阿里Qwen-Image 2.0新登场：超长指令与高效渲染，挑战AI图像生成新高度

字节的模型才发布不久，阿里便紧随其后，推出了新的图像生成模型！

智东西在2月10日获悉，阿里巴巴发布了新一代图像生成基础模型Qwen-Image 2.0，该模型支持多达一千个token的指令，达到2k分辨率，并采用了更轻量化的架构，其尺寸远小于Qwen-Image 1.0的20B，实现了更快的推理速度。

智东西对阿里Qwen-Image 2.0、字节Seedream 5.0 Preview及谷歌Nano Banana Pro进行了对比测试，发现Qwen-Image 2.0在长指令遵循和文本渲染上表现优异，但在图像的真实感上仍稍逊于Nano Banana Pro。

Qwen-Image 2.0的升级重点在于文字渲染。在官方提供的AB测试中，文字的字体、排版等均由一个包含888个token（涵盖近1000个中英文字词）的超长提示词定义，而Qwen-Image 2.0能够出色地还原这些文字。

Qwen-Image 2.0甚至能用毛笔字渲染《兰亭集序》全文，并确保文字和画面的协调，不遮挡山水和人物。尽管某些文字存在渲染失败的情况，但比例已经很低。

此外，Qwen-Image 2.0还支持一次性生成数十个子图并保持主体一致性。如下图中所示的漫画，共有24个画面，人物和画风都较为连贯。

针对AI生成图像常见的“油腻感”，Qwen-Image 2.0也进行了优化。与前代模型相比，其色彩更自然，观感更接近实拍，AI痕迹更少。

阿里在AI盲测平台AI Arena上对Qwen-Image 2.0进行了测试，结果显示其在文生图和图生图基准中分别排名第三和第二，但仍落后于谷歌的Nano Banana Pro。目前，该模型尚未与刚发布的Seedream 5.0 Preview进行对比。

在访谈中，吴晨飞提到Qwen-Image项目于去年5月立项，8月发布首款模型，主要围绕生图和编辑两个方向迭代。而Qwen-Image 2.在千问大模型高级解决方案架构师熊瀚天的分享中，团队计划进一步强化模型的分层编辑能力，目标是让生成模型成为生产力工具。

对比分析：阿里、字节、谷歌三款模型的文字渲染能力

我们对Qwen-Image 2.在超长提示词任务中，我们对官方提示词进行了微调，以检验模型的生成质量。