Qwen-Image-3.0：有什么新变化以及如何使用

在其发布示例中，Qwen-Image-3.0 一次性渲染出一张九宫格信息图：包含物理推导、群论证明、医学图示、细胞生物学对比，每个面板都填满了各自带有标注的图表和说明文字，连小号文字的每一行都依然清晰可读。这一张图最清楚地概括了第三代 Qwen 图像模型的实际用途，于 2026 年 7 月 21 日发布。

*官方 Qwen-Image-3.0 示例（通过 qwen.ai）。Qwen 表示，完整网格来自单个提示词，并非由九次渲染拼接而成。*

Qwen 用一个词概括这次发布：“实”，大致可理解为 *扎实* 或 *务实*。如果说 1.0 追求的是准确性，2.0 追求的是覆盖范围，那么 3.0 面向的就是生产级工作：报纸、分镜脚本、试卷、嵌套式 UI 线框图，以及那种一眼看去就能成立的学术图表。它不再只是追求一张好看的图片，而是更关注信息密集、布局复杂的内容，并且连小字部分也要保持准确。

Qwen-Image-3.0 实际上是什么

Qwen-Image-3.0 是来自阿里巴巴 Qwen 团队的文生图基础模型，也是该系列的第三个版本；这个系列长期以来的标志性优势一直是文本渲染。Qwen 将这些版本的生成能力描述为逐步演进：1.0 是“准确”，2.0 是“准确、多样、完整、精美、真实”，而 3.0 则是“扎实”。在实践中，这意味着它瞄准的是许多图像生成器仍然容易出错的场景（整版报纸、多分镜故事板、嵌套在截图中的截图），从而让输出可以直接投入设计、教育、电商或内容工作流中使用。

最重要的三项升级

Qwen 围绕三大支柱组织发布。去掉营销包装后，每一项都能为你带来切实的价值。

丰富内容：4.5k-token 提示词和一次性复杂布局

最重要的数字是提示词长度。Qwen-Image-3.0 最多可接受4.5k tokens的输入，这比上一代大约 1k-token 的指令长度有了大幅提升。token 是模型读取的文本片段，因此更多的 tokens 意味着你可以一次性描述更密集、更结构化的场景。

这个预算解锁了两件事。Qwen 所说的第一种是 *horizontal* 布局：上方的九宫格，每个单元格都是一张各自独立的详细信息图，而且整张图一次生成。按照 Qwen 的说法，完整描述这个网格大约用了 3.7k 个 token，这就是为什么提高上限很重要：旧限制无法容纳这条指令。

第二个是*深度*：在接口内部嵌套接口。Qwen 的示例渲染了一个 VS Code 窗口，里面包含一个 Qwen 聊天窗口，聊天窗口里又包含一个微信聊天界面，微信聊天界面里还有一张咖啡海报，每一层都保持着各自逼真的 UI。如果你的工作涉及原型图、仪表盘或分层场景，这就是值得关注的升级。

逼真的细节：依然清晰可读的小字

文本渲染一直是 Qwen 系列最强的特质，而 3.0 将下限提升到了10px 仍可读的小号文本。在示例中，这一点在困难场景下也经得起考验：一整页学术 LaTeX，带有正确的上标、下标、希腊字母和定理编号；一份在逼真纸张上的密集正文报纸；科学图版上的微小标注标签。

*官方 Qwen-Image-3.0 示例（通过 qwen.ai）：围绕一张照片构建的分类学风格版面，带有小标签和保持清晰的 0.5mm 比例尺。*

这些示例中最突出的特点是，小字号并不会沦为噪点。说明文字、脚注和坐标轴标签在通常会出现乱码的尺寸下，仍能保持清晰可辨。细节也不只体现在文字上：Qwen 展现出接近摄影级真实感的皮肤纹理，细致到毛孔和发丝；它还能修复受损的传统水墨画，在保留原有笔触的同时补全缺失区域。

丰富的知识：12 种语言、100+ 种风格，以及联网输出

第三个支柱是广度。Qwen-Image-3.0 可原生渲染 12 种语言（演示中包括日语、韩语和西班牙语），支持100 多种艺术风格和多种字体，并能为网页、游戏和直播生成令人信服的模拟 UI。

*官方 Qwen-Image-3.0 示例（通过 qwen.ai）：一张单图知识海报，包含八个部分和数十个小标签，全部清晰可读。*

有两个能力尤其突出。它能从一张真实照片构建详细的参考信息图：上面的图板在源图像上添加了分类标签、形态学标注、放大细节视图和比例尺。而且 Qwen 展示了它从网络获取实时信息的能力，在一个演示中为特定城市和日期生成了一张天气预报图表。这意味着它不再只是“画我描述的内容”，而是迈向了“画出当前真实情况”——不过，和任何生成图表一样，在依赖它们之前，你仍然需要核实事实。

它与其他文本能力强的图像模型相比如何

如果你正在为文本密集型或布局密集型工作选择模型，这些是现实可行的替代方案。下面的评分仅供参考，并非基于基准测试：Qwen 尚未公布 3.0 的任何分数，因此将任何一对一的数字当作事实都只能是猜测。

当你亲自比较这些模型时，有三个测试能将一个“具备文本处理能力”的模型与一个可靠的模型区分开来：小字号在海报尺寸下是否仍然清晰可读，多面板布局是否能保持其结构而不是糊成一团，以及模型是否保留了某种语言的真实文字体系，而不是用近似形式代替。Qwen 正是围绕这三个方面构建了 3.0 版本。如果你已经通过像 AIReiter 这样的单一 API 运行 Nano Banana Pro、Seedream 5 或 GPT-Image-2，请注意，Qwen-Image-3.0 目前还不在该目录中；目前它只在 Qwen 自家的平台上提供。

今天如何试用 Qwen-Image-3.0

在发布当天，最稳妥的方式是使用 Qwen 自己的平台：

• Qwen Studio 位于 chat.qwen.ai，支持 web、iOS、Android、macOS 和 Windows。它是在发布当天最直接访问该模型的途径；打开图像工具并在其中输入提示词即可。
• Qwen's API platform（Qwen Cloud），用于程序化访问。
• Hugging Face 上的 Qwen-Image model cards，提供该系列的技术细节。

要发挥 4.5k token 的优势，请编写一个明确指定结构的 prompt：逐一命名每个面板、其标题以及你希望其中包含的确切文本，而不是只用一句松散的话。可调整的骨架如下：

创建一张单一的 2x2 信息图海报，“Coffee Brew Methods”。
左上角 — “Pour Over”：3 个步骤并带有标签（冲洗滤纸、闷蒸 30 秒、画圈注水），小标题“1:16 ratio, 92°C”。
右上角 — “French Press”：带标签的示意图，标题“4 min steep, coarse grind”。
左下角 — “Espresso”：一杯浓缩咖啡的剖面图，分层标注（crema、body、heart），标题“9 bar, 25-30s”。
右下角 — “AeroPress”：编号步骤，标题“inverted method”。
统一的扁平插画风格，易读的小标题，白色背景。

布局指令越具体，你实际使用的新功能就越多。

启动日测试中的一个注意事项：7月21日，我尝试的一个第三方 qwen/text-to-image 端点（通过 Kie marketplace）在接受作业后反复返回 500 错误。这只是一个提供商的问题，并不能证明是整个平台范围的故障，但如果你今天遇到下游 Qwen 端点失败，稳妥的做法是直接前往 Qwen Studio，直到各镜像稳定下来。

我们仍然不知道什么

由于这项功能是数小时前才发布的，有些内容目前尚未公开，因此对于任何将其断言为事实的人，你都应保持怀疑：

• 定价。 Qwen 的公告没有包含任何 API 费率卡。你今天看到的任何具体单图成本都只是猜测。
• 开放权重。 早期的 Qwen 图像模型可供下载，但 Qwen 尚未说明 3.0 的权重是否会发布。社区一直公开讨论 Qwen 是否正在转向闭源模型，因此不要想当然地认为你现在就可以自托管 3.0。
• 参数和基准测试。 这次发布没有附带参数数量或基准分数。外界流传的那些数字通常属于 2.0。

常见问题

Qwen Image 3 是免费的吗？

您可以通过 Qwen Studio 在 chat.qwen.ai 使用 Qwen-Image-3.0，该平台提供对 Qwen 聊天和图像工具的免费访问。Qwen 目前尚未公布 API 定价，因此用于程序化使用的付费套餐成本仍然未知。

我可以下载 Qwen-Image-3.0 吗？

尚未确认。Qwen 的发布文章并未说明 3.0 的权重是否会开放下载。先前版本可在 Hugging Face 上获取，但在 Qwen 明确说明之前，请将 3.0 视为仅限云端使用。

Qwen Image 3 与 2.0 有什么不同？

最大的变化包括：prompt 输入从大约 1k tokens 提升到 4.5k tokens、10px 小号文字也能清晰渲染、像九宫格这样的复杂布局可一次生成、支持 12 种语言的原生文本，以及联网生成。Qwen 将其定义为从“好看”迈向“实用”的转变。

Qwen Image 3 是否支持非英语文本？

是的。Qwen 表示它原生渲染 12 种语言，演示中包括日语、韩语和西班牙语，且都是以各自语言的真实文字脚本渲染，而不是近似字符。

我可以在哪里在线使用 Qwen Image 3？

Qwen Studio (chat.qwen.ai) 是官方在线入口，提供网页和移动应用。可通过 Qwen 的 API 平台进行程序化访问。