Qwen-Image 3.0 Pro официально выпущен: поддержка 4.5K подсказок, текст 10px, цена API от 0,04 доллара США

Введение

Alibaba выпустила Qwen-Image 3.0 Pro через Qwen Cloud, открыв для международных разработчиков модель третьего поколения в виде API-рабочего процесса.

Основной акцент этого релиза — не генерация отдельных красивых изображений, а создание изображений, применимых в реальной работе. Ключевые улучшения включают:

• Поддержка до 4.5K токенов во входном промпте
• Поддержка плотных макетов: газет, раскадровок, меню, экзаменационных листов, вложенных интерфейсов
• Рендеринг текста от ~10 пикселей
• Нативная поддержка 12 языков и более 20 шрифтов
• Более реалистичные кожа, волосы, материалы и мелкие текстуры
• Одновременная поддержка генерации по тексту и редактирования изображений в одной модели
• Цена API от 0,04 доллара США за 1K выходных изображений в Qwen Cloud

AIBase также сообщила о более дешёвой версии Standard. Публичная страница модели Qwen Cloud, изученная в данной статье, чётко показывает Pro-модель и её цены; однако международная страница модели Standard и полный тарифный лист не были найдены отдельно в одном публичном документе.

Модель также вошла в рейтинг Text-to-Image Arena. По состоянию на 4 августа 2026 года Arena указывает qwen-image-3.0-pro как одну из проприетарных моделей изображений с лидирующими предварительными показателями. На этом снимке это самая высокорейтинговая модель китайской разработки, но в живом общем рейтинге она не занимает второе место среди всех моделей.

Qwen-Image 3.0 Pro и Standard одновременно выходят в API

AIBase сообщает, что Alibaba выпустила две версии:

Официальная страница Pro-модели Qwen Cloud в настоящее время публикует более детальные международные цены:

Это означает, что широко цитируемые «0,04 доллара США за изображение» относятся к стартовой цене выхода 1K для версии Pro. Выход 2K стоит дороже.

Страница цен может измениться в любой момент, поэтому производственные приложения должны считывать актуальный тарифный лист Qwen Cloud или Alibaba Cloud Bailian, а не зашивать сообщаемые СМИ цены в долгосрочные бюджеты.

Основная цель — генерация полезных и информационно насыщенных изображений

Alibaba резюмирует тему Qwen-Image 3.0 одним словом: реализм.

Компания разделяет эту концепцию на три измерения:

1. Богатое содержание
2. Достоверные детали
3. Глубокие знания

Эти три измерения объясняют, почему Qwen-Image 3.0 ориентирован на производственные сценарии, а не только на генерацию художественных изображений.

Генерация.

Богатое содержание: промпт до 4.5K токенов

Qwen-Image 3.0 поддерживает до ~4.5K токенов во входных инструкциях.

Больший бюджет промпта позволяет пользователю в одном запросе указать несколько блоков, меток, ролей, формул, правил компоновки, визуальных стилей и иерархических требований.

Официальные примеры Alibaba включают:

• Сетку 3×3 с девятью различными образовательными и профессиональными инфографиками
• Газетный макет с плотным текстом
• Полную раскадровку
• Экзаменационный лист
• Интерфейсы, вложенные друг в друга
• Математические графики и формулы
• Карточки знаний с диаграммами, метками и иллюстрациями

Одна официальная демонстрация использовала промпт объёмом ~3.7K токенов и сгенерировала одно изображение 3×3 с девятью независимыми информационными панелями. Каждая панель имела свою тему, макет, текст, диаграммы и визуальный язык.

Горизонтальная и вертикальная сложность

Alibaba описывает две формы сложности.

Горизонтальная сложность означает размещение множества параллельных элементов на одном холсте без их взаимных помех.

Примеры включают:

• Девять панелей инфографики
• Меню с множеством категорий
• Многосценную раскадровку
• Сравнительные диаграммы
• Образовательные постеры с несколькими модулями

Вертикальная сложность означает понимание вложенных визуальных отношений.

Один официальный пример вкладывает следующие интерфейсы друг в друга:

Интерфейс VS Code
  └── Чат-интерфейс Qwen
        └── Интерфейс WeChat
              └── Постер про кофе ручного заваривания

Модель должна сохранять узнаваемую структуру каждого интерфейса, одновременно соблюдая иерархические отношения, описанные в промпте.

Такая генерация особенно полезна, когда изображение ближе к проектному документу, чем к традиционной иллюстрации.

Достоверные детали: мелкий текст и реалистичные текстуры

Второй акцент — точность рендеринга.

Alibaba заявляет, что Qwen-Image 3.0 в своих демонстрациях способен генерировать чёткий читаемый текст размером около 10 пикселей.

Официальные примеры включают:

• Газетный контент с плотным текстом
• Академические страницы с формулами LaTeX
• Верхние и нижние индексы
• Греческие буквы
• Номера теорем
• Рукописные пометки
• Мелкие подписи в образовательных диаграммах

Компания также подчёркивает улучшенные физические детали, включая:

• Поры кожи
• Отдельные волоски
• Текстуру тканей
• Натуральные материалы
• Мелкие поверхностные повреждения
• Тушевые градиенты

В одной демонстрации редактирования модель восстановила утраченные фрагменты повреждённой традиционной картины, стараясь сохранить оригинальные мазки и композицию.

«Текст в 10 пикселей» — не абсолютная гарантия

Показатель 10 пикселей взят из продуктовой демонстрации Alibaba. Его не следует интерпретировать как гарантию того, что каждый 10-пиксельный текст будет абсолютно точным на всех языках, шрифтах, макетах и сценариях генерации.

В производственной среде текст по-прежнему следует проверять на:

• Орфографию
• Отсутствующие символы
• Пунктуацию
• Переносы строк
• Согласованность шрифтов
• Точность формул
• Точность названий брендов

Важные юридические, медицинские, финансовые или продуктовые тексты должны проверяться вручную; добавление их после генерации с помощью обычных инструментов дизайна может оставаться более надёжным подходом.

Глубокие знания: 12 языков, интерфейсы и контекст мира

Alibaba заявляет, что модель нативно поддерживает рендеринг 12 языков и более 20 шрифтов.

Её официальные примеры релиза включают контент на японском, корейском, испанском, китайском и английском языках.

Модель также нацелена на воспроизведение распространённых визуальных систем, включая:

• Веб-страницы
• Программные интерфейсы
• Окна чатов
• Игры
• Прямые трансляции
• Образовательные диаграммы
• Научные графики

Это не просто соответствие визуальному стилю. Модель должна понимать предполагаемую структуру изображаемых объектов.

Например, панель погоды должна содержать узнаваемые дату, местоположение, иконки, температуру и иерархию прогноза. Редактор кода должен иметь панели, вкладки, номера строк, область кода и панель инструментов в разумных местах.

Релизная статья Alibaba также описывает рабочие процессы, связывающие генерацию с внешним поиском знаний. Не следует предполагать, что модель обладает актуальными знаниями в реальном времени при каждом вызове API; текущая информация зависит от того, действительно ли в окружающем продукте или агентном рабочем процессе включены поиск или извлечение.

Генерация и редактирование в одной модели

Одно из самых практичных изменений — объединение возможностей генерации и редактирования в модели qwen-image-3.0-pro.

Официальная документация API Alibaba Cloud указывает, что одна и та же модель поддерживает:

• Генерацию изображения по тексту

• Преобразование изображения в изображение

• Редактирование изображений с использованием 1–3 опорных изображений

Это снижает необходимость выбирать одну модель для первичной генерации, а затем другую — для последующего редактирования.

Типичный рабочий процесс выглядит так:

1. Сгенерируйте первое изображение на основе подробного запроса.
2. Используйте результат в качестве входного изображения.
3. Попросите модель изменить выбранные элементы.
4. Сохраните остальные аспекты — объект, композицию или стиль.
5. При необходимости сгенерируйте несколько альтернативных вариантов.

Задачи редактирования могут включать:

• Замену одежды
• Замену фона или сцены
• Добавление или удаление объектов
• Комбинирование визуальных элементов из нескольких изображений
• Исправление текста
• Восстановление повреждённых фрагментов
• Перенос стиля
• Сохранение объекта при замене сцены

Модель принимает от 1 до 3 опорных изображений для запросов на редактирование.

Официальные ограничения API и формат вывода

В текущей справочной документации API Alibaba Cloud Bailian для Qwen Image 3.0 указаны следующие характеристики для qwen-image-3.0-pro:

В более широких примечаниях к выпуску продукта указано, что отображаемые изображения могут содержать текст на 12 языках. Это отличается от формулировки в документации API, где указано, что положительные запросы поддерживают китайский и английский.

Иными словами:

• Язык инструкций поддерживается на китайском или английском языке в документации.
• Сгенерированные изображения могут содержать текст на более широком наборе языков.

Вызов Qwen-Image 3.0 Pro с помощью cURL

Текущий международный пример API Alibaba использует конечную точку DashScope для мультимодальной генерации.

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
    }
  }'

Замените {WorkspaceId} на идентификатор рабочей области, связанный с вашим ключом API.

Alibaba Cloud использует отдельные ключи API и конечные точки для своих развернутых регионов в Китае и Сингапуре. Ключи и конечные точки нельзя смешивать между регионами.

Редактирование изображений с помощью Python SDK

Официальный SDK использует MultiModalConversation для вызова 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}")

Сгенерированный URL является временным. Alibaba Cloud заявляет, что ссылки на результаты хранятся только в течение 24 часов, поэтому приложения должны своевременно загружать одобренные выходные данные в собственное хранилище.

Производительность Arena: сильные результаты, но рейтинг требует контекста

AIBase сообщает, что Qwen-Image 3.0 Pro занял первое место среди китайских моделей и второе место среди основных моделей.

Первая часть соответствует актуальному снимку Arena, рассмотренному в этой статье: Qwen-Image 3.0 Pro — это модель китайской разработки с самым высоким рейтингом в общей таблице «текст-в-изображение».

Вторая часть не подтверждается данными живого рейтинга от 4 августа 2026 года.

Arena показывает:

• Модель: qwen-image-3.0-pro
• Разработчик: Alibaba
• Оценка: 1263 ±

11

• Статус:

Предварительные результаты

• Текущее место в рейтинге: 5-е место
• Диапазон позиций: 4–9-е место
• Показано голосов: 2 801

Данный балл близок к нескольким конкурирующим системам, доверительные интервалы пересекаются. Ярлык «предварительная оценка» также означает, что рейтинг может измениться по мере сбора дополнительных голосов.

Arena основана на сравнении пользовательских предпочтений и не является полным показателем для всех производственных задач.

Сам по себе он не доказывает превосходство в следующих аспектах:

• Точность текста
• Консистентность продукта
• Точность редактирования изображений
• Задержка
• Надёжность API
• Безопасное поведение
• Стоимость за каждый допустимый элемент
• Пригодность для коммерческого лицензирования

Командам следует тестировать модель на собственных промптах и критериях приёмки.

Наиболее подходящие сценарии использования модели

Функциональный набор Qwen-Image 3.0 особенно актуален, когда изображение содержит одновременно визуальные и текстовые структуры.

Раскадровки и планирование коротких драм

Один длинный промпт может описать несколько кадров, персонажей, ракурсы камеры, реплики диалогов и переходы сцен в одной раскадровке.

Образовательные и научно-познавательные графические материалы

Модель может использоваться для создания черновиков:

• Учебных иллюстраций
• Таблиц формул
• Научных плакатов
• Карточек знаний
• Вёрстки экзаменационных материалов
• Аннотированных иллюстраций

Все факты и формулы по-прежнему требуют проверки экспертами.

Электронная коммерция и реклама

Потенциальные варианты использования включают:

• Рекламные плакаты продуктов
• Многоязычные маркетинговые варианты
• Меню
• Описательные изображения продуктов
• Промо-баннеры
• Макеты для социальных сетей

Функция редактирования по референсным изображениям полезна, когда продукт или объект должен сохранять узнаваемость в разных вариантах.

Интерфейсы и концепт-дизайн продуктов

Модель может создавать черновики:

• Веб-страниц
• Интерфейсов приложений
• Стриминговых студий
• Игровых интерфейсов
• Вложенных UI-концепций

Эти изображения являются визуальными концептами, а не готовым к продакшену фронтенд-кодом.

Газеты, отчёты и сложная редакционная вёрстка

Большой лимит промптов и возможность рендеринга мелкого текста делают модель подходящей для изучения сложных редакционных макетов.

Если к финальной публикации предъявляются строгие требования к точности текста, текст всё равно следует заменять или проверять в программе вёрстки.

Практические рекомендации по промптам

Ограничение в 4,5 тыс. символов не означает, что каждый промпт нужно заполнять до максимума.

Длинные промпты работают лучше всего только при чёткой структуре.

1. Определите холст

Чётко укажите:

• Соотношение сторон
• Целевое разрешение
• Ориентацию — горизонтальную или вертикальную
• Количество блоков
• Порядок чтения

2. Описывайте контент и стиль отдельно

Сначала опишите информационное содержимое, затем — визуальное оформление.

Контент:
- Главный заголовок
- Три преимущества продукта
- Таблица характеристик
- Дисклеймер в нижнем колонтитуле

Стиль:
- Минималистичный редакционный дизайн
- Тёмно-синий фон
- Белый шрифт без засечек
- Мягкий студийный свет

3. Распределите текст по конкретным областям

Не давайте модели просто набор фраз без порядка.

Объясните, к какой области относится каждый текстовый блок.

4. Указывайте точные формулировки

Заключайте в кавычки текстовое содержимое, которое должно появиться на изображении.

Сгенерированное написание всё равно следует проверять.

5. Описывайте иерархию между элементами

Для вложенных или многопанельных дизайнов объясняйте, какой элемент содержит какой.

6. Используйте референсные изображения для задач, критичных к идентичности

Когда конкретный продукт, человек, упаковка или объект имеют решающее значение, редактирование по референсу обычно надёжнее, чем только текстовая генерация.

7. Генерируйте несколько кандидатов

API поддерживает до шести выходных изображений за один вызов. Создание нескольких вариантов эффективнее, чем многократная доработка одного промпта без сравнения.

Текущие ограничения и особенности публикации

Официальная документация всё ещё дорабатывается

Просмотренная в этом обзоре страница API Alibaba Cloud изначально была помечена как ограниченный предварительный доступ, тогда как сообщения от 5 августа утверждали, что модель стала более широко доступна через платформу Qwen.

Таким образом, документация, требования к доступу, лимиты запросов и псевдонимы моделей могут быстро меняться.

Разная видимость документации для версий Pro и Standard

Публичная страница Qwen Cloud чётко документирует Qwen-Image 3.0 Pro. AIBase сообщает, что Standard-версия стоит 0,03 доллара за изображение, однако в ходе этого обзора соответствующая публичная международная страница модели не была найдена.

Модель является проприетарной

Живой список Arena помечает Qwen-Image 3.0 Pro как проприетарную модель. Официального релиза открытых весов для версии 3.0 не обнаружено.

Текст по-прежнему требует ручной проверки

Возможности рендеринга текста в этой модели — значительное улучшение, но они не гарантируют идеальной типографики или фактической точности.

URL-адреса изображений имеют ограниченный срок действия

Сгенерированные API URL-адреса изображений действительны в течение 24 часов. Сразу сохраняйте нужные файлы.

Коммерческое использование требует изучения соответствующих политик

Перед развёртыванием сгенерированных материалов необходимо изучить:

• Условия обслуживания Qwen Cloud
• Интеллектуальную собственность
• Использование товарных знаков
• Права на референсные изображения
• Конфиденциальность и права на изображение
• Региональные нормативы по AI-контенту
• Требования к раскрытию или водяным знакам

Часто задаваемые вопросы

Что такое Qwen-Image 3.0 Pro?

Qwen-Image 3.0 Pro — это флагманская модель третьего поколения Alibaba для генерации и редактирования изображений. Она поддерживает генерацию по тексту, редактирование с использованием до трёх референсных изображений, длинные промпты, многоязычный рендеринг текста и плотные визуальные макеты.

Сколько стоит Qwen-Image 3.0 Pro?

Qwen Cloud в настоящее время указывает цену 0,04 доллара за изображение при выходе 1K и 0,075 доллара за изображение при выходе 2K. Входные изображения для рабочих процессов 1K и 2K указаны по цене 0,003 доллара за каждое.

Существует ли модель Qwen-Image 3.0 Standard?

AIBase сообщает о запуске Standard-версии по цене от 0,03 доллара за изображение. На момент написания данного материала соответствующая публичная международная страница модели с полной официальной таблицей цен не была найдена, поэтому перед планированием бюджета разработчикам следует проверить актуальную консоль Qwen Cloud.

Насколько длинным может быть промпт для Qwen-Image 3.0?

Alibaba заявляет о поддержке до примерно 4,5 тыс. токенов на вход. Увеличенный лимит предназначен для удовлетворения требований раскадровок, газет, учебных графических материалов, вложенных интерфейсов и других информационно насыщенных изображений.

Может ли Qwen-Image 3.0 редактировать существующие изображения?

Да. Тот же API-модель qwen-image-3.0-pro поддерживает преобразование изображения в изображение и запросы на редактирование с использованием одного-трёх референсных изображений плюс текстовой инструкции.

Может ли Qwen-Image 3.0 точно отображать мелкий текст?

Демонстрации Alibaba показывают читаемый текст размером около 10 пикселей и сложные страницы LaTeX. Результаты по-прежнему могут различаться, поэтому важные орфографические написания, формулы, цены, юридический контент и названия брендов требуют ручной проверки.

Является ли Qwen-Image 3.0 открытым?

Официального релиза открытых весов для Qwen-Image 3.0 Pro не обнаружено.

Официальные источники, рассмотренные здесь. Arena в настоящее время помечает модель как проприетарную.

Какое место Qwen-Image 3.0 Pro занимает в Arena?

В снимке Text-to-Image Arena от 4 августа 2026 года это самая высокорейтинговая модель китайской разработки: предварительное общее 5-е место, диапазон с 4-го по 9-е. Рейтинг Arena меняется по мере добавления новых голосов и моделей.

Связанные инструменты

• Qwen Cloud: международная платформа моделей Alibaba Cloud для тестирования моделей, получения доступа к API и просмотра актуальных цен.
• Qwen-Image 3.0 Pro: официальная страница модели с функциями, лимитами запросов, ценами и примерами cURL.
• Alibaba Cloud Bailian: управляемая платформа Alibaba Cloud для развёртывания и вызова моделей Qwen и сторонних моделей.
• DashScope Python SDK: официальный пакет Python, используемый в примерах API Qwen от Alibaba Cloud.
• [Text-to-Image

Arena](https://arena.ai/leaderboard/text-to-image): живой рейтинг предпочтений для сравнения моделей генерации изображений.

• Qwen Studio: официальная пользовательская платформа Qwen для тестирования поддерживаемых функций моделей.

Связанные ссылки

• Официальный анонс Qwen-Image 3.0: подробное описание Alibaba Cloud о богатом контенте, достоверных деталях и глубоких знаниях.
• Qwen-Image 3.0 Pro на Qwen Cloud: текущий обзор международной модели, цены, лимиты скорости и примеры API-запросов.
• Справочник API Qwen Image Generation and Editing 3.0: официальные параметры запросов, конечные точки, примеры кода, поддерживаемые форматы изображений и режимы ответов.
• Анонс мультимодальных моделей Alibaba Cloud: официальная сводка о сериях Qwen-Image 3.0 и Qwen-Audio 3.0.
• Рейтинг Text-to-Image Arena: живой рейтинг для проверки предварительного положения модели.
• Журнал обновлений рейтинга Arena: официальная запись о том, когда Qwen-Image 3.0 Pro был добавлен в рейтинг.

Резюме

Qwen-Image 3.0 Pro разработан для задач генерации изображений, сочетающих визуальное качество с плотной информацией. Его емкость подсказок в 4,5K токенов, рендеринг мелкого текста, многоязычный вывод, понимание вложенных интерфейсов и реалистичные детали делают его особенно подходящим для раскадровок, плакатов, учебных диаграмм, интерфейсов и редактирования типографики.

Одна и та же API-модель поддерживает генерацию и редактирование, включая от одной до трех референсных изображений. Qwen Cloud в настоящее время оценивает вывод Pro от 0,04 доллара за изображение 1K и 0,075 доллара за вывод 2K.

Модель показывает сильные результаты в живом Text-to-Image Arena, но текущий рейтинг не поддерживает утверждение из заголовка источника о том, что она занимает

второе место в общем зачете. Отображается позиция пятого места с предварительными оценками и пересекающимися доверительными интервалами.

Основной прогресс заключается не просто в создании более эстетичных изображений; а в возможности преобразовывать более длинные и структурированные инструкции в редактируемые визуальные активы при относительно низкой стоимости API за изображение.