阿里巴巴近日正式推出新一代图像生成基础模型Qwen-Image 2.0，这款模型在文字渲染、长指令遵循及多场景应用方面展现出显著优势。相较于前代产品，新模型支持千级token超长指令输入，分辨率提升至2k级别，同时通过轻量化架构设计大幅压缩模型体积，推理速度提升明显。
在文字渲染测试中，Qwen-Image 2.0展现出独特技术突破。当输入包含888个token的超长提示词时，模型能精准还原文字字体、排版及格式要求，在《兰亭集序》毛笔字渲染任务中，文字与山水画面的协调性达到新高度，仅存在极少量渲染瑕疵。该模型还支持一次性生成包含24个连贯画面的漫画作品，人物形象与画风保持高度统一。
针对AI生成图像常见的"油腻感"问题，研发团队通过优化色彩饱和度与光影效果，使输出结果更接近真实拍摄质感。在阿里AI盲测平台AI Arena的基准测试中，Qwen-Image 2.0在文生图领域位列第三，图生图领域排名第二，虽与谷歌Nano Banana Pro存在差距，但已形成差异化竞争优势。
技术架构层面，新模型将图像生成与编辑功能深度融合。通过分层训练机制，文生图能力有效迁移至编辑任务，例如照片题诗功能即体现这种技术协同。相较于初代200亿参数规模，2.0版本在压缩模型体积的同时，通过改进变分自编码器（VAE）重构能力，显著提升了对细小文字的建模精度。
在复杂场景生成测试中，当要求呈现"倒置水晶城市漂浮海面"的超现实画面时，Qwen-Image 2.0虽在建筑朝向和云层对称性上存在不足，但整体画面构图完整。与之对比，谷歌模型更准确还原了提示词中的空间关系，字节模型则呈现出更强的科幻风格。
应用场景拓展方面，研发团队正探索PPT生成、多图海报设计等复杂任务处理。通过强化分层编辑能力，设计师可结合AI生成与传统手段进行精细化创作。该模型已与WPS等国民级应用达成合作，未来将通过真实用户反馈持续优化技术路线，形成应用需求与技术迭代的闭环发展模式。
