阿里巴巴今日正式推出新一代图像生成基础模型Qwen-Image 2.0，这款模型在长指令处理、文字渲染精度及推理效率方面实现突破性进展。与前代200亿参数规模相比，新模型采用更轻量化架构，在保持2K分辨率输出的同时将参数规模压缩至原有十分之一，推理速度提升近3倍。
在核心能力升级方面，Qwen-Image 2.0突破性地支持千token级超长指令输入，能够精准还原包含近千中英文字词的复杂排版要求。测试显示，当输入888个token的提示词时，模型可完整呈现字体样式、字号大小、图文混排等细节，文字错误率较前代降低82%。特别在《兰亭集序》全文渲染测试中，模型在保持山水画面完整性的同时，成功呈现98%以上的汉字结构，仅个别笔画存在微小瑕疵。
针对多场景生成需求，新模型实现单次生成24格连贯漫画的能力。在医疗流程图、电商商品图等实际应用测试中，模型展现出强大的主体一致性保持能力，生成的20格分镜漫画中人物特征、画风风格保持高度统一。相较于谷歌Nano Banana Pro和字节Seedream 5.0 Preview，Qwen-Image 2.0在复杂图文编排任务中展现出显著优势。
在图像真实感优化方面，研发团队通过改进光影渲染算法，使生成图像的色彩饱和度降低37%，更接近真实摄影效果。在"倒置水晶城市"等超现实场景测试中，虽然与谷歌模型相比在云层细节处理上仍有差距，但较前代产品已消除80%以上的AI生成痕迹，画面质感获得显著提升。
技术架构创新方面，模型采用改进型VAE编码器，将小尺寸文字的信息保留率提升至92%，有效解决传统模型在文字密集区域的模糊问题。通过将生成与编辑能力整合至统一架构，模型在"照片题诗"等跨模态任务中展现出独特优势，文字生成准确率较分离式架构提升41%。
在产业应用层面，Qwen-Image 2.0已与电商、医疗、教育等领域达成合作意向。服装企业可利用其实现模特换装、属性修改等自动化操作，医疗机构能通过流程图生成功能简化就诊指引。该模型现已在阿里云百炼平台开放API邀测，千问App也将在本月内完成功能部署。
研发团队透露，下一代模型将重点攻克多图层编辑技术，通过解耦图像元素实现更精细的局部修改。这项突破将使设计师能够分别调整AI生成的不同图层，或融合多个模型的专长优势，为专业创作领域提供更灵活的生产工具。
