Qwen-Image是由阿里通義千問團隊研發的200億參數圖像生成基礎模型，採用MMDiT架構，於2025年8月5日開源。2025年12月2日，阿里巴巴發布Qwen-Image的更新，新模型在圖像編輯的一致性，以及多視角轉換、多圖像融合、多模態推理等方面有所進展。2025年12月31日，阿里開源新一代圖像生成模型Qwen-Image-2512，該模型在人物肌膚質感、自然紋理還原與複雜文字渲染方面實現了提升，並支持生成漫畫風格PPT、數據信息圖等圖像。
Qwen-Image在文字渲染和圖像編輯方面具備能力。該模型支持中英文段落級文本渲染，能夠生成包含排版的海報、PPT頁面等。在GenEval、DPG、OneIG-Bench等基準測試中取得較高性能，在LongText-Bench、ChineseWord和TextCraft等文本渲染基準上，其中文文本渲染能力在測試中表現較好。該系列模型整合了多模態大語言模型Qwen2.5-VL和增強版VAE編碼器，通過多階段數據過濾與課程學習策略提升文本渲染精度，支持圖文混合生成及多種藝術風格切換。其圖像編輯功能包括調整人物姿勢，提取圖像紋理等。2025年8月15日，其最佳化版本Qwen-Image distilled在ComfyUI平台上線，支持在消費級顯示卡上運行。模型開源後曾位列Hugging Face榜單，並提供API接口。
基本介紹
- 外文名：Qwen-Image
- 產品類型：圖像生成基礎模型
- 開發商：阿里通義千問團隊
- 發布時間：2025年8月5日
發展歷史,功能簡介,
發展歷史
2025年8月訊息，通義千問發布了首個開源圖像生成基礎模型Qwen-Image。
2025年8月5日，阿里通義千問團隊宣布開源 Qwen-Image。
2025年8月15日，通義千問宣布，ComfyUI上線Qwen-Image distilled。
2025年12月31日，阿里巴巴發布圖片生成及編輯模型Qwen-Image的更新。新模型在圖像編輯中維持了更高的一致性，並在多視角轉換、多圖像融合、多模態推理等方面取得突破進展。
2025年12月31日，阿里開源了新一代圖像生成模型Qwen-Image-2512，該模型在人物肌膚質感、自然紋理還原和複雜文字渲染方面進行了改進，並支持生成漫畫風格PPT、數據信息圖等複雜圖像。
功能簡介
該模型在文本渲染方面具有較好的效果，支持中英文多行段落級高保真文本渲染，對複雜場景和細粒度細節具備處理能力。其新一代模型Qwen-Image-2512在人物肌膚質感與自然紋理還原方面有所提升。Qwen-Image具備一致性的圖像編輯能力，通過增強的多任務訓練範式，在編輯過程中能保持內容的一致性。
在GenEval、DPG、OneIG-Bench、GEdit、ImgEdit、GSO等多個公開基準測試中，Qwen-Image取得了較好的性能。在LongText-Bench、ChineseWord和TextCraft等文本渲染基準上，Qwen-Image在中文文本渲染方面的表現優於部分現有模型。Qwen-Image能夠渲染海報、PPT頁面等多種包含複雜文本和圖像組合的場景，並生成漫畫風格PPT、數據信息圖等複雜圖像。
