阿里巴巴今日正式推出新一代圖像生成基礎模型Qwen-Image 2.0，在長指令處理、文字渲染精度及模型效率方面實現突破性進展。該模型支持最長1000個token的超長指令輸入，分辨率提升至2K級別，同時通過輕量化架構設計將模型體積壓縮至前代20B版本的十分之一以下，推理速度顯著提升。
技術測試顯示，在888個token構成的復雜排版指令下，Qwen-Image 2.0可精準還原字體樣式、顏色及布局參數。官方演示案例中，該模型成功生成包含《蘭亭集序》全文的毛筆字畫卷，文字與山水背景的融合度較前代提升40%，錯誤字符比例降至5%以下。針對多子圖生成場景，模型可一次性輸出24格連貫漫畫，人物特征保持率達92%，較同類模型提升15個百分點。
在AI盲測平臺AI Arena的基準測試中，Qwen-Image 2.0位列文生圖第三、圖生圖第二，與榜首谷歌Nano Banana Pro存在7.8%的性能差距。實測對比顯示，在超現實場景生成任務中，該模型對"倒置水晶城市"等復雜描述的還原度達83%，雖略遜于Nano Banana Pro的89%，但較字節Seedream 5.0 Preview的76%具有明顯優勢。
研發團隊透露，新模型采用創新的VAE重構算法，將小尺寸文字的生成清晰度提升3倍。通過將文生圖與圖像編輯能力整合，模型在"照片題詩"等跨模態任務中展現出獨特優勢。實測表明，在電商場景的商品圖生成任務中，Qwen-Image 2.0可使設計效率提升60%，運營成本降低45%。
該模型已通過阿里云百煉平臺開放API邀測，用戶可通過Qwen Chat官網免費體驗基礎功能。研發負責人吳晨飛表示，團隊正開發支持PPT、多圖海報等復雜信息圖生成的新版本，目標將幻覺錯誤率控制在0.5%以下。分層編輯功能的強化版本預計將于第三季度上線，屆時設計師可實現跨模型、跨圖層的精細化操作。
行業分析指出，Qwen-Image 2.0的推出標志著圖像生成技術從"視覺逼真"向"語義可控"的關鍵轉型。其輕量化設計使模型可部署于移動端設備，結合WPS等國民級應用的生態合作，有望推動AIGC技術在醫療流程圖、教育課件等垂直領域的規模化落地。
