阿里巴巴今日正式推出新一代圖像生成基礎(chǔ)模型Qwen-Image 2.0，在長指令處理、文字渲染精度及模型效率方面實現(xiàn)突破性進展。該模型支持最長1000個token的超長指令輸入，分辨率提升至2K級別，同時通過輕量化架構(gòu)設(shè)計將模型體積壓縮至前代20B版本的十分之一以下，推理速度顯著提升。

技術(shù)測試顯示，在888個token構(gòu)成的復(fù)雜排版指令下，Qwen-Image 2.0可精準還原字體樣式、顏色及布局參數(shù)。官方演示案例中，該模型成功生成包含《蘭亭集序》全文的毛筆字畫卷，文字與山水背景的融合度較前代提升40%，錯誤字符比例降至5%以下。針對多子圖生成場景，模型可一次性輸出24格連貫漫畫，人物特征保持率達92%，較同類模型提升15個百分點。

在AI盲測平臺AI Arena的基準測試中，Qwen-Image 2.0位列文生圖第三、圖生圖第二，與榜首谷歌Nano Banana Pro存在7.8%的性能差距。實測對比顯示，在超現(xiàn)實場景生成任務(wù)中，該模型對"倒置水晶城市"等復(fù)雜描述的還原度達83%，雖略遜于Nano Banana Pro的89%，但較字節(jié)Seedream 5.0 Preview的76%具有明顯優(yōu)勢。

研發(fā)團隊透露，新模型采用創(chuàng)新的VAE重構(gòu)算法，將小尺寸文字的生成清晰度提升3倍。通過將文生圖與圖像編輯能力整合，模型在"照片題詩"等跨模態(tài)任務(wù)中展現(xiàn)出獨特優(yōu)勢。實測表明，在電商場景的商品圖生成任務(wù)中，Qwen-Image 2.0可使設(shè)計效率提升60%，運營成本降低45%。

該模型已通過阿里云百煉平臺開放API邀測，用戶可通過Qwen Chat官網(wǎng)免費體驗基礎(chǔ)功能。研發(fā)負責(zé)人吳晨飛表示，團隊正開發(fā)支持PPT、多圖海報等復(fù)雜信息圖生成的新版本，目標將幻覺錯誤率控制在0.5%以下。分層編輯功能的強化版本預(yù)計將于第三季度上線，屆時設(shè)計師可實現(xiàn)跨模型、跨圖層的精細化操作。

行業(yè)分析指出，Qwen-Image 2.0的推出標志著圖像生成技術(shù)從"視覺逼真"向"語義可控"的關(guān)鍵轉(zhuǎn)型。其輕量化設(shè)計使模型可部署于移動端設(shè)備，結(jié)合WPS等國民級應(yīng)用的生態(tài)合作，有望推動AIGC技術(shù)在醫(yī)療流程圖、教育課件等垂直領(lǐng)域的規(guī)?；涞?。