阿里正式发布新一代图像生成基础模型Qwen-Image-3.0。作为千问图像生成与编辑系列的第三代基础模型，新模型支持最高4.5K Token超长文本输入，可一次性生成包含公式符号、几何图形、逻辑推导、多层UI界面等复杂内容，并原生支持12种语言和20余款字体渲染，进一步提升商业级图文内容生成能力。
相比上一代模型，Qwen-Image-3.0将文本输入长度提升至4.5倍，在影视分镜、知识图解、产品说明页等依赖长提示词的场景中，用户无需压缩需求，可像撰写设计文档一样完整描述画面结构、文案内容、视觉风格和版式细节，从而获得更加精准的生成结果，降低反复修改和人工调试成本。
在复杂内容理解方面，Qwen-Image-3.0进一步强化了语义解析和空间布局能力，能够一次生成覆盖多个主题的九宫格知识图解，兼顾文字清晰度与内容准确性。同时，模型支持复杂逻辑嵌套，可根据单条指令生成网页、软件界面、聊天窗口、海报等多层视觉元素组合。例如，在“VSCode编程界面中，通过千问App生成一张发布在聊天界面的手冲咖啡海报”等复杂场景下，模型能够准确理解多层UI关系，并保持各级界面风格一致，甚至对约10像素的小字号文字也能实现清晰呈现。
官方表示，Qwen-Image-3.0在人像摄影、数学试卷、古碑拓片、直播页面等场景均具备较强的细节还原能力，对复杂图文混排和高密度信息承载进行了重点优化。
随着生成式AI逐步进入专业设计和商业内容生产环节，图像模型的竞争正从基础画质转向复杂信息表达、可读性和工程化能力。Qwen-Image-3.0的发布，进一步推动AI图像生成向高精度、多语言和商业可用方向发展。
