Qwen-Image-3.0 发布，重点提升复杂版面、小字、公式、多语言和 UI 图像生成能力。
原文标题：Qwen-Image-3.0：落字成画，字字如印
原文作者：阿里云开发者
冷月清谈：
怜星夜思：
2、文章里提到可生成论文页、医学图解、昆虫分类图等内容，这类“看起来很专业”的图片应该怎么避免误导？
3、如果图像模型已经能做 UI 仿真、游戏界面、直播界面，未来设计师的价值会更偏向哪里？
4、4.5k token 输入听起来很强，但对普通用户来说，写超长提示词真的现实吗？
原文内容
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。
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
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。
