6.2
深览指数
产品人人都是产品经理·卡尔的AI沃茨··AI 生成
19大场景实测Qwen-Image-3.0，GPT Image2不再是生图的唯一选择了
这是一篇对阿里通义千问最新图像生成模型Qwen-Image-3.0的详细实测报告。作者从中文长文本生成、多语言混合排版、UI设计、多图融合以及图片编辑等19个场景进行了高强度测试，展示了该模型在文字稳定性、多语言支持、复杂指令遵循和编辑能力上的出色表现。文章的核心结论是：Qwen-Image-3.0在图片质量上已能与GPT-4o的Image2功能媲美，尤其在中文字处理、多图融合和精细编辑任务上更具优势，是国产图片模型的一次重要突破。适合关注AI图像生成、设计工具、国产大模型落地的产品经理、设计师、技术爱好者阅读。原文 ↗
核心观点
- ▍Qwen-Image-3.0在图片质量和文字生成稳定性上已能与GPT-4o的Image2功能媲美，并且在中文长文本、多语言混合、多图融合和精细编辑任务上更具优势，是国产图片模型的重要突破。
- 01在中文文字生成测试中，模型成功生成了包含大量文字信息（如“猫咪全品种科普图鉴”）的图片，文字未出现崩坏，且能准确执行表格排版。
- 02模型能根据一份包含十二道菜名和定价的菜谱，生成每道菜图片、名称和价格完全对应且风格统一的菜单图。
- 03模型能生成具有“人感”的印刷字体和手写毛笔字效果，排版和设计感较强，而非常见的AI直出感。
- 04在多语言混合测试中，模型成功生成了包含中英双语工作日历、六种语言说明书的复杂图片，文字均未出现模糊或错字。
- 05模型能生成包含车载系统、学习APP、游戏UI等复杂界面的图片，细节如“灵动岛”也能准确呈现。
- 06在多图融合测试中，模型能根据一张模特图和一张服装组合图，准确生成模特穿着指定服装的图片，人物、服装、配饰均与原图对应。
- 07在图片编辑测试中，模型能实现“无痕”修改，如修改海报文字并延续原字体、清除玻璃倒影、替换产品图、将竖版海报扩为横版KV等。
反方 / 局限
- — 文章未提及模型在生成复杂场景时的幻觉率、生成一致性（如多图融合时人物面部一致性）或与其他竞品（如Midjourney、DALL-E 3）的横向对比，作为一篇测评文章，缺乏对自身局限性的讨论。
9 分钟 · 4 卡片 · 9 资料
读原文 →