通义千问系列重磅推出了一款名为Qwen-Image的20亿参数多模态扩散变换器（MMDiT）图像生成基础模型，这一创新成果标志着图像生成与编辑领域迈入新纪元。Qwen-Image不仅在复杂文本渲染和精确图像编辑方面实现了革命性突破，更在多个权威公开基准测试中脱颖而出，以卓越性能成为该领域备受瞩目的新星。
Qwen-Image的核心优势在于其超凡的文本渲染能力，支持多行布局、段落级文本生成及细粒度细节呈现，无论是中文还是英文，均能实现令人惊叹的高保真输出。以渲染宫崎骏风格的动漫场景为例，模型能够精准捕捉店铺牌匾的字体、人物姿势与神态，甚至酒缸上的细小文字也清晰可见。在中文对联渲染方面，Qwen-Image不仅准确绘制了左右联和横批，更巧妙融入了书法艺术效果，令人叹为观止。英文文本渲染同样表现出色，无论是书店橱窗的展示信息，还是复杂的信息图表，模型都能准确无误地生成文本内容，并巧妙融入整体构图，展现出高度的艺术性与信息密度。令人称奇的是，即便在处理极小或极多的文字时，Qwen-Image依然能保持惊人的准确性和清晰度，如精准生成手中纸张上的长段文字，或在玻璃板上完整呈现手写体段落。
除了文本渲染，Qwen-Image在图像编辑方面同样展现出非凡实力。通过创新的增强多任务训练范式，模型在编辑过程中能出色保持一致性，支持风格迁移、物体增减、细节增强及人物姿态调整等多种操作。这些强大功能使得普通用户也能轻松实现专业级的图像编辑，极大地降低了视觉内容创作的技术门槛。
在多个权威公开基准测试中，Qwen-Image的表现更是令人瞩目。从通用图像生成的GenEval、DPG和OneIG-Bench，到图像编辑的GEdit、ImgEdit和GSO，Qwen-Image均取得了最先进的性能，展现了其在图像生成与编辑方面的全面优势。特别是在中文文本渲染上，Qwen-Image大幅领先现有最先进模型，凸显了其作为先进图像生成模型的独特地位。
目前，Qwen-Image已在魔搭社区、Hugging Face及GitHub等平台全面开源，并提供了详细的Technical report和Demo展示。用户可通过访问QwenChat（chat.qwen.ai）选择“图像生成”功能，亲身体验这款强大模型的魅力。ModelScope:https://modelscope.cn/models/Qwen/Qwen-ImageHugging Face:https://huggingface.co/Qwen/Qwen-ImageGitHub:https://github.com/QwenLM/Qwen-ImageTechnical report:https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-Image/Qwen_Image.pdfDemo: https://modelscope.cn/aigc/imageGeneration?tab=advanced
