【CNMO 科技消息】7 月 21 日，阿里发布最新图像生成基础模型 Qwen-Image-3.0。该模型支持最大 4.5k Token 超长输入，可一次生成涵盖公式符号、几何图形、逻辑推导步骤等多元素融合的知识图解、复杂 UI 界面，同时支持 12 国语言和 20 多款字体原生渲染。

据 CNMO 科技了解，Qwen-Image-3.0 是千问图像生成和编辑模型系列的第三代基础模型，对于 GPT-Image-2 擅长的直播间页面，Qwen-Image-3.0 也能轻松生成。

Qwen-Image-3.0 着重提升了模型对于复杂信息的承载能力，较前代在文本输入长度上实现了 4.5 倍的跃升。这意味着，在影视短剧分镜、复杂信息图、产品说明页等需要超长提示词输入的场景中，用户不再需要将需求压缩成一句话，而是可以像给设计师撰写需求文档一样，完整描述画面结构、文字内容、视觉风格和排版细节，减少反复生成和人工调试成本。凭借 Qwen-Image-3.0 对语义并置和空间控制能力的把握，新模型可一次性生成涵盖 9 种不同领域的 9 宫格知识图解。

此外，Qwen-Image-3.0 还能轻松理解复杂指令和画面的逻辑嵌套关系，可根据一条指令在同一幅图中生成网页、软件界面、聊天窗口、海报等多类组合式视觉内容。

版权所有，未经许可不得转载