Sortie de Qwen-Image-3.0 : le modèle de base d'image de troisième génération, axé sur le mot « réel »

Le 21 juillet 2026, l'équipe Alibaba Tongyi Qianwen a publié le modèle de base de génération d'images de troisième génération Qwen-Image-3.0 pour Qwen. Le responsable a résumé l'évolution des trois générations de modèles en un mot : de « précis » dans la version 1.0, « précis et précis » dans la version 2.0, à « réel » dans la version 3.0. Ce mot « réel » relève de trois dimensions.

Les trois sens du "réel"

• Contenu riche : prend en charge un maximum de 4,5 000 entrées de jetons et peut facilement générer des mises en page complexes telles que des journaux, des storyboards et des épreuves de test - une mise en page complexe n'est plus un défaut des images IA.
• Détails réalistes : améliorez encore la caractérisation et la cohérence des détails et réduisez la "distorsion locale".
• Connaissances solides : Le modèle a une compréhension et une présentation plus solides du contenu intellectuel - les images impliquant des mots, des nombres et des noms propres sont moins sujettes aux erreurs.

Les mots clés de l'évolution du modèle à trois générations lui-même sont très révélateurs : du « dessin précis » au « dessin complet et beau » en passant par le « contenu solide », le parcours d'image de Qwen a toujours été en plus de la « qualité de l'image » et considère la « crédibilité du contenu » comme la dimension concurrentielle centrale.

Année de recherche 2026 de Qwen

Qwen-Image-3.0 n'est qu'une partie des actions intensives de Qwen en 2026 : Qwen-AgentWorld (modèle mondial en langage natif) a été publié le 23 juin, et Qwen-Robot Suite (suite de modèles de base d'intelligence incarnée, comprenant RobotNav/RobotManip/RobotWorld) a été publiée le 16 juin. Les images, les modèles du monde et l'intelligence incarnée progressent en parallèle. Qwen passe de la « génération de conversations et d'images » à une « infrastructure d'agents universelle ». Le Qwen Studio qui l'accompagne est gratuit et ouvert à tous, prenant en charge la génération d'images, la recherche approfondie, le développement Web, la réflexion approfondie, la recherche et la compréhension multimodale.

La génération d'images entre dans la phase de compétition du « contenu crédible »

Du point de vue de l'industrie, la « réalité » de Qwen-Image-3.0 indique le prochain objectif de concurrence dans la piste Wensheng Tu : lorsque « dessiner magnifiquement » est généralement résolu, « dessiner correctement » (texte précis, mise en page raisonnable et connaissances correctes) est devenu un nouveau tournant. Pour les utilisateurs domestiques, les mises en page à haute densité d'informations telles que "les épreuves, les journaux et les storyboards" sont exactement les scénarios les plus fréquents et les plus urgents - le pari de Qwen sur le "contenu riche" s'empare essentiellement de l'esprit des outils de productivité plutôt que des jouets de divertissement. Pour les développeurs, la limite d'entrée de 4,5 000 jetons permet également de « piloter des images complexes avec du texte long », ouvrant ainsi la voie à un certain nombre de nouvelles imaginations d'applications.

Plusieurs orientations à suivre dans le futur :

1. Mesure réelle de la limite supérieure de 4,5 000 jetons : la précision et la stabilité des mises en page complexes basées sur du texte long.
2. Open Source Rhythm : Quand le poids de Qwen-Image-3.0 sera-t-il publié, poursuivant la tradition open source de Qwen.
3. Collaboration avec AgentWorld et Robot Suite : les capacités d'image deviendront-elles la base visuelle des modèles du monde et de l'intelligence incarnée ?
4. Conversion des utilisateurs de Qwen Studio : La plateforme gratuite peut-elle précipiter des scénarios payants côté B.