Вышел Qwen-Image-3.0, но радоваться рано. Где веса, Alibaba?

Сегодня команда Qwen выпустила третье поколение нейросети для генерации изображений — Qwen-Image-3.0. Разработчики заявили о смене вектора развития: если Qwen-Image 1.0 выходила со слоганом «Точность», а Qwen-Image 2.0 под идей «Разнообразия и красоты», то главный фокус версии 3.0 — концепт «Реальность».

Продукт позиционируют уже не как генератор красивых картинок, а как прикладной рабочий инструмент для верстки, создания UI-макетов, раскадровок и научных иллюстраций.

Главный прецедент релиза — отказ от открытой политики. Alibaba впервые не опубликовала технический отчет, независимые бенчмарки и веса модели. Инструмент заперт внутри Qwen Chat, а все заявленные возможности подтверждаются только рекламными демонстрациями самой компании.

Технические заявления: контекст, микродетали и знания

Разработчики делят возможности модели на три инженерных блока.

Rich Content (Объем и структура)

Модель принимает инструкции длиной до 4 500 токенов (против ~1 000 у Qwen-Image 2.0). Такой объем памяти позволяет описывать в одном запросе сразу множество независимых деталей.

Разработчики утверждают, что нейросеть способна за один раз генерировать сложные композиции — например, собрать на одной картинке десяток разных инфографик или отрисовать многоуровневые макеты, где интерфейсы логично вложены друг в друга (скажем, открытое окно мессенджера внутри редактора кода).

Authentic Details (Микродетализация)

Модель правильно рендерит мелкий текст размером до 10 пикселей, а также страницы научных статей с плотной многострочной версткой LaTeX (дроби, интегралы, индексы).

Deep Knowledge (Работа с данными)

Модель нативно поддерживает 12 языков (включая испанский, корейский и японский) и 20+ шрифтов, умеет запрашивать актуальные данные из интернета (например, визуализирует прогноз погоды) и генерировать изображения известных персонажей поп-культуры (например, пикачу или марио).

Сравнение с прошлыми поколениями и конкурентами

Чтобы понять масштаб, необходимо посмотреть на результаты прошлого поколения.

Источник.

Ранее компания опиралась на Qwen-Image-Bench — бенчмарк, созданный совместно с профессиональными художниками. В нем проводилась комплексная оценка 18 передовых моделей генерации изображений (включая GPT Image 2, Nano Banana Pro, Seedream 5.0 и другие).

Предыдущий флагман компании, Qwen Image 2.0 Pro, показал следующие результаты:

Модель заняла 5-е место в общем рейтинге с баллом 57,84;
В распределении на 5 лиг (Tier 1 – Tier 5) модель возглавила третью группу (Tier 3);
Нейросеть показала уверенную базу без явных уязвимостей, продемонстрировав результаты на уровне или выше среднего по индустрии практически по всем узким критериям оценки;

Абсолютным лидером тогда стала модель GPT Image 2, набравшая 64,69 балла и занявшая первые места во всех пяти ключевых категориях бенчмарка. Второе место удерживала Nano Banana 2.0 с баллом 59,82.

Наибольший разрыв между Qwen Image 2.0 Pro и лидерами наблюдался в прикладных дисциплинах — эстетике и креативной генерации.

Примеры генерации Qwen-Image-3.0

Вот, например, как нейросеть теперь генерирует животных. Видно, что фон размыт совсем как при реальной съемке на светосильный объектив, а текстура шерсти и блики в глазах выглядят максимально естественно.

Источник.

А это тот самый заявленный стресс-тест для верстки. Модель выдала целую страницу несуществующей научной статьи — с мелким плотным текстом, сложными многострочными формулами и адекватной структурой документа.

Источник.

Ну и куда без портретов. Здесь хорошо видно, как Qwen справляется со сложным освещением: резкая тень от цветка ложится на лицо по всем законам физики, а детализация кожи и мелких волосков не выдает привычное «ИИ-мыло».

Источник.

Главный вывод

Если прошлое поколение — Qwen Image 2.0 Pro — уже входило в уверенный топ-5 индустрии и обеспечивало надежную базу, то кратный рост контекстного окна до 4 500 токенов и фокус на микродетализации текста в версии 3.0 могут дать Alibaba техническое преимущество, способное превзойти лидеров уровня GPT Image 2.

Новая модель выглядит как идеальный рабочий вариант, закрывающий недочеты конкурентов при работе с длинными инструкциями. Однако на фоне резкой смены политики с прозрачной на закрытую обнуляет возможность верифицировать этот прогресс. Без публикации открытых тестов статус Qwen-Image-3.0 как нового лидера рынка остается исключительно маркетинговым заявлением.