Qwen-Image-3.0全量上线：支持4.5K Token复杂版式，API低至0.18元一张

2026年8月5日，阿里巴巴千问图像生成模型 Qwen-Image-3.0正式上线千问AI平台，并面向用户开放在线体验与API服务。

此次上线包含两个版本：

• qwen-image-3.0-pro：旗舰版本，重点处理复杂版式、小字、多语言文字及高质量商业视觉
• qwen-image-3.0：标准版本，在画面质量、生成速度和调用成本之间取得平衡

标准版文生图价格为 0.18元一张，Pro版1K图片为0.25元一张，2K图片为0.5元一张。海外开发者还可以通过Qwen Cloud接入相关服务。

在Arena.ai最新Text-to-Image真人盲测榜单中，qwen-image-3.0-pro以1263±11分暂列全球第五，并成为当前排名最高的中国图像生成模型。该成绩目前仍标记为Preliminary，排名会随着新增投票继续变化。

Qwen-Image-3.0是什么？

Qwen-Image-3.0是千问图像模型系列的第三代基础图像生成模型。

与只擅长生成写真人像、插画或风景的传统生图模型相比，Qwen-Image-3.0更加关注“信息与画面同时正确”，重点提升了以下能力：

• 长指令理解
• 复杂图文版式
• 中文及多语言文字渲染
• 小字号文字生成
• 信息图和知识图解
• 多层UI界面
• 数学公式与科研图表
• 多图参考与图片编辑
• 写实人物、材质及场景细节
• 商业设计中的信息对应关系

千问团队将这一代模型的特点概括为：

• Rich Content：丰富内容
• Authentic Details：真实细节
• Deep Knowledge：深度知识

模型不再只追求“第一眼好看”，而是尝试生成可以直接用于海报、报告、界面、信息图和营销素材的结构化视觉内容。

两个版本有什么区别？

阿里云文档将标准版描述为“平衡质量与速度”，Pro版则重点面向复杂版面、小字渲染和多语言字体等高难度任务。

0.18元一张具体指哪个版本？

“0.18元一张”对应的是标准版：

qwen-image-3.0

标准版当前的输出价格为：

Pro版价格为：

文生图没有输入图片，因此不产生图片输入费用。

使用图生图或图片编辑时，每张输入图片还会收取0.02元。模型最多支持输入3张参考图片，因此一次三图编辑会额外产生0.06元输入成本。

例如，使用标准版输入3张参考图片，再生成一张2K结果：

输入图片：3 × 0.02元 = 0.06元
输出图片：1 × 0.18元 = 0.18元
合计：0.24元

使用Pro版完成相同的三图参考2K任务：

输入图片：3 × 0.02元 = 0.06元
2K输出：1 × 0.5元 = 0.5元
合计：0.56元

实际账单应以接口返回的input_image_type和output_image_type字段为准。

1K和2K如何划分？

Qwen-Image-3.0系列根据输出图片的总像素面积划分计费档位：

• 总像素面积不超过2,250,000：按照1K档位
• 总像素面积超过2,250,000：按照2K档位

API支持的输出像素面积范围约为：

512×512 至 2048×2048

支持的画面比例范围为：

1:8 至 8:1

因此，模型不仅可以生成常见的1:1、3:4、4:3和16:9画面，也支持较长的横幅、竖幅海报及特殊比例内容。

需要注意，Qwen-Image-3.0当前最高输出为2048×2048，不是4K模型。需要4096×4096文生图时，阿里云目前推荐使用wan2.7-image-pro。

最长支持4.5K Token复杂指令

Qwen-Image-3.0系列的一项核心升级，是支持最长约 4.5K Token的复杂指令输入。

这并不只是让用户写更长的摄影提示词，而是允许在一个请求中同时描述：

• 完整文案
• 多级标题
• 页面布局
• 每个模块的位置
• 元素之间的对应关系
• 图表数据
• 数学公式
• 角色和场景设定
• 字体及颜色要求
• 哪些内容必须保留
• 哪些内容禁止出现

阿里云官方文档将4.5K Token输入列为Qwen-Image-3.0-Pro处理复杂内容、真实摄影质感和密集信息排版的重要能力。

例如，用户可以一次提交一份完整活动海报Brief：

生成一张3:4竖版人工智能设计大会海报。

顶部放置主标题“AI设计新视界”，使用高对比无衬线字体；
副标题为“2026全球智能创作峰会”。

画面中部展示未来城市、设计工作台和悬浮的AI界面；
下方设置三个信息模块：
1. AI视觉设计
2. 智能工作流
3. 多模态创作

底部准确显示：
2026年8月20日
深圳国际会展中心
主办方：UIED设计社区

整体使用白色、银灰和电光蓝配色，
保留充足留白，不要额外生成无意义英文。

过去，这类任务往往需要先生成背景，再进入设计软件添加文字和模块。

Qwen-Image-3.0的目标，是在一次生成中同时处理内容、布局和视觉风格。

可以生成3×3高密度信息图

官方发布案例展示了模型一次生成3×3信息网格、报纸版面、研究页面和多模块UI界面的能力。

这类任务不仅要求模型生成多个区域，还要正确处理：

• 九个模块之间的顺序
• 每个模块对应的文案
• 标题与说明文字层级
• 图标与内容的匹配
• 模块间距和视觉统一
• 信息阅读路线
• 整体版面密度

适合的商业场景包括：

• 产品功能九宫格
• 小红书知识卡片
• 电商卖点图
• 教学信息图
• 数据报告
• 时间轴
• 产品使用指南
• 社交媒体长图
• 品牌服务介绍
• 流程及步骤说明

不过，模块数量越多，文字和对应关系出错的概率也越高。正式发布前仍应逐项检查。

支持12国语言原生文字渲染

Qwen-Image-3.0支持12种语言的原生文字渲染，并覆盖多种字体类型。模型可以在一张图片中生成中文、英文及其他语言内容，用于多语言海报、包装、界面和跨境营销素材。

“原生渲染”意味着文字不是在生成图片后由另一个排版模块简单覆盖，而是作为画面中的组成部分，与以下视觉元素共同生成：

• 纸张
• 金属
• 玻璃
• 布料
• 包装盒
• 招牌
• 屏幕
• 墙面
• 书籍及报纸

例如，模型可以尝试生成：

• 印在玻璃瓶上的品牌名称
• 织在衣服上的文字
• 发光屏幕中的UI标签
• 墙面上的活动海报
• 报纸及杂志中的多栏正文
• 产品包装上的中英文说明

文字与材质融合，比后期简单叠字更自然，但也更难保证每个字符完全正确。

最小可渲染约10像素文字

千问团队还展示了约10像素小文字的生成能力。

这对以下场景具有实际价值：

• 报纸正文
• 信息图注释
• 图表刻度
• UI按钮文字
• 商品包装说明
• 学术图表
• 地图标注
• 多栏排版

需要注意，“能够渲染10像素文字”不等于所有10像素文字都能保持100%准确。

当画面同时包含长段落、复杂字体、多种语言或大量数字时，仍可能出现：

• 错字
• 漏字
• 重复文字
• 标点错误
• 数字变化
• 字体不一致
• 行距和对齐问题

正式商业图片仍需要人工校对，尤其是价格、日期、联系方式、品牌名称及法律声明。

覆盖100多种艺术风格

Qwen-Image-3.0官方展示的风格覆盖超过100种，既包括传统艺术媒介，也包含现代数字设计和商业视觉。

可覆盖的主要方向包括：

• 写实摄影
• 电影画面
• 时尚摄影
• 商业产品摄影
• 油画
• 水彩
• 素描
• 水墨
• 版画
• 像素艺术
• 3D渲染
• 扁平矢量插画
• 动漫
• 漫画
• 复古印刷
• 赛博朋克
• 极简主义
• 拼贴设计
• 信息图
• UI及游戏界面

“100多种风格”更多代表模型的风格覆盖范围，并不表示每一种风格都拥有完全相同的稳定性。

实际使用时，应结合：

• 风格名称
• 材质
• 光线
• 构图
• 色彩
• 镜头
• 参考图片
• 禁止元素

共同约束生成方向。

UI界面生成能力进一步提升

Qwen-Image-3.0可以生成多种界面类视觉，包括：

• 网页
• 手机App
• 游戏HUD
• 直播界面
• 数据看板
• 开发工具
• 操作系统窗口
• 产品控制台

官方介绍将多种UI界面列入模型的重点渲染能力。

相比普通图片生成，UI界面要求模型理解：

• 页面栅格
• 导航和侧边栏
• 按钮状态
• 卡片层级
• 图表区域
• 表单输入框
• 标签和图标
• 文字与控件对应关系

这类能力适合产品经理和设计师快速生成视觉原型。

但生成结果仍然是PNG图片，不是可以直接交付的Figma文件或前端代码。正式开发仍需重新建立组件、交互和响应式布局。

可以处理数学公式和专业知识图像

Qwen-Image-3.0的“Deep Knowledge”能力，主要体现在把专业内容转化为结构化视觉，而不只是生成抽象艺术图片。

模型可以尝试处理：

• 数学公式
• 几何图形
• 科学示意图
• 教学图解
• 历史及知识卡片
• 数据图表
• 论文页面
• 复杂流程图

官方案例显示，模型可以将公式、正文、图表和手写标注放在同一张学术页面中。

不过，图像模型不应被视为专业知识数据库。

模型可能生成外观合理、但事实或公式错误的内容。涉及以下场景时，必须由专业人员核对：

• 数学推导
• 医学结构
• 法律流程
• 金融数据
• 历史时间
• 实验步骤
• 产品技术参数

文生图与图片编辑使用同一个模型

Qwen-Image-3.0和Pro版本均同时支持：

• Text-to-Image：文字生成图片
• Image-to-Image：图片生成图片
• Image Editing：图片编辑

开发者不需要在文生图和编辑时切换两个模型ID。

图片编辑可以用于：

• 修改文字
• 替换背景
• 添加或删除物体
• 改变人物动作
• 转换视觉风格
• 调整画面布局
• 修复图片
• 组合多张参考素材

用户最多可以上传3张参考图片，再通过文字说明每张图片的用途。

例如：

参考图片1中的人物五官；
参考图片2中的服装；
参考图片3中的海报构图；
生成一张3:4新品发布海报，
保持人物身份和服装细节，
将背景改成银灰色未来实验室。

API支持JPG、JPEG、PNG、BMP、TIFF、WEBP和GIF等输入格式，单张图片最大10MB。

单次最多生成6张图片

Qwen-Image-3.0系列支持通过参数n设置单次输出数量：

1至6张

用户可以一次生成多个方案，用于比较：

• 不同构图
• 不同风格
• 不同镜头
• 不同排版
• 不同人物表现
• 不同商品场景

需要注意，计费按照实际生成的图片张数计算。

例如，标准版一次生成6张图片：

6 × 0.18元 = 1.08元

Pro版一次生成6张2K图片：

6 × 0.5元 = 3元

批量生产时，应限制无意义的重复生成，并保存种子、提示词和最终选中的版本。

支持两种Prompt智能改写

API默认开启提示词智能改写，并提供两种模式：

Direct Prompt Enhancement

参数值：

direct

适合大多数文生图和图片编辑任务。

它会在不明显改变用户目标的前提下，补充画面风格、构图、光线和细节。

Agent Prompt Enhancement

参数值：

agent

适合复杂文生图任务。

Agent模式会对需求进行更完整的分析和整理，适合信息图、商业海报、UI界面和多模块视觉。

目前Agent Prompt Enhancement只支持文生图，不支持图生图或图片编辑。

对于已经写得非常详细的专业提示词，也可以关闭prompt_extend，避免系统重新解释原始要求。

支持负向提示词和固定Seed

Qwen-Image-3.0 API提供：

• negative_prompt
• seed
• watermark
• size
• n
• prompt_extend

等控制参数。

负向提示词可以描述不希望出现的内容，例如：

不要水印，不要无意义文字，不要多余人物，
不要改变商品颜色，不要错误Logo。

固定Seed有助于让多次生成保持相对接近的初始随机状态，但并不能保证不同模型版本或不同时间的结果完全一致。

API默认不添加水印，开发者可以根据自身应用场景决定是否开启。

Arena文生图榜国内第一

截至2026年8月5日，Arena.ai Text-to-Image Arena显示：

Qwen-Image-3.0-Pro目前是榜单中排名最高的中国模型。

但需要注意：

• 当前只累计约2801次投票
• 榜单仍标记为Preliminary
• 分数会随新增投票发生变化
• 一分左右的差距不代表稳定领先
• 真人偏好榜无法覆盖所有专业场景

因此，“文生图国内第一”有当前榜单支持，但不能写成永久排名或所有能力全面第一。

Qwen-Image-3.0适合哪些商业场景？

品牌与广告设计

可以根据完整Brief生成包含品牌文案、产品、卖点和活动信息的海报初稿。

电商视觉

适合生成：

• 商品场景图
• 活动主图
• 卖点信息图
• 商品海报
• 社交媒体广告
• 海外多语言素材

新媒体内容

可以制作：

• 小红书封面
• 公众号头图
• 微博配图
• 知识卡片
• 九宫格图文
• AI资讯海报

UI与产品设计

可用于快速生成网页、App、数据看板及游戏界面的概念图。

教育和知识内容

可以将知识点、公式、流程和时间线转化为信息图或教学海报。

跨境营销

12国语言文字渲染能力适合不同市场的本地化广告、包装和社交媒体素材。

企业批量工作流

标准版0.18元一张的价格，适合接入批量营销素材、内容运营和自动化设计流程。

Standard版和Pro版应该怎么选？

选择Standard版

适合：

• 预算敏感
• 大批量生成
• 社交媒体配图
• 普通产品场景
• 内容创作
• 初期方案探索
• 对小字精度要求不极端

模型ID：

qwen-image-3.0

选择Pro版

适合：

• 长文字海报
• 复杂信息图
• 多语言排版
• UI界面
• 高密度知识内容
• 精细商品与人物
• 正式商业方案初稿

模型ID：

qwen-image-3.0-pro

可以先使用标准版进行低成本构图探索，选定方向后再用Pro版生成最终候选方案。

API调用时需要注意什么？

图片链接只保留24小时

API返回的生成图片URL有效期为24小时。开发者需要及时下载并保存到自己的对象存储。

北京和新加坡使用不同API Key

中国北京地域和新加坡地域使用不同的API Key与请求地址，不能混用。

正式文字仍需人工校对

模型文字能力很强，但不能保证价格、日期、品牌名和长段落绝对正确。

API开放不等于开放权重

截至8月5日，官方此次明确开放的是在线体验和API服务。公开资料暂未给出Qwen-Image-3.0模型权重、参数规模及完整技术报告，因此目前应将其视为托管式商业模型，而不是已经可以本地部署的开放权重模型。

生成知识图时需要核查事实

图像中的公式、数据、地图和科学结构可能看起来合理，但内容仍可能错误。

商业素材要检查版权

参考图片、字体、人物肖像、品牌Logo及商品素材，需要确认拥有相应使用权。

总结

Qwen-Image-3.0已经于2026年8月5日正式上线千问AI平台，并开放标准版和Pro版API。

标准版qwen-image-3.0的文生图价格为0.18元一张，1K和2K输出采用相同价格；Pro版qwen-image-3.0-pro则分别为1K 0.25元、2K 0.5元。

模型系列支持：

• 最长约4.5K Token复杂指令
• 12国语言文字渲染
• 100多种艺术风格
• 约10像素小文字
• 复杂信息图和图文版面
• UI及游戏界面
• 文生图和图片编辑
• 最多3张参考图片
• 单次最多6张输出
• 最高2048×2048分辨率
• Agent Prompt Enhancement

在Arena.ai最新文生图真人盲测中，Qwen-Image-3.0-Pro暂列全球第五，并成为当前排名最高的中国模型，但成绩仍处于初步统计阶段。

Qwen-Image-3.0最值得关注的地方，不只是图片更写实，而是它开始处理过去必须由设计师在多个软件中完成的复杂任务：

把长文案、数据、公式、布局、图片和视觉风格放入同一个指令，再直接生成一份结构相对完整的视觉成果。

对于自媒体、电商、跨境营销、UI设计和企业内容团队而言，0.18元一张的标准版API，也进一步降低了将高信息密度图像生成接入商业工作流的成本。

不过，正式商用前仍需人工检查文字、事实、商品细节、品牌规范及版权。API全量上线也不等于模型权重已经开放，本地部署仍需等待后续官方消息。

相关链接

• Qwen-Image-3.0在线体验入口
• Qwen-Image-3.0官方发布文章
• 千问AI平台计费说明
• Qwen-Image-3.0 API文档
• 阿里云图片生成与编辑模型说明
• 阿里云百炼模型列表