Qwen: Qwen Image 3

Qwen-Image-3.0 es el modelo de imagen de tercera generación de Qwen, que combina la creación de texto a imagen y la edición basada en referencias en un solo modelo. La edición estándar equilibra la calidad de imagen y la velocidad de respuesta, mientras que Qwen-Image-3.0 Pro es la variante insignia orientada a la calidad. Una solicitud produce una imagen: un cartel, una explicación ilustrada, una escena de producto, un storyboard o una fotografía revisada, en lugar de un documento editable o una interfaz en funcionamiento.

Sus capacidades para contenidos complejos encajan con un lienzo que incluya varias secciones relacionadas o una composición visual anidada. Prepara los encabezados, el texto exacto, la jerarquía y la relación entre paneles antes de añadir detalles de estilo. Para una comparación de productos, un encargo útil especifica la vista principal del producto, los atributos que se deben etiquetar y el orden de lectura de los paneles de apoyo. Para un storyboard, describe por separado el sujeto, la acción y el texto de cada viñeta. El máximo recomendado para el prompt es de 4,500 tokens; utiliza ese espacio para el contenido y la composición que la imagen realmente necesita.

El modelo admite texturas detalladas, tipografía con texto pequeño demostrado a 10 píxeles y representación nativa en 12 idiomas con múltiples fuentes y estilos artísticos. Estas capacidades permiten combinar un objeto realista con un gráfico que contenga mucha información, en lugar de obligar a elegir entre una fotografía y una composición con abundante texto. Proporciona las palabras y los números exactos que deben aparecer, su idioma previsto y su ubicación. Trata una interfaz generada como una maqueta visual: los botones, gráficos y etiquetas de la imagen no implementan el comportamiento de una aplicación.

La edición puede cambiar texto, añadir o eliminar objetos, mover elementos, ajustar la acción de un sujeto, transferir un estilo o mejorar los detalles de una imagen dañada. Proporciona entre una y tres imágenes y una única instrucción de edición clara. La numeración de las imágenes sigue el orden en que se proporcionan, por lo que debes identificar qué imagen aporta el sujeto, cuál proporciona una prenda u objeto y cuál aporta el entorno. Para una escena de producto, pide que se coloque el objeto de la imagen 1 en el entorno de la imagen 2, conservando las características que distinguen al producto. Explicita los cambios y los requisitos de conservación.

El flujo exacto de entrada de imágenes acepta JPG, JPEG, PNG, BMP, TIFF, WebP y GIF; de un GIF animado solo se procesa el primer fotograma. Cada imagen puede ocupar hasta 10 MB. La API actual acepta dimensiones de 1 a 8,000 píxeles, con una relación entre el lado largo y el corto no superior a 10:1, y recomienda 384–2,048 píxeles para obtener buenos resultados. Elige una entrada que muestre con claridad los detalles que se van a transferir o editar. Una referencia demasiado recortada puede ocultar la estructura circundante necesaria para colocar un objeto de forma natural.

La salida es PNG, con entre una y seis imágenes por solicitud y una como valor predeterminado. La superficie de salida en píxeles va de 512 × 512 a 2,048 × 2,048, con relaciones de aspecto entre 1:8 y 8:1; son límites de superficie, no una regla según la cual cada lado deba medir como máximo 2,048 píxeles. Si no se proporciona un tamaño, el modelo recomienda una resolución a partir del prompt. Selecciona una composición horizontal, cuadrada o vertical para el uso previsto y examina después la imagen devuelta a ese tamaño real, de modo que puedas evaluar las etiquetas pequeñas y los detalles finos donde van a aparecer.

La reescritura del prompt está activada por defecto en el flujo del fabricante. La mejora directa funciona tanto para la generación como para la edición; la mejora mediante agente es un modo de reescritura más elaborado, exclusivo de texto a imagen, que se rechaza para la edición de imagen a imagen. El razonamiento está activado por defecto, requiere la reescritura del prompt y aumenta el tiempo de generación. Los prompts negativos pueden describir elementos no deseados, mientras que una semilla fija ayuda a comparar variaciones. Expresa con claridad las exclusiones y los requisitos exactos de conservación, en lugar de esperar que una semilla haga que un encargo cambiante devuelva una imagen idéntica.

Para obtener un resultado final útil, examina las palabras representadas, las unidades, el orden de los paneles y los detalles que identifican al sujeto, y revisa después la parte concreta que no haya cumplido el encargo. Una respuesta con varias imágenes ofrece alternativas para comparar; mantén cada imagen devuelta asociada al prompt y a las referencias que la produjeron. Las direcciones de las imágenes del fabricante caducan a las 24 horas, por lo que debes conservar el archivo de imagen real cuando el resultado pase a formar parte de un proyecto. La edición estándar 3.0 sigue siendo distinta de Pro y de los modelos Qwen 2.1, con sus diferentes cantidades de referencias y funciones de transparencia.