阿里发布Qwen-Image-3.0：支持4500-token超长文本，多语言精准图文生成

阿里正式推出全新图像生成基础模型Qwen-Image-3.0。该模型支持高达4500个token的超长文本输入，可一次性生成融合数学公式、几何图形、逻辑推导过程等专业元素的知识图解，或结构严谨、交互清晰的复杂用户界面。模型原生支持12种语言及20余种字体，文字渲染精准自然，显著提升多语言场景下产品海报、影视分镜、漫画脚本等商业视觉内容的制作效率与一致性。

作为千问图像生成与编辑系列的第三代核心模型，Qwen-Image-3.0覆盖人像写真、教育试卷、文物拓片复原、直播页面设计等多种高要求应用领域，所生成图像细节丰富、质感真实。相比上一代，其文本理解能力实现跨越式升级，提示词长度上限提升至原来的4.5倍，大幅增强对密集信息、多层次指令的解析与表达能力。

在实际使用中，用户可依据具体需求，以接近产品需求文档的方式详尽描述画面构图、文字内容、风格倾向、排版规范等要素，模型据此高效输出高度契合预期的图文成果，显著减少试错与迭代次数。同时支持一次性生成跨学科、多模块整合的九宫格知识图解，兼顾逻辑性与可视化表现力。

该模型具备深度语义理解能力，能准确识别复杂指令中隐含的层级关系与逻辑嵌套，仅凭单条指令即可在同一画面中协同生成网页布局、软件界面、营销海报等不同类型的视觉内容，并严格保持各功能区域的空间结构、交互层级与文字精度，即便极小字号的文字亦清晰锐利、可读性强。