8月5日消息，阿里旗下Qwen团队今日宣布，图像生成模型Qwen-Image正式上线，并面向全球开发者开放源代码与完整权重。该模型以“精准中英文文本渲染”为核心卖点，直接对标Midjourney、DALL·E 3等封闭源竞品，并在多项基准测试中实现超越。

长期以来，图像生成模型在“把字写对、排好”这件事上表现欠佳。Qwen-Image通过自研课程式训练策略，可一次性生成含多行段落、中英混排、字体风格统一的视觉内容。官方演示显示，该模型在以下场景已可直接落地：

品牌营销：双语海报、Logo与广告语同屏呈现；

办公设计：支持PPT素材生成；

教育出版：图解教材、考试插图，文字零错漏；

电商零售：产品标签、店铺招牌与场景文案同步渲染；

创意内容：诗画融合、动漫分镜，文本与画面风格联动。

与Midjourney等需付费订阅的封闭模型不同，Qwen-Image采用Apache 2.0协议，支持免费商用、修改及再发布。开发者可在Hugging Face、ModelScope、GitHub同步获取模型权重、推理脚本与微调示例。用户也可通过Qwen Chat官网直接体验“图像生成”模式。需要提醒的是，Qwen团队未披露训练数据来源，企业在商业化部署时需谨慎评估潜在的法律风险。

据技术白皮书，Qwen-Image训练集由55%自然图片、27%设计内容、13%人物活动及5%内部合成文字构成，总计数十亿图文对。模型采用“三模块”架构：负责理解上下文并引导生成的Qwen2.5-VL多模态语言模型；处理高分辨率细节的VAE编码解码器；以及引入MSRoPE空间位置编码，提升字符对齐精度的MMDiT扩散骨架。该架构支持256p–1328p多档分辨率输出，支持图像编辑（TI2I）、任务提示定制，并可无缝接入Megatron-LM分布式训练框架。

在GenEval、DPG、OneIG-Bench等五大国际基准测试中，Qwen-Image在指令一致性、布局精准度、长文本渲染等指标均位列前三。其中，中文文本清晰度与结构准确性显著优于GPT Image 1、Seedream 3.0、FLUX.1 Kontext等闭源模型。AI Arena平台最新数据显示，Qwen-Image在1万余次人工盲评中综合排名第三，开源阵营第一。

Qwen团队表示，模型已针对营销、教育、电商、数据合成四大场景预置提示词模板，企业用户最快可在数小时内完成业务集成。下一步，团队将联合社区持续优化多语言支持与图像编辑能力，并计划推出LoRA微调工具包。

“我们希望Qwen-Image成为降低视觉内容创作门槛、推动AI与设计融合创新的起点。”Qwen团队负责人称。

即日起，开发者可访问以下链接获取资源：

模型权重与代码：https://github.com/QwenLM/Qwen-Image

在线体验：https://chat.qwenlm.ai