2025年7月21日，阿里云正式推出千问（Qwen）系列最新AI图像生成基础模型——Qwen-Image-3.0。该模型在复杂信息承载、多语言文字渲染、多层UI嵌套理解以及编辑场景融合等方面实现了显著升级，为商业素材生成、影视分镜、知识图解等场景提供了更高效、更精准的解决方案。

核心能力一：超长输入与复杂信息承载

Qwen-Image-3.0 支持最大 4.5k token 的超长输入，较前代模型在文本输入长度上实现了 4.5倍 跃升。这意味着用户无需再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。

• 一次性生成涵盖公式符号、几何图形、逻辑推导步骤等多元素融合的知识图解。
• 生成复杂UI界面，如软件界面、聊天窗口、网页等。
• 减少反复生成和人工调试成本，提升图文内容生成的准确性。

示例：Qwen-Image-3.0 可一次性生成涵盖9种不同领域的9宫格知识图解，字字清晰，幅幅准确。

图说：在一张图内同时生成9个不同领域不同风格的知识图解

小提示：在输入超长提示词时，建议将画面结构、文字内容、视觉风格和排版细节分点列出，模型能更精准地解析并执行。

核心能力二：多语言与字体原生渲染

Qwen-Image-3.0 支持 12国语言 和 20多款字体 的原生渲染，文字清晰无模糊，大幅降低多语言产品海报、影视/漫画分镜等“可读可用”商业素材的生产成本。无论是中文、英文、日文还是其他语言，模型都能准确呈现文字内容，避免字符错位或模糊问题。

核心能力三：多层UI嵌套与逻辑理解

新模型拥有更详实的知识库，能轻松理解复杂指令和画面的逻辑嵌套关系。例如，用户输入“在VSCode编程界面中，通过千问App生成一张发布在聊天界面里的手冲咖啡海报”，模型能够准确理解其中的多层UI嵌套关系，并依次生成：

• VSCode编程界面
• 千问App界面
• 社交媒体聊天界面
• 咖啡海报

在保持各层界面结构、风格准确的同时，甚至手机截图里的时间数字（低至10像素的小字）都清晰可辨。

图说：Qwen-image-3.0生成的多层UI界面嵌套模拟图片

核心能力四：编辑场景融合

Qwen-Image-3.0 将文字渲染能力、细节质感和世界知识迁移到编辑场景中，支持多种复杂编辑任务一键完成，无需在生成与编辑之间反复切换工具，也无需担心风格、文字、细节在二次处理时出现偏差。支持的编辑任务包括：

• 古画修复
• 全景图生成
• 手绘草图转PPT
• 多镜头机位生成

可用性与体验

截至目前，Qwen-Image-3.0 已通过 阿里云百炼 和 千问AI平台 开通API邀测。Qwen Studio 和 千问APP 也即将上线，供用户免费体验。用户可通过官方渠道申请试用，体验超长指令下的复杂图文生成能力。

常见问题：Qwen-Image-3.0 是否支持商业化使用？
答：模型支持生成商业素材，如产品海报、分镜图等，但具体授权条款需参考阿里云官方服务协议。建议在正式商用前咨询官方文档或客服。