Qwen-Image-3.0实测:中文渲染从30%到70%,AI画图这次真能干活了
复杂版面一次性生成,实际能用吗?
官方给出了一个很有说服力的演示:一条3.7k token的指令,一次性生成九宫格图解,九个格子分别包含隧道安全漫画、空间几何教学、古文分析、物理图解、医学图示等内容,每个格子都是一张独立的信息图。4.5k token的上限意味着你可以像写需求文档一样描述画面,而不是把需求压缩成一句话。多层UI嵌套也是亮点——VSCode界面里嵌套着Qwen聊天窗口,聊天窗口里又嵌套着微信和一张海报,层层保持各自的UI风格。这对于需要做界面原型、产品概念图的人很有价值。不过要泼一盆冷水:发布时没有公开技术报告、参数规模或可复现基准,外部无法独立验证官方声称的能力边界。官方样例展示的是能力上限,不等于所有提示词都能稳定达到同等质量。13
和GPT Image 2比,谁更适合你?
这两款模型实际上在争夺同一个赛道:把AI图像生成从“好看”推向“好用”。但它们的强项各有不同。Qwen-Image-3.0在中文字渲染、超长指令处理、亚洲面孔写实度和国内访问便利性上占优;GPT Image 2在英文渲染精度、4K原生分辨率、复杂科学图表的物理逻辑正确性、世界知识深度上更稳。有博主拿同一组敦煌残卷展陈提示词测试两者:Qwen的展陈氛围更精致,但指令明确要求“黑体”时输出的是宋体;GPT完全遵循了字体指令,但整体AI感更重。香水广告场景两者差距极小,都达到了商业摄影水准。结论很直接——如果你的工作以中文内容为主、需要快速出图、追求访问便利,选Qwen-Image-3.0;如果你对英文精度、分辨率和审美完成度有更高要求、能接受API调用,GPT Image 2仍然是综合上限更高的选择。41
现在能不能用、怎么用、值不值?
当前文章无评论,是时候发表评论了