Qwen-Image-3.0：有哪些新功能，以及如何使用

在其發布範例中，Qwen-Image-3.0 以單次生成繪製出一張九宮格資訊圖：一個物理推導、一道群論證明、一張醫學圖解、一個細胞生物學比較圖，每個分格都塞滿了各自帶標註的圖示與說明文字，所有小字仍然清晰可讀。這張圖最清楚地總結了第三代 Qwen 圖像模型 於 2026 年 7 月 21 日發布 的實際用途。

*Qwen-Image-3.0 官方範例（透過 qwen.ai）。Qwen 表示，整個網格來自單一提示詞，而不是由九次渲染拼接而成。*

Qwen 用一個字總結這次發布：「实」，大致可譯為 *實在* 或 *務實*。1.0 追求準確度，2.0 追求覆蓋範圍，而 3.0 則瞄準生產工作：報紙、分鏡腳本、試卷、巢狀 UI 模型圖，以及一眼看去就能完整成立的學術圖表。它不那麼著重於一張漂亮的圖片，而是更注重資訊密度高、內容繁複的版面，並且連小字都能保持正確。

Qwen-Image-3.0 實際上是什麼

Qwen-Image-3.0 是阿里巴巴 Qwen 團隊推出的文字轉圖像基礎模型，也是該系列的第三個版本，而這個系列長期以來最突出的優勢一直是文字渲染。Qwen 將這些世代的進展描述為一種演進：1.0 是「準確」，2.0 是「準確、多樣、完整、美觀、真實」，而 3.0 則是「紮實」。實際上，這表示它鎖定的是目前大多數圖像生成器仍然容易出錯的場景（如整版報紙、多分鏡故事板、嵌套在另一張截圖中的截圖），因此輸出內容可以直接投入設計、教育、電商或內容工作流程中使用。

三項重要的升級

Qwen 圍繞三大支柱來安排這次發布。撇開行銷話術，每一項都能為你帶來具體的好處。

豐富內容：4.5k-token 提示詞與一次性複雜版面配置

最關鍵的數字是提示長度。Qwen-Image-3.0 最多可接受 4.5k tokens 的輸入，這比上一代可處理的大約 1k-token 指令長度大幅提升。token 是模型讀取的一段文字，因此更多的 tokens 代表你可以一次描述更密集、結構更完整的場景。

那個預算解鎖了兩件事。Qwen 所稱的第一個是 *horizontal* 版面配置：上方的九宮格，每個格子都是各自獨立的詳細資訊圖表，而整體則一次生成。按照 Qwen 的說法，完整描述那個九宮格大約用了 3.7k 個 tokens，這也是提高上限很重要的原因：舊的限制無法容納這段指令。

第二個是 *depth*：在介面中再巢狀介面。Qwen 的範例呈現了一個 VS Code 視窗，其中包含一個 Qwen 聊天視窗，而其中又包含一個 WeChat 聊天，內部還有一張咖啡海報，每一層都保有自己逼真的 UI。如果你的工作涉及 mockup、dashboard，或分層場景，這就是值得關注的升級。

逼真細節：仍然清晰可讀的小字

文字渲染一直是 Qwen 系列最強的特性，而 3.0 將下限推進到10px 仍可閱讀的小字。在這些範例中，這一點在棘手情況下也成立：一整頁學術 LaTeX，包含正確的上標、下標、希臘字母與定理編號；一份在真實紙張上的密集報紙內文；以及科學圖版上極小的註解標籤。

*官方 Qwen-Image-3.0 範例（透過 qwen.ai）：一個以照片為基礎構建的分類學風格板塊，帶有小標籤與 0.5mm 比例尺，且保持銳利清晰。*

這些範例中最突出的特點是，小字並不會淪為雜訊。即使在容易出現文字亂碼的尺寸下，說明文字、註腳與座標軸標籤仍能保持清晰可辨。細節不僅止於文字：Qwen 呈現出接近攝影寫實的皮膚質感，連毛孔與髮絲層級都能表現；此外，還有一項修復受損傳統水墨畫的編輯，能在保留原始筆觸的同時補上缺失區域。

豐富知識：12 種語言、100+ 種風格，以及連網輸出

第三個支柱是廣度。Qwen-Image-3.0 可原生渲染 12 種語言（示範中包含日文、韓文和西班牙文），支援100+ 種藝術風格與多種字體，並能為網頁、遊戲和直播產出令人信服的模擬 UI。

*Qwen-Image-3.0 官方範例（透過 qwen.ai）：一張單張圖片知識海報，包含八個區塊和數十個小標籤，全部清晰可讀。*

有兩項能力特別突出。它能根據一張真實照片製作詳細的參考資訊圖：上方的盤子圖在原始影像上加入了分類標籤、形態註解、放大細節視圖和比例尺。而且 Qwen 還展示了它從網路擷取即時資訊的能力，在其中一個示範中，為特定城市與日期生成了天氣預報圖表。這意味著它不再只是「畫出我描述的內容」，而是更進一步走向「畫出當下的內容」——不過，和任何生成圖表一樣，在依賴它們之前，你仍然應該先核實其中的事實。

它與其他文字表現強的圖像模型相比如何

如果你正在為文字密集或版面密集的工作選擇模型，以下是實際可行的替代方案。下方評分僅供參考，並非經過基準測試：Qwen 尚未公布 3.0 的任何分數，因此若將任何一對一數字視為事實，都只是猜測。

當你親自比較這些模型時，有三項測試能將「具備文字能力」的模型與可靠的模型區分開來：小字在海報尺寸下是否仍然清晰易讀、多面板版面是否能保持結構而不是糊成一團，以及模型是否能保留某種語言的真實文字系統，而不是以近似方式取代。Qwen 正是圍繞這三點打造 3.0 版本的。如果你已經透過像 AIReiter 這樣的單一 API 運行 Nano Banana Pro、Seedream 5 或 GPT-Image-2，請注意 Qwen-Image-3.0 目前還不在該目錄中；目前它只在 Qwen 自家的平台上提供。

今天如何試用 Qwen-Image-3.0

在發布當天，最穩妥的方式是使用 Qwen 自家的平台：

• Qwen Studio 於 chat.qwen.ai，可在 web、iOS、Android、macOS 和 Windows 上使用。這是上線當天最直接進入模型的方式；打開圖片工具並在那裡提示它。
• Qwen's API platform（Qwen Cloud）用於程式化存取。
• Qwen-Image 模型卡位於 Hugging Face，提供該系列的技術細節。

要發揮 4.5k token 的優勢，請撰寫一個明確指定結構的 prompt：逐一命名每個面板、其標題，以及你希望其中出現的精確文字，而不是只用一句寬鬆的句子。可調整的骨架如下：

建立一張單一的 2x2 資訊圖海報，「咖啡沖煮方法」。
左上 — 「手沖」：3 個步驟並附標籤（沖洗濾紙、悶蒸 30 秒、繞圈注水），小字說明「1:16 比例，92°C」。
右上 — 「法式濾壓壺」：標示圖解，小字說明「浸泡 4 分鐘，粗研磨」。
左下 — 「義式濃縮咖啡」：一杯萃取液的剖面圖，層次標示（crema、body、heart），小字說明「9 bar，25-30 秒」。
右下 — 「AeroPress」：編號步驟，小字說明「倒置法」。
一致的扁平插畫風格、易讀的小字說明、白色背景。

版面指示越具體，你實際使用到的新功能就越多。

發佈日測試有一個注意事項：在 7 月 21 日，我嘗試的一個第三方 qwen/text-to-image 端點（透過 Kie marketplace）在接受工作後回傳了重複的 500 錯誤。這只是其中一家供應商，並不能證明整個平台都發生中斷，但如果你今天遇到下游 Qwen 端點故障，較安全的做法是在鏡像站穩定前先直接前往 Qwen Studio。

我們仍然不知道的事

由於這個才在幾小時前推出，還有一些事情尚未公開，因此如果有人把它們當作事實來陳述，你應該保持懷疑：

• 定價。 Qwen 的公告中沒有 API 費率表。你今天看到的任何具體單張圖片成本都只是猜測。
• 開放權重。 先前的 Qwen 圖像模型可以下載，但 Qwen 尚未說明 3.0 的權重是否會釋出。社群一直公開討論 Qwen 是否正朝向封閉模型發展，所以現在不要先假設你已經可以自行託管 3.0。
• 參數與基準測試。 這次發布沒有附帶參數數量或基準測試分數。外界流傳的數字通常屬於 2.0。

常見問題

Qwen Image 3 是免費的嗎？

你可以透過 chat.qwen.ai 上的 Qwen Studio 使用 Qwen-Image-3.0，該平台提供免費使用 Qwen 聊天與圖片工具。Qwen 尚未公布 API 定價，因此程式化使用的付費方案成本仍然未知。

我可以下載 Qwen-Image-3.0 嗎？

尚未確認。Qwen 的發佈文章未說明 3.0 的權重是否會開放下載。先前版本可在 Hugging Face 取得，但在 Qwen 明確表示之前，請先將 3.0 視為僅可透過雲端使用。

Qwen Image 3 與 2.0 有何不同？

最大的變化包括：prompt 輸入從大約 1k token 提升到 4.5k token、可讀的 10px 小字渲染、像九宮格這樣的一次性複雜版面、12 種語言的原生文字，以及可連網生成。Qwen 將這視為從「好看」轉向「實用」的轉變。

Qwen Image 3 是否能處理非英文文字？

是的。Qwen 表示它原生渲染 12 種語言，而示範內容包含日文、韓文和西班牙文，且皆以各語言的實際文字系統呈現，而非用近似字元替代。

我可以在哪裡線上使用 Qwen Image 3？

Qwen Studio (chat.qwen.ai) 是官方線上入口，提供網頁版和行動應用程式。也可透過 Qwen 的 API 平台進行程式化存取。