通义千问首个图像生成基础模型Qwen-Image开源_科学探索

创始人

2025-08-05 07:43:32

今日，通义千问宣布开源Qwen-Image，一个20B的MMDiT模型，是通义千问系列中首个图像生成基础模型，其在复杂文本渲染和精确图像编辑方面取得了显著进展。

官方介绍，Qwen-Image的主要特性包括：

卓越的文本渲染能力: Qwen-Image 在复杂文本渲染方面表现出色，支持多行布局、段落级文本生成以及细粒度细节呈现。无论是英语还是中文，均能实现高保真输出。

一致性的图像编辑能力: 通过增强的多任务训练范式，Qwen-Image 在编辑过程中能出色地保持编辑的一致性。

强大的跨基准性能表现: 在多个公开基准测试中的评估表明，Qwen-Image 在各类生成与编辑任务中均获得SOTA，是一个强大的图像生成基础模型。

能力方面高保真一致性模型多任务文本图像范式基础基准 Image