 Qwen-Image-3.0 的稳定公开 API SKU、分辨率限制或正式价格；Qwen 团队也未公开模型权重、参数规模或可直接录入的官方 benchmark 分数。因此本站暂不填写 API 价格、参数量和评测成绩，待公开文档更新后再补充。

社区观察

X 用户 @Lentils80 分享了官方样例和早期观察，认为学术论文示例的文字与版面表现突出；这属于社区定性观察，不作为基准评测数据。