Em resumo
- Qwen-Image-3.0, lançado em 21 de julho pela equipe Qwen da Alibaba, aceita 4.500 tokens de instruções.
- Isso permite a geração em uma única passagem de layouts complexos como jornais, storyboards e grades densas de infográficos.
- Ao contrário de seu antecessor, o lançamento não incluiu pesos de modelo abertos, benchmarks ou relatório técnico; está disponível em chat.qwen.ai com preços de API ainda não divulgados.
A equipe Qwen da Alibaba lançou o Qwen Image 3.0 na terça-feira, e a proposta não tem nada a ver com a beleza da saída. Trata-se de saber se a saída pode realmente ser usada no trabalho.
A maioria das ferramentas de imagem por IA—Reve, Nano Banana, Seedream—são projetadas para se destacar em áreas específicas: criatividade, realismo, capacidades de edição, e assim por diante. O Qwen Image 3.0 está seguindo uma direção diferente. "Qwen-Image-3.0 não está apenas buscando 'bonito'—está buscando 'útil', tornando a geração de imagens uma ferramenta de produtividade verdadeiramente implantável," escreveu a equipe Qwen no anúncio oficial.
A peça central é o que a gigante chinesa Alibaba chama de conteúdo rico. O modelo aceita até 4.500 tokens, o que é 4,5 vezes mais do que a geração anterior podia processar. Tokens são as unidades de texto que uma IA lê; imagine um token como aproximadamente uma palavra ou parte de uma palavra, então 4.500 deles são várias páginas de instruções detalhadas.
Isso é suficiente para descrever nove painéis de infográfico separados em um único prompt e obtê-los de volta como uma imagem completa.
"Toda a imagem acima foi gerada pelo Qwen-Image-3.0 em uma única passada, em vez de ser montada a partir de múltiplas imagens," escreveu a Alibaba em seu blog. Cada painel na demonstração contém seus próprios diagramas, fórmulas, legendas e texto em letras miúdas—renderizados de uma só vez, não montados na pós-produção.
Este é o único modelo capaz de conseguir isso sem erros graves.
A segunda parte é o que a empresa chama de detalhes autênticos. Segundo a Alibaba, o modelo "suporta renderização precisa de texto tão pequeno quanto 10px, reproduzindo vividamente detalhes como poros e fios de cabelo com representação vívida e em nível micro." Dez pixels é letra miúda—o tipo que você vê em avisos farmacêuticos. O modelo também lida com LaTeX—o sistema de notação que pesquisadores usam para escrever equações matemáticas complexas—com precisão em maquetes completas de artigos acadêmicos.
Em nossos testes habituais damos aos modelos algumas frases e avaliamos como eles as processam. O Qwen Image 3.0 foi capaz de gerar a imagem abaixo, de acordo com o blog oficial da Alibaba.
Testamos esse recurso usando a configuração mais rápida do modelo. O Qwen Image 3.0 conseguiu reproduzir um artigo completo do Decrypt. A execução foi genuinamente impressionante, mas o resultado não foi impecável.
O terceiro pilar do Qwen Image 3.0 é o conhecimento profundo. De acordo com a equipe Qwen, o modelo "suporta renderização nativa de 12 idiomas, simula interfaces mainstream como páginas web, jogos e transmissões ao vivo, e se baseia em um rico conhecimento mundial". Ele também se conecta à internet para buscar dados em tempo real, o que significa que solicitar uma visualização de previsão do tempo para uma cidade e data específicas retorna um gráfico preciso, não um palpite.
Por exemplo, a Alibaba compartilhou uma foto de um inseto em uma folha. O modelo foi capaz de gerar texto relevante com base em sua compreensão da imagem.
A Alibaba está promovendo estúdios de design, equipes de conteúdo, operações de e-commerce e educadores que precisam de ativos visuais prontos para produção em grande quantidade.
Vale notar, no entanto, que na própria avaliação Qwen-Image-Bench da Alibaba—um benchmark que pontua qualidade de imagem, estética e fidelidade ao mundo real em 18 modelos—o Qwen Image 2.0 Pro, o carro-chefe anterior, ficou em quinto lugar. O GPT Image 2 da OpenAI liderou o ranking. O novo modelo pode ter melhor desempenho, mas o lançamento não oferece uma forma medida de confirmar isso, pois chegou sem tabela de benchmark, pesos para download ou relatório técnico.
O Qwen Image 1.0 foi lançado com pesos abertos sob licença Apache 2.0 e um relatório técnico no mesmo dia. Este não. Como parte do recente impulso de IA da Alibaba, a evidência aqui é inteiramente as imagens de exemplo escolhidas a dedo que a empresa publicou. Testes de API estão abertos em chat.qwen.ai. O preço ainda não foi anunciado.
