Qwen-Image 3.0 Pro officiellement lancé : prend en charge 4,5K invites, texte 10px, prix API à partir de 0,04 $

Introduction

Alibaba a lancé Qwen-Image 3.0 Pro via Qwen Cloud, mettant à la disposition des développeurs internationaux son modèle d’image de troisième génération sous forme de flux de travail API.

L’accent de ce lancement n’est pas mis sur la génération d’images individuelles spectaculaires, mais sur la production d’images adaptées aux applications réelles. Les améliorations clés comprennent :

• Prise en charge de prompts allant jusqu’à 4 500 jetons
• Prise en charge de mises en page à forte densité : journaux, storyboards, menus, examens, interfaces imbriquées
• Rendu de texte à partir d’environ 10 pixels
• Prise en charge native de 12 langues et du rendu de plus de 20 polices
• Peau, cheveux, matériaux et textures fines plus réalistes
• Génération d’images et édition d’images dans un même modèle
• Prix de l’API à partir de 0,04 $ US pour 1 000 images de sortie sur Qwen Cloud

AIBase a également évoqué la version Standard, moins chère. La page publique du modèle Qwen Cloud consultée dans le cadre de cet article présente clairement le modèle Pro et sa tarification ; en revanche, la page internationale du modèle Standard et la grille tarifaire complète n’ont pas pu être trouvées indépendamment dans un document public unique.

Le modèle est également entré dans le classement Text-to-Image Arena. Au 4 août 2026, Arena listait qwen-image-3.0-pro parmi les modèles d’image propriétaires en tête des scores préliminaires. Dans cet instantané, il s’agissait du modèle développé par une entreprise chinoise le mieux classé, mais il n’occupait pas la deuxième place sur l’ensemble des modèles du classement en temps réel.

Qwen-Image 3.0 Pro et Standard disponibles simultanément sur l’API

Selon AIBase, Alibaba a publié deux versions :

La page officielle du modèle Pro sur Qwen Cloud indique actuellement une tarification internationale plus détaillée :

Cela signifie que le prix largement rapporté de « 0,04 $ US par image » correspond au tarif de départ de la sortie 1K de la version Pro. La sortie 2K est plus chère.

La page de tarification peut changer à tout moment. Par conséquent, les applications en production devraient lire la grille tarifaire actuelle de Qwen Cloud ou d’Alibaba Cloud Bailian plutôt que d’intégrer les prix rapportés dans des budgets à long terme.

L’objectif principal : générer des images utiles et denses en informations

Alibaba résume le thème de Qwen-Image 3.0 en deux mots : réalité.

L’entreprise décline cette philosophie en trois dimensions :

1. Riche en contenu
2. Détails réalistes
3. Connaissances approfondies

Ces trois dimensions expliquent pourquoi Qwen-Image 3.0 s’adresse aux scénarios de productivité, et non pas seulement à la génération d’images artistiques.

Génération.

Riche en contenu : prompts jusqu’à 4 500 jetons

Qwen-Image 3.0 prend en charge des instructions pouvant atteindre environ 4 500 jetons.

Un budget de prompt plus important permet à l’utilisateur de spécifier en une seule requête plusieurs sections, étiquettes, rôles, formules, règles de mise en page, styles visuels et exigences hiérarchiques.

Les exemples officiels d’Alibaba comprennent :

• Une grille 3×3 contenant neuf infographies éducatives et professionnelles différentes
• Une maquette de journal très texturée
• Un storyboard complet
• Un examen
• Des interfaces imbriquées les unes dans les autres
• Des graphiques et formules mathématiques
• Des fiches de connaissances contenant des graphiques, des étiquettes et des illustrations

Une démonstration officielle a utilisé un prompt d’environ 3 700 jetons pour générer une seule image 3×3 contenant neuf panneaux d’information indépendants. Chaque panneau possédait son propre thème, sa mise en page, son texte, ses graphiques et son langage visuel.

Complexité horizontale et verticale

Alibaba décrit deux formes de complexité.

Complexité horizontale : placer plusieurs éléments parallèles sur une même toile sans qu’ils interfèrent entre eux.

Exemples :

• Neuf panneaux d’infographies
• Un menu comportant plusieurs catégories
• Un storyboard multi-plans
• Des graphiques comparatifs
• Une affiche de connaissances à plusieurs modules

Complexité verticale : comprendre les relations visuelles imbriquées.

Un exemple officiel imbrique les interfaces suivantes les unes dans les autres :

Interface VS Code
└── Interface de chat Qwen
└── Interface WeChat
└── Affiche de café filtre

Le modèle doit conserver la structure identifiable de chaque interface tout en respectant les relations hiérarchiques décrites dans le prompt.

Ce type de génération est particulièrement utile lorsque l’image se rapproche d’un document de conception plutôt que d’une illustration traditionnelle.

Détails réalistes : texte en petit corps et textures réalistes

Le deuxième axe porte sur la précision du rendu.

Alibaba indique que Qwen-Image 3.0 peut générer, dans ses démonstrations, un texte clair et lisible à partir d’environ 10 pixels.

Exemples officiels :

• Contenu de journal très texturé
• Pages académiques contenant des formules LaTeX
• Exposants et indices
• Lettres grecques
• Numérotation des théorèmes
• Annotations manuscrites
• Étiquettes fines dans les graphiques éducatifs

L’entreprise met également en avant des détails physiques améliorés, notamment :

• Pores de la peau
• Cheveux individuels
• Textures des tissus
• Matériaux naturels
• Micro-détériorations de surface
• Dégradés d’encre

Dans une démonstration d’édition, le modèle a restauré les parties manquantes d’une peinture traditionnelle endommagée, tout en s’efforçant de préserver les traits et la composition d’origine.

« Texte à 10 pixels » : pas une garantie absolue

La mesure de 10 pixels provient de la démonstration produit d’Alibaba. Elle ne doit pas être interprétée comme garantissant que chaque texte de 10 pixels sera systématiquement précis dans toutes les langues, polices, mises en page et scénarios de génération.

En production, le texte doit toujours être vérifié pour :

• L’orthographe
• Les caractères manquants
• La ponctuation
• Les sauts de ligne
• La cohérence des polices
• L’exactitude des formules
• L’exactitude des noms de marques

Les textes juridiques, médicaux, financiers ou produits importants doivent être vérifiés manuellement. L’ajout de texte via des outils de conception classiques après génération peut rester plus sûr.

Connaissances approfondies : 12 langues,

interfaces et contexte mondial

Alibaba indique que le modèle prend en charge nativement le rendu de 12 langues et de plus de 20 polices.

Ses exemples de lancement officiels comprennent des contenus en japonais, coréen, espagnol, chinois et anglais.

Le modèle vise également à restituer les systèmes visuels courants, notamment :

• Pages web
• Interfaces logicielles
• Fenêtres de discussion
• Jeux
• Salles de diffusion en direct
• Graphiques éducatifs
• Graphiques scientifiques

Il ne s’agit pas seulement de reproduire un style visuel. Le modèle doit comprendre la structure attendue de l’objet qu’il dessine.

Par exemple, un panneau météo doit contenir une date, un lieu, des icônes, une température et une hiérarchie de prévisions reconnaissables. Un éditeur de code doit comporter des panneaux, des onglets, des numéros de ligne, des zones de code et des barres d’outils à des emplacements logiques.

L’article de lancement d’Alibaba décrit également des flux de travail reliant la génération à la récupération de connaissances externes. Il ne faut pas supposer que le modèle dispose de connaissances en temps réel à chaque appel API ; l’information actuelle dépend de la question de savoir si le produit ou le flux de travail d’agent environnant active effectivement la recherche ou la récupération.

Génération et édition avec le même modèle

L’un des changements les plus pratiques est la combinaison des fonctions de génération et d’édition dans le modèle qwen-image-3.0-pro.

La documentation officielle de l’API Alibaba Cloud précise que le même modèle prend en charge :

• Génération d’images à partir de texte

• Conversion d'image en image

• Édition d'images à l'aide de 1 à 3 images de référence

Cela réduit la nécessité de choisir un modèle pour la génération initiale, puis d'en sélectionner un autre pour les modifications ultérieures.

Le flux de travail typique est le suivant :

1. Générer une première image à partir d'une invite détaillée.
2. Utiliser le résultat comme image d'entrée.
3. Demander au modèle de modifier l'élément sélectionné.
4. Conserver le reste du sujet, de la composition ou du style.
5. Générer plusieurs variantes si nécessaire.

Les tâches d'édition peuvent inclure :

• Changer de tenue
• Remplacer un décor
• Ajouter ou supprimer des objets
• Combiner des éléments visuels de plusieurs images
• Corriger du texte
• Réparer du contenu endommagé
• Transfert de style
• Préserver le sujet tout en changeant le décor

Le modèle accepte 1 à 3 images de référence pour les demandes d'édition d'images.

Limitations officielles de l'API et format de sortie

La référence API actuelle de Qwen Image 3.0 sur Alibaba Cloud Bailian répertorie les spécifications suivantes pour qwen-image-3.0-pro :

Les notes de version produit plus larges indiquent que les images rendues peuvent contenir du texte dans 12 langues. Cela diffère de la formulation de la documentation API qui précise que les invites positives sont prises en charge en chinois et en anglais.

En d'autres termes :

• La langue des instructions peut être le chinois ou l'anglais.
• Les images générées peuvent inclure du texte dans une gamme plus large de langues.

Appel à Qwen-Image 3.0 Pro avec cURL

L'exemple d'API international actuel d'Alibaba utilise le point de terminaison de génération multimodale DashScope.

curl --location \
'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--data '{
"model": "qwen-image-3.0-pro",
"input": {
"messages": [
{
"role": "user",
"content": [
{
"text": "Create a clean bilingual product poster for a reusable water bottle. Use a structured editorial layout, realistic product lighting, an English headline, a Chinese subtitle, three feature callouts, and a small specifications table."
}
]
}
]
},
"parameters": {
"prompt_extend": true,
"n": 1,
"size": "1024*1024",
"watermark": false
}
}'

Remplacez {WorkspaceId} par l'ID d'espace de travail associé à votre clé API.

Alibaba Cloud utilise des clés API et des points de terminaison distincts pour ses régions de déploiement en Chine et à Singapour. Les clés et les points de terminaison ne peuvent pas être mélangés entre les régions.

Édition d'images avec le SDK Python

Le SDK officiel utilise MultiModalConversation pour appeler Qwen-Image 3.0 Pro.

import os

from dashscope import MultiModalConversation

response = MultiModalConversation.call(
api_key=os.environ["DASHSCOPE_API_KEY"],
model="qwen-image-3.0-pro",
messages=[
{
"role": "user",
"content": [
{
"image": "![](https://example.com/input-product.jpg)"
},
{
"text": (
"Keep the product shape, label, and camera angle unchanged. "
"Replace the plain background with a premium dark studio scene, "
"add a soft rim light, and place three concise English feature "
"labels on the right side."
)
},
],
}
],
prompt_extend=True,
n=1,
)

if response.status_code == 200:
image_url = response.output.choices[0].message.content[0]["image"]
print(image_url)
else:
raise RuntimeError(f"{response.code}: {response.message}")

L'URL générée est temporaire. Alibaba Cloud indique que les liens de résultats ne sont conservés que 24 heures. Les applications doivent donc télécharger rapidement les sorties validées dans leur propre stockage.

Performances Arena : solides, mais le classement doit être interprété avec contexte

Le titre d'AIBase rapporte que Qwen-Image 3.0 Pro se classe premier parmi les modèles chinois et deuxième parmi les modèles grand public.

La première partie correspond à l'instantané Arena en temps réel examiné dans cet article : Qwen-Image 3.0 Pro est le modèle développé en Chine le mieux classé dans le classement global texte-vers-image.

La deuxième partie n'est pas confirmée dans le classement en temps réel du 4 août 2026.

Arena affiche :

• Modèle : qwen-image-3.0-pro
• Développeur : Alibaba
• Score : 1263 ±

11

• Statut : Résultats de l'évaluation initiale
• Classement actuel affiché : 5e place
• Fourchette de classement : 4e–9e place
• Nombre de votes affichés : 2 801

Ce score est proche de celui de plusieurs systèmes concurrents, avec des intervalles de confiance qui se chevauchent. Le badge « évaluation initiale » signifie également que le classement peut évoluer à mesure que davantage de votes sont collectés.

Arena est basé sur des comparaisons de préférences utilisateurs et ne constitue pas une mesure complète de tous les besoins en production.

Il ne peut pas à lui seul prouver la supériorité dans les domaines suivants :

• Exactitude textuelle
• Cohérence du produit
• Fidélité de l'édition d'images
• Latence
• Fiabilité de l'API
• Comportement de sécurité
• Coût par élément éligible
• Adéquation de la licence commerciale

Les équipes doivent tester le modèle avec leurs propres prompts et critères d'acceptation.

Scénarios les plus adaptés pour ce modèle

L'ensemble de fonctionnalités de Qwen-Image 3.0 est particulièrement pertinent lorsque l'image contient à la fois des structures visuelles et textuelles.

Storyboards et planification de mini-séries

Un long prompt peut décrire plusieurs plans, personnages, angles de caméra, annotations de dialogues et transitions de scènes dans un seul panneau de storyboard.

Graphiques éducatifs et de vulgarisation

Le modèle peut être utilisé pour rédiger des esquisses de :

• Illustrations de cours
• Tableaux de formules
• Affiches scientifiques
• Cartes de connaissances
• Mise en page d'examens
• Illustrations annotées

Tous les faits et formules nécessitent encore une validation par des experts.

E-commerce et publicité

Les utilisations potentielles incluent :

• Affiches produits
• Variantes marketing multilingues
• Menus
• Images de description de produits
• Bannières promotionnelles
• Mises en page pour réseaux sociaux

La fonctionnalité d'édition avec image de référence est très utile lorsque le produit ou le sujet doit conserver une identité reconnaissable cohérente entre différentes variantes.

Interfaces et maquettes conceptuelles

Le modèle peut esquisser :

• Pages web
• Interfaces d'applications
• Salles de diffusion en direct
• Interfaces de jeux
• Concepts d'UI imbriqués

Ces images sont des maquettes visuelles conceptuelles, et non du code frontend prêt à être mis en production.

Journaux, rapports et mise en page éditoriale dense

Un budget de prompt plus important et la capacité de rendu des petits textes rendent ce modèle adapté à l'exploration de mises en page éditoriales complexes.

Si une exactitude textuelle stricte est requise pour la publication finale, les textes doivent toujours être remplacés ou vérifiés dans un logiciel de mise en page.

Conseils pratiques pour les prompts

La limite de 4,5 K caractères ne signifie pas que chaque prompt doit atteindre 4,5 K.

Les longs prompts ne fonctionnent bien que lorsque leur structure est claire.

1. Définir la toile

Spécifier clairement :

• Le rapport largeur/hauteur
• La résolution cible
• L'orientation paysage ou portrait
• Le nombre de sections
• L'ordre de lecture

1. Séparer le contenu du style

Décrire d'abord le contenu informationnel, puis la manière dont il sera présenté visuellement.

Contenu :
- Titre principal
- Trois avantages du produit
- Tableau de spécifications
- Mention de non-responsabilité en pied de page

Style :
- Design éditorial minimaliste
- Fond bleu marine foncé
- Police sans empattement blanche
- Éclairage de studio doux

1. Répartir le texte dans des zones spécifiques

Éviter de donner au modèle une liste désordonnée de phrases.

Indiquer à quel emplacement appartient chaque bloc de texte.

1. Baliser le texte exact

Utiliser des guillemets pour le contenu textuel devant apparaître dans l'image.

L'orthographe générée doit toujours être vérifiée.

1. Décrire les relations hiérarchiques entre les éléments

Pour les conceptions imbriquées ou à plusieurs panneaux, préciser quel élément contient quel autre.

1. Utiliser des images de référence pour les travaux critiques liés à l'identité

Lorsqu'un produit, une personne, un emballage ou un objet spécifique est essentiel, l'édition basée sur une image de référence est généralement plus fiable que la génération par description textuelle seule.

1. Générer plusieurs candidats

L'API prend en charge jusqu'à six images de sortie par appel. Générer plusieurs alternatives est plus efficace que de modifier sans cesse un seul prompt sans comparaison.

Limitations actuelles et points d'attention pour le lancement

La documentation officielle est encore en cours d'enrichissement

La page API Alibaba Cloud examinée dans cet article était initialement marquée comme étant en aperçu limité, tandis qu'un rapport du 5 août indique que le modèle est désormais plus largement accessible via la plateforme Qwen.

Par conséquent, la documentation, les exigences d'accès, les limites de débit et les alias du modèle peuvent changer rapidement.

Visibilité différente de la documentation entre les versions Pro et Standard

La page publique Qwen Cloud documente clairement Qwen-Image 3.0 Pro. AIBase rapporte que la version Standard est facturée 0,03 $ par image, mais aucune page de modèle international public correspondante n'a été trouvée lors de cet examen.

Le modèle est propriétaire

La liste en temps réel d'Arena marque Qwen-Image 3.0 Pro comme un modèle propriétaire. Aucune version open source officielle des poids de la version 3.0 n'a été trouvée.

Les textes nécessitent toujours une relecture humaine

La capacité de rendu textuel de ce modèle constitue une amélioration majeure, mais ne garantit pas une typographie ou une exactitude factuelle parfaites.

Les URL d'images sont temporaires

Les URL d'images générées par l'API sont valables pendant 24 heures. Veuillez enregistrer immédiatement les fichiers nécessaires.

L'utilisation commerciale nécessite un examen des politiques applicables

Avant de déployer des contenus générés, veuillez examiner :

• Les conditions d'utilisation de Qwen Cloud
• La propriété intellectuelle
• L'utilisation des marques
• Les droits relatifs aux images de référence
• Les droits à la vie privée et à l'image
• Les réglementations régionales sur les contenus IA
• Les exigences de divulgation ou de filigrane applicables

FAQ

Qu'est-ce que Qwen-Image 3.0 Pro ?

Qwen-Image 3.0 Pro est le modèle de troisième génération d'Alibaba pour la génération et l'édition d'images. Il prend en charge la génération texte-image, l'édition avec jusqu'à trois images de référence, les prompts longs, le rendu de texte multilingue et les mises en page visuelles denses.

Quel est le coût de Qwen-Image 3.0 Pro ?

Qwen Cloud affiche actuellement un prix de 0,04 $ par image pour une sortie 1K et de 0,075 $ par image pour une sortie 2K. Les images d'entrée pour les flux de travail 1K et 2K sont toutes deux facturées 0,003 $ par image.

Existe-t-il un modèle Qwen-Image 3.0 Standard ?

AIBase rapporte qu'une version Standard a été lancée à partir de 0,03 $ par image. Aucune page de modèle international public correspondante avec une grille tarifaire officielle complète n'a été trouvée au moment de la rédaction de cet article. Les développeurs doivent donc vérifier la console Qwen Cloud actuelle avant d'établir un budget.

Quelle peut être la longueur d'un prompt pour Qwen-Image 3.0 ?

Alibaba indique que le modèle prend en charge jusqu'à environ 4,5 K tokens en entrée. Cette plus grande limite vise à répondre aux besoins des storyboards, journaux, graphiques éducatifs, interfaces imbriquées et autres images riches en informations.

Qwen-Image 3.0 peut-il éditer des images existantes ?

Oui. Le même modèle d'API qwen-image-3.0-pro prend en charge les requêtes d'édition et de transformation image-à-image en utilisant une à trois images de référence associées à une instruction textuelle.

Qwen-Image 3.0 peut-il rendre fidèlement du petit texte ?

Les démonstrations d'Alibaba montrent un texte lisible d'environ 10 pixels ainsi que des pages LaTeX complexes. Les résultats restent variables, aussi les orthographes importantes, formules, prix, contenus juridiques et noms de marque nécessitent une vérification humaine.

Qwen-Image 3.0 est-il open source ?

Aucune publication de poids ouverts pour Qwen-Image 3.0 Pro n'a été trouvée.

Arena classe actuellement ce modèle comme propriétaire.

Quel est le classement de Qwen-Image 3.0 Pro sur Arena ?

Dans l'instantané Text-to-Image Arena du 4 août 2026, il s'agit du modèle développé en Chine le mieux classé, avec une position globale initiale de cinquième, dans une fourchette allant de la quatrième à la neuvième place. Les classements Arena évoluent à mesure que de nouveaux votes et modèles sont ajoutés.

Outils associés

• Qwen Cloud : plateforme internationale de modèles d'Alibaba Cloud, pour tester les modèles, obtenir un accès API et consulter les tarifs actuels.
• Qwen-Image 3.0 Pro : page officielle du modèle avec fonctionnalités, limites de débit, tarifs et exemples cURL.
• Alibaba Cloud Bailian : plateforme gérée d'Alibaba Cloud pour déployer et appeler les modèles Qwen et tiers.
• DashScope Python SDK : package Python officiel utilisé dans les exemples de l'API Qwen d'Alibaba Cloud.
• [Text-to-Image

Arena](https://arena.ai/leaderboard/text-to-image) : un classement de préférence en temps réel pour comparer les modèles de génération d'images.

• Qwen Studio : la plateforme officielle de Qwen destinée aux utilisateurs, pour tester les fonctionnalités des modèles pris en charge.

Liens connexes

• Article de lancement officiel de Qwen-Image 3.0 : présentation détaillée par Alibaba Cloud du contenu riche, des détails authentiques et des connaissances approfondies.
• Qwen-Image 3.0 Pro sur Qwen Cloud : aperçu du modèle international actuel, tarifs, limites de débit et exemples de requêtes API.
• Référence API génération et édition d'images Qwen 3.0 : paramètres officiels de requête, points de terminaison, exemples de code, formats d'image pris en charge et modes de réponse.
• Annonce des modèles multimodaux Alibaba Cloud : résumé officiel des séries Qwen-Image 3.0 et Qwen-Audio 3.0.
• Classement Text-to-Image Arena : classement en temps réel utilisé pour vérifier le positionnement initial du modèle.
• Journal des modifications du classement Arena : enregistrement officiel indiquant quand Qwen-Image 3.0 Pro a été ajouté au classement.

Résumé

Qwen-Image 3.0 Pro est conçu pour les tâches d'image qui combinent qualité visuelle et informations denses. Sa capacité de prompt de 4,5K tokens, le rendu de petits textes, la sortie multilingue, la compréhension d'interfaces imbriquées et les détails réalistes le rendent particulièrement adapté aux storyboards, affiches, schémas pédagogiques, interfaces et maquettes typographiques.

Le même modèle API prend en charge la génération et l'édition, y compris avec une à trois images de référence. Qwen Cloud facture actuellement les sorties Pro à partir de 0,04 $ par image 1K et 0,075 $ pour les sorties 2K.

Le modèle affiche de bonnes performances sur le Text-to-Image Arena en temps réel, mais le classement actuel ne prend pas en charge l'affirmation du titre source concernant

sa deuxième place globale. La position affichée est la cinquième, avec un score préliminaire et des intervalles de classement qui se chevauchent.

L'avancée principale ne consiste pas simplement à générer des images plus esthétiques ; il s'agit de pouvoir transformer des instructions plus longues et plus structurées en actifs visuels modifiables, à un coût API relativement faible par image.