Qwen-Image-3.0: 内容丰实、细节真实、知识厚实

我们推出 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 的核心就是有一个字——“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，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。

内容丰实

让我们先从Qwen-Image-3.0生成的下面这张图片开始：

可以看到，Qwen-Image-3.0可以准确的渲染一个数学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。这些视觉内容有着合理的排版，相对位置关系，看上去内容丰富。

然而，这并不是Qwen-Image-3.0的真正实力，事实上，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：

没错，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。

这便是我们提到的"内容丰实"的一个重要特点：内容可横展。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。

除了内容可横展能力以外，纵深能力是内容丰实的另一个重要特征。

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 → 微信聊天界面 → 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。