ما طول المطالبات التي يمكن أن يدعمها Qwen-Image-3.0؟

يدعم Qwen-Image-3.0 تعليمات تصل إلى حوالي 4.5K من الرموز، مما يتيح أوصافًا مفصلة للتخطيطات المعقدة والتراكيب البصرية.

ما هو معرّف نموذج API الخاص بـ Qwen-Image-3.0؟

معرّف نموذج Qwen-Image-3.0 هو qwen-image-3.0.

هل لدى Qwen-Image-3.0 نتائج اختبارات معيارية؟

لم تُنشر علنًا درجات معيارية موحّدة من قبل Alibaba لـ Qwen-Image-3.0، لذا ينبغي تقييم أدائه التنافسي حاليًا في المقام الأول من خلال أمثلة نوعية واختبارات مستقلة.

هل يدعم Qwen-Image-3.0 تحرير الصور؟

نعم. يدعم Qwen-Image-3.0 التوليد من صورة إلى صورة وتحرير الصور باستخدام 1–3 صور مرجعية مع تعليمات التحرير.

ما الدقة التي يدعمها Qwen-Image-3.0؟

يدعم Qwen-Image-3.0 دقة إخراج تصل إلى 2048×2048، وتحدد وثائق API من Alibaba نطاقًا مدعومًا من 512×512 إلى 2048×2048.

هل يستطيع Qwen-Image-3.0 توليد صور تحتوي على نص؟

نعم. تم تصميم Qwen-Image-3.0 لتصيير نصوص دقيقة، بما في ذلك نص بحجم صغير يصل إلى 10 بكسل، ويدعم 12 لغة وأكثر من 20 خطًا.

كم عدد الصور التي يمكن أن يولّدها Qwen-Image-3.0 لكل طلب؟

يدعم Qwen-Image-3.0 ما يصل إلى 6 صور ناتجة لكل طلب API.

قريبًا

Aliyun

qwen-image-3.0

Qwen-Image-3.0 API

Q: ما هو Qwen-Image-3.0؟

Qwen-Image-3.0 هو نموذج توليد الصور من الجيل الثالث الخاص بـ Alibaba Qwen، يركّز على التخطيطات المعقدة، وتركيب الصور التفصيلي، وتصييـر النصوص، والطباعة متعددة اللغات، ومسارات عمل عملية لتوليد الصور وتحريرها.

قريبًا

السعر الابتدائي

عرض الأسعار

فوترة حسب الاستخدام

حالة الواجهة

متاح

نقطة نهاية الإنتاج

زمن الاستجابة

جاهز للعمل غير المتزامن

زمن استجابة الواجهة المُلاحَظ

تاريخ الإصدار

Aug 11, 2026

Aliyun

موجز النموذج

هوية نموذج ثابتة للبحث والتقييم، مقترنة ببيانات كتالوج مباشرة يمكن أن تتغير من دون إعادة كتابة البنية الأساسية لتحسين محركات البحث في الصفحة.

هوية ثابتة

ما هو Qwen-Image-3.0؟

قريبًا

تظل الهوية الأساسية للنموذج ثابتة مع تغيّر الأسعار والحدود.

بيانات النموذج المباشرة

لقطة حالية للكتالوج

التوفر

قريبًا

السعر الابتدائي

عرض الأسعار

السياق

عرض الإمكانات

تاريخ الكتالوج

Aug 11, 2026

نظرة عامة

نظرة عامة عملية على Qwen-Image-3.0، تشمل السلوكيات المهمة واعتبارات التكامل.

ما هو Qwen-Image-3.0؟

Qwen-Image-3.0 هو الجيل الثالث من نموذج توليد الصور لدى Alibaba Qwen، وقد صُمّم لجعل الصور المولّدة بالذكاء الاصطناعي أكثر فائدة لعمليات الإبداع والتصميم الفعلية، بدلًا من التركيز فقط على الجماليات البصرية. يدعم كلًا من التحويل من نص إلى صورة (T2I) والتحرير من صورة إلى صورة (I2I)، مع تركيز خاص على التخطيطات المعقدة، وكثافة المعلومات البصرية، وتصييـر النص بدقة، والطباعة متعددة اللغات، وبناء الصور بتفاصيل دقيقة.

تُموضع Alibaba نموذج Qwen-Image-3.0 حول ثلاث قدرات أساسية: محتوى غني، تفاصيل أصيلة، ومعرفة عميقة. يقبل النموذج موجهات تصل إلى حوالي 4.5K رمزًا، مما يتيح للمستخدمين وصف تراكيب معقدة مثل الصحف، واللوحات القصصية، وأوراق الامتحان، والرسوم المعلوماتية متعددة اللوحات، ونماذج الواجهات في طلب واحد. كما يمكنه تصيير نص بحجم يصل إلى 10 بكسل، ويدعم 12 لغة وأكثر من 20 خطًا، وصُمّم لاستنساخ التفاصيل البصرية الدقيقة مثل خصلات الشعر، والمسامات، والميكرو-تعابير الوجه.

ما هي الميزات الرئيسية لـ Qwen-Image-3.0؟

إنشاء تخطيطات معقدة: صُمّم Qwen-Image-3.0 للتراكيب البصرية ذات المعلومات الكثيفة. تعرض Alibaba تخطيطات تشمل شبكات مرئية 3×3، وشرائح رياضية، وصحف، ولوحات قصصية، وقوائم، وأوراق امتحان، وتصميمات مُهيكلة أخرى تُولَّد ضمن صورة واحدة بدلًا من تجميع صور متعددة.

تعليمات أطول لتوليد الصور: يدعم النموذج موجهات تصل إلى حوالي 4.5K رمزًا، ما يمنح المستخدمين مساحة أكبر بكثير لتحديد العناصر والعلاقات والطباعة والتخطيط والتسلسل الهرمي البصري والأسلوب ضمن طلب توليد واحد.

تصيير نصوص بدقة متناهية: صُمّم Qwen-Image-3.0 خصيصًا لتصيير النصوص الصغيرة، مع إبراز Alibaba لنص بحجم يصل إلى 10px. يجعل ذلك النموذج ذا صلة خاصة بالملصقات، والرسوم المعلوماتية، والمخططات، ومفاهيم واجهات المستخدم، والمواد التعليمية، وغيرها من التصاميم التي يكون فيها النص المقروء جزءًا من الصورة لا مجرد إضافة لاحقة.

طباعة متعددة اللغات: يدعم النموذج التصيير الأصلي عبر 12 لغة وأكثر من 20 خطًا، ما يوسّع فائدته للمواد التسويقية متعددة اللغات، والرسومات المحلية، وواجهات المنتجات، وإنشاء المحتوى الدولي.

تحرير الصور: يدعم Qwen-Image-3.0 التوليد من صورة إلى صورة والتحرير باستخدام صور مرجعية مع تعليمات تحرير. تدعم وثائق API الحالية لدى Alibaba 1–3 صور مرجعية لتدفقات عمل I2I.

مخرجات متعددة: يدعم الـ API حتى 6 صور مخرجة لكل طلب، مما يتيح للمستخدمين إنشاء عدة تنويعات من الموجه نفسه.

المواصفات التقنية لـ Qwen-Image-3.0

تنشر Alibaba معلومات وصول وقدرات ملموسة للإصدار Standard. يفصل الجدول بين الحدود الموثقة والادعاءات التسويقية حتى لا يخلط المطورون بين عرض توضيحي وضمان على مستوى واجهة API.

المواصفة	Qwen-Image-3.0
المطوّر	Alibaba Qwen Team
نوع النموذج	توليد الصور وتحرير الصور
التموضع الأساسي	توازن بين الجودة والسرعة والتكلفة
معرّف النموذج	qwen-image-3.0
أنماط الإدخال	نصوص وصور
نوع الإخراج	صورة
أوضاع التوليد	من نص إلى صورة؛ من صورة إلى صورة؛ تحرير موجّه
الحد الأقصى للموجه	حوالي 4.5K رمزًا
الصور المرجعية	1-3
نطاق بكسلات الإخراج	إجمالي البكسلات من 512 x 512 إلى 2048 x 2048
تنسيق الإخراج	PNG
تصيير النص الصغير المُعلن	حوالي 10 px
لغات النص المرئي الأصلية	12
حد المعدل القياسي	20 RPM في المناطق الموثّقة
استدعاء الوظائف	غير مدعوم
الاستدلال الدفعي	غير مدعوم
الضبط الدقيق	غير مدعوم
نقاط نهاية CometAPI	/v1/images/generations; /v1/images/edits

أداء Qwen-Image-3.0 في الاختبارات المعيارية

النموذج	Elo T2I	ترتيب T2I	Elo التحرير	ترتيب التحرير	سعر API / 1K
GPT Image 2 (high)	1,367	#1	1,257	#4	$211
Nano Banana 2	1,319	#3	1,250	#7	$67
Qwen-Image-3.0-Pro	1,284	#9	1,250	#5	$43
Seedream 5.0 Pro	1,279	#10	1,247	#8	$90
Qwen-Image-3.0	1,275	#11	1,218	#15	$30

ماذا تعني النتائج

Standard مقابل Pro: الفجوة في التحويل من نص إلى صورة لا تتجاوز 9 نقاط Elo، لكن Pro يتقدم بـ 32 نقطة Elo في التحرير. قد يكون السبب الأقوى للدفع مقابل Pro هو جودة التحرير لا التوليد الأولي.
مقارنة بـ Seedream 5.0 Pro: يتأخر Standard بـ 4 نقاط Elo فقط في التحويل من نص إلى صورة، بينما يتقدم Pro بـ 5 نقاط Elo. هذه الفروق الصغيرة تقع ضمن هوامش عدم اليقين المنشورة ويجب التعامل معها كمجموعة متقاربة لا ترتيبًا حاسمًا.
مقارنة بـ Nano Banana 2: يتأخر Standard بـ 44 نقطة Elo في التحويل من نص إلى صورة و32 نقطة Elo في التحرير. يقلّص Pro فجوة التحرير إلى تعادل عند 1,250 Elo.
مقارنة بـ GPT Image 2: يتقدم GPT على Standard بـ 92 نقطة Elo في التحويل من نص إلى صورة و39 نقطة Elo في التحرير. وبذلك تكون حجة Qwen هي السعر مقابل الأداء والتخصص في التخطيطات، لا ريادة الجودة الشاملة.
مقارنة بالإصدار السابق Qwen Image 2.0 Pro، يحقق نموذج Standard 3.0 مكسبًا قدره 39 نقطة Elo في التحويل من نص إلى صورة على لوحة النتائج نفسها، بينما ينخفض السعر التمثيلي من $75 إلى $30 لكل 1,000 صورة.

مقارنة بين Qwen-Image-3.0 وGPT Image 2 وNano Banana 2

لا يتفوّق أي نموذج صور في كل أبعاد الإنتاج. يمكن أن تشير التفضيلات العامة، وإخلاص التحرير، وتصييـر النصوص، وسعة المراجع، ودقة الإخراج، والإسناد، والزمن الأدنى للاستجابة، والتكلفة إلى فائزين مختلفين. تركز المقارنة أدناه على القدرات الموثقة ونتائج Arena المستقلة.

البعد	Qwen 3 Standard	Qwen 3 Pro	GPT Image 2	Nano Banana 2	Seedream 5 Pro
التموضع	توازن الجودة/السرعة/التكلفة	أعلى إخلاص لدى Qwen	نموذج صور عام فئة مميزة	نموذج Gemini للصور سريع وعالي السعة	تصميم وتحرير احترافيان
Elo T2I / التحرير	1,275 / 1,218	1,284 / 1,250	1,367 / 1,257	1,319 / 1,250	1,279 / 1,247
الإخراج المذكور	حوالي 2K	حوالي 2K	أحجام مرنة	حتى 4K	حوالي 2K على CometAPI
المراجع المدخلة	1-3	1-3	مدعوم	مراجع متعددة	حتى 10 على CometAPI
زاوية الطباعة	4.5K brief؛ 10px claim؛ 12 languages	التركيز الأساسي نفسه مع إخلاص أعلى	نص متعدد اللغات قوي	نص مع إسناد عبر البحث	إنفوجرافيك كثيف وتحكم مكاني
الإسناد للويب	لا	لا	ليست ميزة محدِّدة في API	بحث Google وبحث الصور	يعتمد على مسار الوصول
أفضل ملاءمة	تخطيطات كثيفة بتكلفة مضبوطة	تحرير Qwen عالي الجودة	أفضل تفضيل عام ممكن	4K سريع وتدفقات عمل بمعلومات حديثة	تحرير دقيق وتصميم متعدد المراجع

الأسئلة الشائعة

API

انسخ نقطة نهاية ونموذج كود يعملان، ثم افتح المرجع الكامل للواجهة عند الحاجة إلى جميع المعلمات.

واجهة برمجة تطبيقات واحدة، وصول للنماذج جاهز للإنتاج

قم بالمصادقة مرة واحدة، واستدعِ نقطة نهاية النموذج، وحافظ على نفس سير عمل الفوترة والمراقبة عبر جميع المزودين.

نموذج الكود وواجهة برمجة التطبيقات لـ Qwen-Image-3.0

احصل على أكواد نماذجية شاملة وموارد API لـ Qwen-Image-3.0 لتبسيط عملية التكامل الخاصة بك. توفر وثائقنا التفصيلية إرشادات خطوة بخطوة، مما يساعدك على الاستفادة من الإمكانات الكاملة لـ Qwen-Image-3.0 في مشاريعك.

set -euo pipefail
: "${QWEN_IMAGE_INPUT_URL:?Set QWEN_IMAGE_INPUT_URL before running this example}"

generation_payload=$(jq -nc \
  --arg model "qwen-image-3.0" \
  '{
    model: $model,
    input: {
      messages: [{
        role: "user",
        content: [{
          text: "Create a cinematic watercolor of a moonlit harbor with glowing paper lanterns."
        }]
      }]
    },
    parameters: {
      negative_prompt: "blurry, low quality",
      prompt_extend: true,
      watermark: false,
      size: "1328*1328"
    }
  }')

echo "Generation response:"
curl --fail-with-body --silent --show-error --request POST \
  https://api.cometapi.com/v1/images/generations \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data "${generation_payload}"
echo

edit_payload=$(jq -nc \
  --arg model "qwen-image-3.0" \
  --arg image "${QWEN_IMAGE_INPUT_URL}" \
  '{
    model: $model,
    input: {
      messages: [{
        role: "user",
        content: [
          {image: $image},
          {text: "Turn the scene into a moonlit watercolor while preserving the main composition."}
        ]
      }]
    },
    parameters: {
      n: 1,
      negative_prompt: "blurry, low quality",
      prompt_extend: true,
      watermark: false
    }
  }')

echo "Edit response:"
curl --fail-with-body --silent --show-error --request POST \
  https://api.cometapi.com/v1/images/edits \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data "${edit_payload}"
echo

cURL Code Example

set -euo pipefail
: "${QWEN_IMAGE_INPUT_URL:?Set QWEN_IMAGE_INPUT_URL before running this example}"

generation_payload=$(jq -nc \
  --arg model "qwen-image-3.0" \
  '{
    model: $model,
    input: {
      messages: [{
        role: "user",
        content: [{
          text: "Create a cinematic watercolor of a moonlit harbor with glowing paper lanterns."
        }]
      }]
    },
    parameters: {
      negative_prompt: "blurry, low quality",
      prompt_extend: true,
      watermark: false,
      size: "1328*1328"
    }
  }')

echo "Generation response:"
curl --fail-with-body --silent --show-error --request POST \
  https://api.cometapi.com/v1/images/generations \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data "${generation_payload}"
echo

edit_payload=$(jq -nc \
  --arg model "qwen-image-3.0" \
  --arg image "${QWEN_IMAGE_INPUT_URL}" \
  '{
    model: $model,
    input: {
      messages: [{
        role: "user",
        content: [
          {image: $image},
          {text: "Turn the scene into a moonlit watercolor while preserving the main composition."}
        ]
      }]
    },
    parameters: {
      n: 1,
      negative_prompt: "blurry, low quality",
      prompt_extend: true,
      watermark: false
    }
  }')

echo "Edit response:"
curl --fail-with-body --silent --show-error --request POST \
  https://api.cometapi.com/v1/images/edits \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data "${edit_payload}"
echo

Python Code Example

import json
import os

import requests


COMETAPI_KEY = os.environ["COMETAPI_KEY"]
QWEN_IMAGE_INPUT_URL = os.environ["QWEN_IMAGE_INPUT_URL"]

headers = {
    "Authorization": f"Bearer {COMETAPI_KEY}",
    "Content-Type": "application/json",
}

generation_response = requests.post(
    "https://api.cometapi.com/v1/images/generations",
    headers=headers,
    json={
        "model": "qwen-image-3.0",
        "input": {
            "messages": [
                {
                    "role": "user",
                    "content": [
                        {
                            "text": "Create a cinematic watercolor of a moonlit harbor with glowing paper lanterns."
                        }
                    ],
                }
            ]
        },
        "parameters": {
            "negative_prompt": "blurry, low quality",
            "prompt_extend": True,
            "watermark": False,
            "size": "1328*1328",
        },
    },
    timeout=120,
)
generation_response.raise_for_status()
print("Generation response:")
print(json.dumps(generation_response.json(), ensure_ascii=False, indent=2))

edit_response = requests.post(
    "https://api.cometapi.com/v1/images/edits",
    headers=headers,
    json={
        "model": "qwen-image-3.0",
        "input": {
            "messages": [
                {
                    "role": "user",
                    "content": [
                        {"image": QWEN_IMAGE_INPUT_URL},
                        {
                            "text": "Turn the scene into a moonlit watercolor while preserving the main composition."
                        },
                    ],
                }
            ]
        },
        "parameters": {
            "n": 1,
            "negative_prompt": "blurry, low quality",
            "prompt_extend": True,
            "watermark": False,
        },
    },
    timeout=120,
)
edit_response.raise_for_status()
print("Edit response:")
print(json.dumps(edit_response.json(), ensure_ascii=False, indent=2))

JavaScript Code Example

const apiKey = process.env.COMETAPI_KEY;
const inputImageUrl = process.env.QWEN_IMAGE_INPUT_URL;

if (!apiKey || !inputImageUrl) {
  throw new Error("Set COMETAPI_KEY and QWEN_IMAGE_INPUT_URL before running this example.");
}

const headers = {
  Authorization: `Bearer ${apiKey}`,
  "Content-Type": "application/json",
};

const generationResponse = await fetch(
  "https://api.cometapi.com/v1/images/generations",
  {
    method: "POST",
    headers,
    body: JSON.stringify({
      model: "qwen-image-3.0",
      input: {
        messages: [
          {
            role: "user",
            content: [
              {
                text: "Create a cinematic watercolor of a moonlit harbor with glowing paper lanterns.",
              },
            ],
          },
        ],
      },
      parameters: {
        negative_prompt: "blurry, low quality",
        prompt_extend: true,
        watermark: false,
        size: "1328*1328",
      },
    }),
  },
);

if (!generationResponse.ok) {
  throw new Error(`Generation failed (${generationResponse.status}): ${await generationResponse.text()}`);
}

console.log("Generation response:");
console.log(JSON.stringify(await generationResponse.json(), null, 2));

const editResponse = await fetch(
  "https://api.cometapi.com/v1/images/edits",
  {
    method: "POST",
    headers,
    body: JSON.stringify({
      model: "qwen-image-3.0",
      input: {
        messages: [
          {
            role: "user",
            content: [
              { image: inputImageUrl },
              {
                text: "Turn the scene into a moonlit watercolor while preserving the main composition.",
              },
            ],
          },
        ],
      },
      parameters: {
        n: 1,
        negative_prompt: "blurry, low quality",
        prompt_extend: true,
        watermark: false,
      },
    }),
  },
);

if (!editResponse.ok) {
  throw new Error(`Edit failed (${editResponse.status}): ${await editResponse.text()}`);
}

console.log("Edit response:");
console.log(JSON.stringify(await editResponse.json(), null, 2));

حالات الاستخدام

استخدم Qwen-Image-3.0 في سير عمل إنتاجي يناسب إمكانياته في image، ثم قارن البدائل قبل الالتزام بتكامل طويل الأمد.

مرئيات المنتجات والمحتوى الإبداعي للحملات

الفن المفاهيمي والاستكشاف البصري السريع

تحرير الصور وإنشاء الاختلافات وإنتاج الأصول

نماذج أخرى

قارن نماذج أخرى متاحة عبر CometAPI من حيث الجودة وزمن الاستجابة والإمكانيات والسعر.

فتح مقارنة النماذج →

Google

Nano Banana 2.1

استكشف واجهة برمجة تطبيقات Nano Banana 2.1.

عرض النموذج

xAI

Grok-Imagine-Image-2.0

Grok Imagine Image 2.0، نموذجها المحسن لتوليد الصور بالذكاء الاصطناعي وتحريرها

عرض النموذج

OpenAI

GPT Image 2

GPT Image 2 هو نموذج توليد صور متقدّم من OpenAI لتوليد الصور وتحريرها بسرعة وجودة عاليتين. وهو يدعم أحجام صور مرنة ومدخلات صور عالية الدقة.

عرض النموذج

Runway

Gen4-image

استكشف واجهة برمجة تطبيقات Gen4-image.

عرض النموذج

Runway

Gen4-image-turbo

استكشف واجهة برمجة تطبيقات Gen4-image-turbo.

عرض النموذج

Google

Nano Banana 2 lite

نموذج Gemini 3.1 Flash Lite Image هو خبير في الكفاءة ضمن عائلة توليد الصور، صُمّم لزمن كمون فائق الانخفاض ولتوليد وتعديل الصور بفعالية من حيث التكلفة.

عرض النموذج

وقت التشغيل

راجع بيانات النبض الحي وتوفر نقطة النهاية وأزمنة الاستجابة المُلاحَظة قبل الانتقال إلى الإنتاج.

التحديثات

تابع التغييرات المهمة في توفر Qwen-Image-3.0 وأسعاره وإمكاناته من دون فقدان صفحة النموذج الثابتة.

سجل تغييرات النموذج

صفحة واحدة تصبح أكثر فائدة بمرور الوقت.

تتراكم هنا ملاحظات الإصدار وتغييرات الأسعار وتحديثات المعايير الإرشادية وإرشادات الترحيل، بينما يظل عنوان URL الأساسي دون تغيير.

ما قبل الإطلاق

نُشرت صفحة النموذج قبل الإطلاق

تم حجز صفحة دائمة لكيان النموذج Qwen-Image-3.0؛ وتظل البيانات غير المؤكدة محددة بوضوح حتى الإصدار.

بيانات مباشرة

تمت مزامنة الأسعار والحدود من الدليل

يتم التعامل مع السعر وسياق الإدخال والإتاحة والحدود بوصفها خصائص ديناميكية بدلًا من تضمينها في عنوان الصفحة أو هوية النموذج.

Aug 12, 2026

تم إنشاء كيان دائم للنموذج

يشكّل اسم المزوّد والمعرّف المختصر للنموذج عنوان URL أساسيًا ودائمًا؛ وستظل تحديثات المحتوى والبيانات المستقبلية على هذه الصفحة.

واصل الاستكشاف

قارن النماذج وتابع بحثك

قريبًا

Aliyun

qwen-image-3.0

Qwen-Image-3.0 API

قريبًا

السعر الابتدائي

عرض الأسعار

فوترة حسب الاستخدام

حالة الواجهة

متاح

نقطة نهاية الإنتاج

زمن الاستجابة

جاهز للعمل غير المتزامن

زمن استجابة الواجهة المُلاحَظ

تاريخ الإصدار

Aug 11, 2026

Aliyun

موجز النموذج

هوية ثابتة

ما هو Qwen-Image-3.0؟

قريبًا

تظل الهوية الأساسية للنموذج ثابتة مع تغيّر الأسعار والحدود.

بيانات النموذج المباشرة

لقطة حالية للكتالوج

التوفر

قريبًا

السعر الابتدائي

عرض الأسعار

السياق

عرض الإمكانات

تاريخ الكتالوج

Aug 11, 2026

نظرة عامة

نظرة عامة عملية على Qwen-Image-3.0، تشمل السلوكيات المهمة واعتبارات التكامل.

ما هو Qwen-Image-3.0؟

ما هي الميزات الرئيسية لـ Qwen-Image-3.0؟

مخرجات متعددة: يدعم الـ API حتى 6 صور مخرجة لكل طلب، مما يتيح للمستخدمين إنشاء عدة تنويعات من الموجه نفسه.

المواصفات التقنية لـ Qwen-Image-3.0

المواصفة	Qwen-Image-3.0
المطوّر	Alibaba Qwen Team
نوع النموذج	توليد الصور وتحرير الصور
التموضع الأساسي	توازن بين الجودة والسرعة والتكلفة
معرّف النموذج	qwen-image-3.0
أنماط الإدخال	نصوص وصور
نوع الإخراج	صورة
أوضاع التوليد	من نص إلى صورة؛ من صورة إلى صورة؛ تحرير موجّه
الحد الأقصى للموجه	حوالي 4.5K رمزًا
الصور المرجعية	1-3
نطاق بكسلات الإخراج	إجمالي البكسلات من 512 x 512 إلى 2048 x 2048
تنسيق الإخراج	PNG
تصيير النص الصغير المُعلن	حوالي 10 px
لغات النص المرئي الأصلية	12
حد المعدل القياسي	20 RPM في المناطق الموثّقة
استدعاء الوظائف	غير مدعوم
الاستدلال الدفعي	غير مدعوم
الضبط الدقيق	غير مدعوم
نقاط نهاية CometAPI	/v1/images/generations; /v1/images/edits

أداء Qwen-Image-3.0 في الاختبارات المعيارية

النموذج	Elo T2I	ترتيب T2I	Elo التحرير	ترتيب التحرير	سعر API / 1K
GPT Image 2 (high)	1,367	#1	1,257	#4	$211
Nano Banana 2	1,319	#3	1,250	#7	$67
Qwen-Image-3.0-Pro	1,284	#9	1,250	#5	$43
Seedream 5.0 Pro	1,279	#10	1,247	#8	$90
Qwen-Image-3.0	1,275	#11	1,218	#15	$30

ماذا تعني النتائج

Standard مقابل Pro: الفجوة في التحويل من نص إلى صورة لا تتجاوز 9 نقاط Elo، لكن Pro يتقدم بـ 32 نقطة Elo في التحرير. قد يكون السبب الأقوى للدفع مقابل Pro هو جودة التحرير لا التوليد الأولي.
مقارنة بـ Seedream 5.0 Pro: يتأخر Standard بـ 4 نقاط Elo فقط في التحويل من نص إلى صورة، بينما يتقدم Pro بـ 5 نقاط Elo. هذه الفروق الصغيرة تقع ضمن هوامش عدم اليقين المنشورة ويجب التعامل معها كمجموعة متقاربة لا ترتيبًا حاسمًا.
مقارنة بـ Nano Banana 2: يتأخر Standard بـ 44 نقطة Elo في التحويل من نص إلى صورة و32 نقطة Elo في التحرير. يقلّص Pro فجوة التحرير إلى تعادل عند 1,250 Elo.
مقارنة بـ GPT Image 2: يتقدم GPT على Standard بـ 92 نقطة Elo في التحويل من نص إلى صورة و39 نقطة Elo في التحرير. وبذلك تكون حجة Qwen هي السعر مقابل الأداء والتخصص في التخطيطات، لا ريادة الجودة الشاملة.
مقارنة بالإصدار السابق Qwen Image 2.0 Pro، يحقق نموذج Standard 3.0 مكسبًا قدره 39 نقطة Elo في التحويل من نص إلى صورة على لوحة النتائج نفسها، بينما ينخفض السعر التمثيلي من $75 إلى $30 لكل 1,000 صورة.

مقارنة بين Qwen-Image-3.0 وGPT Image 2 وNano Banana 2

البعد	Qwen 3 Standard	Qwen 3 Pro	GPT Image 2	Nano Banana 2	Seedream 5 Pro
التموضع	توازن الجودة/السرعة/التكلفة	أعلى إخلاص لدى Qwen	نموذج صور عام فئة مميزة	نموذج Gemini للصور سريع وعالي السعة	تصميم وتحرير احترافيان
Elo T2I / التحرير	1,275 / 1,218	1,284 / 1,250	1,367 / 1,257	1,319 / 1,250	1,279 / 1,247
الإخراج المذكور	حوالي 2K	حوالي 2K	أحجام مرنة	حتى 4K	حوالي 2K على CometAPI
المراجع المدخلة	1-3	1-3	مدعوم	مراجع متعددة	حتى 10 على CometAPI
زاوية الطباعة	4.5K brief؛ 10px claim؛ 12 languages	التركيز الأساسي نفسه مع إخلاص أعلى	نص متعدد اللغات قوي	نص مع إسناد عبر البحث	إنفوجرافيك كثيف وتحكم مكاني
الإسناد للويب	لا	لا	ليست ميزة محدِّدة في API	بحث Google وبحث الصور	يعتمد على مسار الوصول
أفضل ملاءمة	تخطيطات كثيفة بتكلفة مضبوطة	تحرير Qwen عالي الجودة	أفضل تفضيل عام ممكن	4K سريع وتدفقات عمل بمعلومات حديثة	تحرير دقيق وتصميم متعدد المراجع

الأسئلة الشائعة

API

انسخ نقطة نهاية ونموذج كود يعملان، ثم افتح المرجع الكامل للواجهة عند الحاجة إلى جميع المعلمات.

واجهة برمجة تطبيقات واحدة، وصول للنماذج جاهز للإنتاج

نموذج الكود وواجهة برمجة التطبيقات لـ Qwen-Image-3.0

set -euo pipefail
: "${QWEN_IMAGE_INPUT_URL:?Set QWEN_IMAGE_INPUT_URL before running this example}"

generation_payload=$(jq -nc \
  --arg model "qwen-image-3.0" \
  '{
    model: $model,
    input: {
      messages: [{
        role: "user",
        content: [{
          text: "Create a cinematic watercolor of a moonlit harbor with glowing paper lanterns."
        }]
      }]
    },
    parameters: {
      negative_prompt: "blurry, low quality",
      prompt_extend: true,
      watermark: false,
      size: "1328*1328"
    }
  }')

echo "Generation response:"
curl --fail-with-body --silent --show-error --request POST \
  https://api.cometapi.com/v1/images/generations \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data "${generation_payload}"
echo

edit_payload=$(jq -nc \
  --arg model "qwen-image-3.0" \
  --arg image "${QWEN_IMAGE_INPUT_URL}" \
  '{
    model: $model,
    input: {
      messages: [{
        role: "user",
        content: [
          {image: $image},
          {text: "Turn the scene into a moonlit watercolor while preserving the main composition."}
        ]
      }]
    },
    parameters: {
      n: 1,
      negative_prompt: "blurry, low quality",
      prompt_extend: true,
      watermark: false
    }
  }')

echo "Edit response:"
curl --fail-with-body --silent --show-error --request POST \
  https://api.cometapi.com/v1/images/edits \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data "${edit_payload}"
echo

cURL Code Example

set -euo pipefail
: "${QWEN_IMAGE_INPUT_URL:?Set QWEN_IMAGE_INPUT_URL before running this example}"

generation_payload=$(jq -nc \
  --arg model "qwen-image-3.0" \
  '{
    model: $model,
    input: {
      messages: [{
        role: "user",
        content: [{
          text: "Create a cinematic watercolor of a moonlit harbor with glowing paper lanterns."
        }]
      }]
    },
    parameters: {
      negative_prompt: "blurry, low quality",
      prompt_extend: true,
      watermark: false,
      size: "1328*1328"
    }
  }')

echo "Generation response:"
curl --fail-with-body --silent --show-error --request POST \
  https://api.cometapi.com/v1/images/generations \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data "${generation_payload}"
echo

edit_payload=$(jq -nc \
  --arg model "qwen-image-3.0" \
  --arg image "${QWEN_IMAGE_INPUT_URL}" \
  '{
    model: $model,
    input: {
      messages: [{
        role: "user",
        content: [
          {image: $image},
          {text: "Turn the scene into a moonlit watercolor while preserving the main composition."}
        ]
      }]
    },
    parameters: {
      n: 1,
      negative_prompt: "blurry, low quality",
      prompt_extend: true,
      watermark: false
    }
  }')

echo "Edit response:"
curl --fail-with-body --silent --show-error --request POST \
  https://api.cometapi.com/v1/images/edits \
  --header "Authorization: Bearer $COMETAPI_KEY" \
  --header "Content-Type: application/json" \
  --data "${edit_payload}"
echo

Python Code Example

import json
import os

import requests


COMETAPI_KEY = os.environ["COMETAPI_KEY"]
QWEN_IMAGE_INPUT_URL = os.environ["QWEN_IMAGE_INPUT_URL"]

headers = {
    "Authorization": f"Bearer {COMETAPI_KEY}",
    "Content-Type": "application/json",
}

generation_response = requests.post(
    "https://api.cometapi.com/v1/images/generations",
    headers=headers,
    json={
        "model": "qwen-image-3.0",
        "input": {
            "messages": [
                {
                    "role": "user",
                    "content": [
                        {
                            "text": "Create a cinematic watercolor of a moonlit harbor with glowing paper lanterns."
                        }
                    ],
                }
            ]
        },
        "parameters": {
            "negative_prompt": "blurry, low quality",
            "prompt_extend": True,
            "watermark": False,
            "size": "1328*1328",
        },
    },
    timeout=120,
)
generation_response.raise_for_status()
print("Generation response:")
print(json.dumps(generation_response.json(), ensure_ascii=False, indent=2))

edit_response = requests.post(
    "https://api.cometapi.com/v1/images/edits",
    headers=headers,
    json={
        "model": "qwen-image-3.0",
        "input": {
            "messages": [
                {
                    "role": "user",
                    "content": [
                        {"image": QWEN_IMAGE_INPUT_URL},
                        {
                            "text": "Turn the scene into a moonlit watercolor while preserving the main composition."
                        },
                    ],
                }
            ]
        },
        "parameters": {
            "n": 1,
            "negative_prompt": "blurry, low quality",
            "prompt_extend": True,
            "watermark": False,
        },
    },
    timeout=120,
)
edit_response.raise_for_status()
print("Edit response:")
print(json.dumps(edit_response.json(), ensure_ascii=False, indent=2))

JavaScript Code Example

const apiKey = process.env.COMETAPI_KEY;
const inputImageUrl = process.env.QWEN_IMAGE_INPUT_URL;

if (!apiKey || !inputImageUrl) {
  throw new Error("Set COMETAPI_KEY and QWEN_IMAGE_INPUT_URL before running this example.");
}

const headers = {
  Authorization: `Bearer ${apiKey}`,
  "Content-Type": "application/json",
};

const generationResponse = await fetch(
  "https://api.cometapi.com/v1/images/generations",
  {
    method: "POST",
    headers,
    body: JSON.stringify({
      model: "qwen-image-3.0",
      input: {
        messages: [
          {
            role: "user",
            content: [
              {
                text: "Create a cinematic watercolor of a moonlit harbor with glowing paper lanterns.",
              },
            ],
          },
        ],
      },
      parameters: {
        negative_prompt: "blurry, low quality",
        prompt_extend: true,
        watermark: false,
        size: "1328*1328",
      },
    }),
  },
);

if (!generationResponse.ok) {
  throw new Error(`Generation failed (${generationResponse.status}): ${await generationResponse.text()}`);
}

console.log("Generation response:");
console.log(JSON.stringify(await generationResponse.json(), null, 2));

const editResponse = await fetch(
  "https://api.cometapi.com/v1/images/edits",
  {
    method: "POST",
    headers,
    body: JSON.stringify({
      model: "qwen-image-3.0",
      input: {
        messages: [
          {
            role: "user",
            content: [
              { image: inputImageUrl },
              {
                text: "Turn the scene into a moonlit watercolor while preserving the main composition.",
              },
            ],
          },
        ],
      },
      parameters: {
        n: 1,
        negative_prompt: "blurry, low quality",
        prompt_extend: true,
        watermark: false,
      },
    }),
  },
);

if (!editResponse.ok) {
  throw new Error(`Edit failed (${editResponse.status}): ${await editResponse.text()}`);
}

console.log("Edit response:");
console.log(JSON.stringify(await editResponse.json(), null, 2));