Qwen: Qwen Image 3

Qwen-Image-3.0 er Qwens tredje generation af billedmodeller og kombinerer tekst-til-billede-generering og referencebaseret redigering i én model. Standardudgaven afvejer billedkvalitet og responshastighed, mens Qwen-Image-3.0 Pro er den tilsvarende flagskibsudgave med fokus på kvalitet. En forespørgsel giver et billede: en plakat, en illustreret forklaring, en produktscene, et storyboard eller et redigeret fotografi frem for et redigerbart dokument eller en fungerende brugergrænseflade.

Modellens muligheder for indholdsrige billeder egner sig til en billedflade med flere relaterede sektioner eller et indlejret visuelt layout. Forbered overskrifter, præcis ordlyd, hierarki og forholdet mellem felterne, før du tilføjer stilistiske detaljer. Til en produktsammenligning angiver et nyttigt oplæg hovedvisningen af produktet, de egenskaber, der skal mærkes, og læserækkefølgen i de supplerende felter. Til et storyboard skal du beskrive motiv, handling og billedtekst for hvert felt særskilt. Den anbefalede maksimale promptlængde er 4.500 tokens; brug pladsen på det indhold og layout, billedet faktisk har brug for.

Modellen understøtter detaljerede teksturer, typografi med små tekster demonstreret i en størrelse på 10 pixels samt indbygget gengivelse på 12 sprog med flere skrifttyper og kunstneriske stilarter. Disse muligheder kan kombinere en realistisk genstand med informationsrig grafik i stedet for at tvinge et valg mellem et fotografi og et teksttungt layout. Angiv de præcise ord og tal, der skal gengives, deres tilsigtede sprog og deres placering. Betragt en genereret brugergrænseflade som en visuel mockup: knapper, diagrammer og etiketter i billedet implementerer ikke en applikations funktioner.

Redigering kan ændre tekst, tilføje eller fjerne genstande, flytte elementer, justere et motivs handling, overføre en stil eller forbedre detaljerne i et beskadiget billede. Lever ét til tre billeder og én tydelig redigeringsinstruktion. Billednummereringen følger den leverede rækkefølge, så angiv, hvilket billede der bidrager med motivet, hvilket der leverer en beklædningsgenstand eller anden genstand, og hvilket der leverer omgivelserne. Til en produktscene kan du bede om at placere genstanden fra billede 1 i omgivelserne fra billede 2 og samtidig bevare de egenskaber, der kendetegner produktet. Angiv ændringer og krav om bevaring udtrykkeligt.

Den præcise proces for billedinput accepterer JPG, JPEG, PNG, BMP, TIFF, WebP og GIF; kun første frame i en animeret GIF behandles. Hvert billede må fylde op til 10 MB. Den nuværende API accepterer dimensioner fra 1 til 8.000 pixels med et forhold mellem den lange og korte side på højst 10:1 og anbefaler 384–2.048 pixels for gode resultater. Vælg et input, der tydeligt viser de detaljer, som skal overføres eller redigeres. En tæt beskåret reference kan skjule den omgivende struktur, der er nødvendig for at placere en genstand naturligt.

Outputtet er PNG med ét til seks billeder pr. forespørgsel og ét som standard. Outputtets pixelareal går fra 512 × 512 til 2.048 × 2.048 med billedformater mellem 1:8 og 8:1; det er arealgrænser og ikke en regel om, at hver side højst må være 2.048 pixels. Hvis der ikke angives en størrelse, anbefaler modellen en opløsning ud fra prompten. Vælg en vandret, kvadratisk eller lodret komposition til den tilsigtede anvendelse, og undersøg derefter det returnerede billede i den faktiske størrelse, så små etiketter og fine detaljer kan vurderes, dér hvor de skal vises.

Promptomskrivning er aktiveret som standard i producentens proces. Direkte promptforbedring virker til både generering og redigering; agentbaseret promptforbedring er en mere omfattende omskrivningstilstand, som kun gælder tekst-til-billede og afvises ved billede-til-billede-redigering. Modellens tænketilstand er aktiveret som standard, kræver promptomskrivning og øger genereringstiden. Negative prompts kan beskrive uønskede elementer, mens et fast seed hjælper med at sammenligne variationer. Angiv udelukkelser og præcise krav om bevaring tydeligt i stedet for at forvente, at et seed giver et identisk billede, når oplægget ændres.

For at få et brugbart slutresultat skal du undersøge de gengivne ord, enheder, felternes rækkefølge og de detaljer, der identificerer motivet, og derefter rette den konkrete del, der ikke fulgte oplægget. Et svar med flere billeder giver alternativer at sammenligne; bevar forbindelsen mellem hvert returneret billede og den prompt og de referencer, der skabte det. Producentens billedadresser udløber efter 24 timer, så gem selve billedfilen, når resultatet indgår i et projekt. Standardudgaven 3.0 er fortsat adskilt fra Pro og fra Qwen 2.1-modellerne med deres andre referenceantal og gennemsigtighedsfunktioner.