Qwen: Qwen Image 3

Qwen-Image-3.0 adalah model gambar generasi ketiga Qwen, yang menggabungkan pembuatan teks-ke-gambar dan penyuntingan berbasis referensi dalam satu model. Edisi standar menyeimbangkan kualitas gambar dan kecepatan respons, sedangkan Qwen-Image-3.0 Pro merupakan varian unggulan yang berorientasi pada kualitas. Sebuah permintaan menghasilkan gambar: poster, penjelasan berilustrasi, adegan produk, papan cerita, atau foto yang direvisi, bukan dokumen yang dapat disunting atau antarmuka yang berjalan.

Kemampuan kontennya yang kaya cocok untuk kanvas dengan beberapa bagian yang saling berkaitan atau tata letak visual bertingkat. Siapkan judul, kata-kata yang tepat, hierarki, dan hubungan antar-panel sebelum menambahkan detail gaya. Untuk perbandingan produk, arahan yang berguna menentukan tampilan produk utama, atribut yang perlu diberi label, dan urutan baca panel pendukung. Untuk papan cerita, jelaskan subjek, tindakan, dan keterangan setiap panel secara terpisah. Batas maksimum prompt yang disarankan adalah 4.500 token; gunakan ruang tersebut untuk konten dan tata letak yang benar-benar dibutuhkan gambar.

Model ini mendukung tekstur terperinci, tipografi hingga teks kecil yang didemonstrasikan pada ukuran 10 piksel, serta rendering asli dalam 12 bahasa dengan berbagai font dan gaya artistik. Kemampuan tersebut dapat memadukan objek realistis dengan grafis kaya informasi, tanpa harus memilih antara foto dan tata letak yang sarat teks. Berikan kata-kata dan angka yang harus ditampilkan secara tepat, bahasa yang dituju, serta tempat penempatannya. Perlakukan antarmuka yang dihasilkan sebagai mockup visual: tombol, grafik, dan label dalam gambar tidak menjalankan perilaku sebuah aplikasi.

Penyuntingan dapat mengubah teks, menambah atau menghapus objek, memindahkan elemen, menyesuaikan tindakan subjek, menerapkan gaya, atau meningkatkan detail gambar yang rusak. Berikan satu hingga tiga gambar dan satu instruksi penyuntingan yang jelas. Penomoran gambar mengikuti urutan masukan, jadi tentukan gambar mana yang menyumbangkan subjek, mana yang menyediakan pakaian atau objek, dan mana yang menyediakan latar. Untuk adegan produk, minta agar objek dari gambar 1 ditempatkan ke lingkungan gambar 2 sambil mempertahankan ciri yang membedakan produk tersebut. Nyatakan perubahan dan hal-hal yang harus dipertahankan secara eksplisit.

Alur masukan gambar untuk edisi ini menerima JPG, JPEG, PNG, BMP, TIFF, WebP, dan GIF; hanya bingkai pertama GIF animasi yang diproses. Setiap gambar dapat berukuran hingga 10 MB. API saat ini menerima dimensi dari 1 hingga 8.000 piksel dengan rasio sisi panjang terhadap sisi pendek tidak lebih dari 10:1, dan menyarankan 384–2.048 piksel untuk hasil yang baik. Pilih masukan yang memperlihatkan dengan jelas detail yang akan dipindahkan atau disunting. Referensi yang dipotong terlalu rapat dapat menyembunyikan struktur di sekitarnya yang dibutuhkan untuk menempatkan objek secara alami.

Keluarannya berupa PNG, dengan satu hingga enam gambar per permintaan dan satu gambar sebagai nilai bawaan. Luas piksel keluaran berkisar dari 512 × 512 hingga 2.048 × 2.048, dengan rasio aspek antara 1:8 dan 8:1; ini adalah batas luas, bukan aturan bahwa setiap sisi harus paling panjang 2.048 piksel. Jika ukuran tidak diberikan, model menyarankan resolusi berdasarkan prompt. Pilih komposisi lanskap, persegi, atau potret sesuai penggunaan yang dituju, lalu periksa gambar yang dikembalikan pada ukuran sebenarnya agar label kecil dan detail halus dapat dinilai di tempat tampilnya.

Penulisan ulang prompt diaktifkan secara bawaan dalam alur kerja produsen. Peningkatan langsung berlaku untuk pembuatan maupun penyuntingan; peningkatan agen merupakan mode penulisan ulang yang lebih terperinci, hanya untuk teks-ke-gambar, dan ditolak untuk penyuntingan gambar-ke-gambar. Pemikiran diaktifkan secara bawaan, memerlukan penulisan ulang prompt, dan menambah waktu pembuatan. Prompt negatif dapat menjelaskan elemen yang tidak diinginkan, sedangkan seed tetap membantu membandingkan variasi. Nyatakan pengecualian dan persyaratan pelestarian yang tepat dengan jelas, alih-alih mengharapkan seed membuat arahan yang berubah menghasilkan gambar identik.

Untuk memperoleh hasil akhir yang berguna, periksa kata-kata yang dirender, satuan, urutan panel, dan detail yang mengidentifikasi subjek, lalu revisi bagian tertentu yang tidak memenuhi arahan. Respons dengan banyak gambar menyediakan alternatif untuk dibandingkan; simpan hubungan setiap gambar yang dikembalikan dengan prompt dan referensi yang menghasilkannya. Lokasi gambar dari produsen kedaluwarsa setelah 24 jam, jadi simpan aset gambar yang sebenarnya ketika hasilnya menjadi bagian dari proyek. Edisi standar 3.0 tetap berbeda dari Pro maupun model Qwen 2.1 yang memiliki jumlah referensi dan fitur transparansi yang berbeda.