阿里新一代图像生成模型Qwen-Image-2.0发布 - 公司发布了新一代图像生成及编辑模型Qwen-Image-2.0，该模型在长文本理解、复杂指令执行、中文渲染及多图编辑等方面表现突出[6] - 模型支持高达1K token的超长文本指令输入，并能准确理解复杂指令[8][9] - 模型具备强大的图片编辑能力，支持基于多张图片进行二次创作和修改[6][23] 长文本与复杂指令理解能力 - 模型能处理长达七八百字的超长提示词，并保持上下文一致性[9][11] - 在实测中，模型根据一段700字的复杂指令，生成了结构清晰、角色一致的《西游记》主题五宫格漫画[11][13] - 模型能根据600多字的详细描述，生成结构准确、细节真实的2K分辨率汉堡食材分解信息图[15][17] 多场景图像生成质量 - 模型能根据包含画轴、立体城市、微缩建模等多重要求的指令，生成上海市的3D景观图，细节处理到位[18][20] - 在微观景观生成测试中，模型能准确呈现“大米王国”的微缩比例关系与物理逻辑，画面质感接近真实微距摄影[20][22] - 模型支持一次性生成2K分辨率的图像，保证了画面的质感[6][50] 强大的图片编辑功能 - 模型支持多图编辑功能，例如可将不同图片中的人物、服装、背景进行自然融合，并补充细节如倒影[23][25] - 仅需上传一张照片并给出指令，模型即可生成一套影棚级的九宫格风格写真[27] - 编辑功能不仅限于图像，还能为生成的图像自动配文，例如为水墨画生成诗句[29] 卓越的中文文字渲染能力 - 模型在中文文字渲染方面表现突出，能准确生成包含数字、汉字、英文的科普信息图表[34] - 模型能将文字与画面艺术性融合，例如生成远看是字、近看是景的雪雕作品[35] - 在处理高密度排版如黑板报时，模型能做到文字1:1还原，笔锋和间距规整，达到可直接阅读的水平[37][39] 技术演进与模型性能 - 该模型是公司两条技术路线（生图能力与编辑能力）的融合成果，整体表现更稳定[41][42] - 针对小字号、高密度文字易模糊的行业痛点，模型在VAE与生成模型两端同步升级，显著提升了文字可读性[44] - 模型在参数规模上做了收敛，体量更轻，部署门槛更低，生图速度更快，适合高频调试与实时创作场景[45][46] 市场评价与可用性 - 在国际AI Arena模型评测中，Qwen-Image-2.0在文生图、图生图基准测试中成绩靠前，仅次于谷歌Nano Banana Pro和GPT Image 1.5[40] - 模型已通过阿里云百炼平台开通API邀测，开发者也可通过Qwen Chat免费体验[52][53]