GPT-5.6 Series is now live on CometAPI →
Q

Qwen Image

Per Permintaan:$0.028
Dirilis:Nov 13, 2025
Qwen-Image adalah model dasar pembuatan gambar yang revolusioner, dirilis oleh tim Tongyi Qianwen dari Alibaba pada 2025. Dengan skala parameter sebesar 20 miliar, model ini berbasis arsitektur MMDiT (Multimodal Diffusion Transformer). Model ini telah mencapai terobosan signifikan dalam perenderan teks yang kompleks dan pengeditan gambar presisi, menunjukkan kinerja yang luar biasa, khususnya dalam perenderan teks berbahasa Mandarin. Diterjemahkan dengan DeepL.com (versi gratis)
Baru
Penggunaan komersial

Fitur utama

  • Rendering teks native/berkualitas tinggi di dalam gambar — unggul dalam menghasilkan teks yang mudah dibaca dan akurat secara semantik pada gambar yang dihasilkan (poster, kemasan, tangkapan layar) — sebuah area yang menjadi tantangan bagi banyak model gambar sebelumnya.
  • Output multimodal fidelitas tinggi — menghasilkan gambar fotorealistik dan bergaya dengan detail yang baik serta tata letak yang mempertimbangkan bahasa.
  • Transfer gaya & peningkatan detail — dapat menerapkan gaya artistik yang konsisten atau meningkatkan detail lokal sambil menjaga koherensi adegan.

Rincian teknis — cara kerja Qwen-Image

Arsitektur dan komponen (kata kunci: MMDiT, Qwen2.5-VL). Model ini menggunakan transformer difusi berbasis MMDiT untuk sintesis gambar yang dipadukan dengan encoder bahasa-visual (Qwen2.5-VL) untuk menafsirkan prompt dan konteks visual. Pemisahan ini memungkinkan model memperlakukan panduan semantik dan penampilan piksel secara berbeda, sehingga meningkatkan fidelitas teks dan konsistensi pengeditan. Repositori resmi dan laporan teknis mencatat backbone berparameter 20B untuk model T2I utama.

Pipeline pelatihan (kata kunci: curriculum learning, data pipeline). Untuk mengatasi rendering teks yang sulit, Qwen-Image menggunakan kurikulum progresif: dimulai dari gambar non-teks yang lebih sederhana dan secara bertahap dilatih pada contoh yang lebih kompleks dan kaya teks hingga masukan setingkat paragraf. Tim membangun pipeline komprehensif yang mencakup pengumpulan skala besar, penyaringan cermat, augmentasi sintetis, dan penyeimbangan untuk memastikan model melihat banyak komposisi teks/foto yang realistis selama pelatihan. Kurikulum strategis ini adalah salah satu alasan utama model unggul dalam rendering teks multibahasa.

Mekanisme pengeditan (kata kunci: dual-encoding, VAE + VL encoder). Untuk pengeditan, sistem memasukkan gambar asli dua kali: sekali ke encoder Qwen2.5-VL untuk kontrol semantik dan sekali ke encoder VAE untuk informasi tampilan rekonstruktif. Desain dual-encoding memungkinkan modul pengeditan mempertahankan identitas dan fidelitas visual sambil memungkinkan modifikasi semantik — misalnya, mengganti suatu objek atau mengubah konten tekstual tanpa menurunkan kualitas area yang tidak terkait.

Kinerja benchmark

Qwen-Image mencapai kinerja SOTA atau mendekati SOTA di berbagai benchmark publik untuk generasi dan pengeditan, dengan hasil yang sangat kuat pada tugas rendering teks dan benchmark komposisi dunia nyata (misalnya, T2I-CoreBench dan kumpulan pengeditan gambar terkurasi).

Qwen-image API

Perbandingan Qwen-Image dengan model terkemuka lainnya

Kekuatan relatif: rendering teks dan fidelitas teks dwibahasa adalah keunggulan khas model ini dibandingkan banyak pesaing generatif (misalnya, DALL·E 3, SDXL, Midjourney), yang sering lebih kuat dalam komposisi murni artistik atau keragaman gaya namun lebih lemah pada tata letak teks padat multi-baris atau berbahasa Tionghoa. Berbagai perbandingan komunitas dan tabel benchmark dari penulis model mendukung karakterisasi ini.

Kompromi relatif: dibandingkan dengan sistem komersial tertutup yang sangat dituning, Qwen-Image mungkin memerlukan pascapemrosesan atau penyetelan prompt/adapter untuk mencapai realisme identik dalam beberapa konteks (warping pada permukaan melengkung, komposit fotorealistik), menurut pengujian independen. Bagi pengguna yang memprioritaskan desain bertemplate, mockup kemasan, atau tata letak teks dwibahasa, Qwen-Image cenderung lebih disukai.

Kasus penggunaan khas dan bernilai tinggi

  • Mockup kemasan & produk: teks akurat dan tata letak multi-baris untuk label dan uji coba kemasan.
  • Iklan & draf desain: pembuatan prototipe cepat ketika fidelitas teks penting (poster, spanduk).
  • Pembuatan gambar terdokumentasi: menghasilkan gambar yang harus menyertakan konten yang dapat dibaca (menu, rambu, antarmuka).
  • Pipeline pengeditan gambar: pengeditan terarah (penggantian teks, tambah/hapus objek) sambil mempertahankan gaya dan perspektif.
  • Cara mengakses Qwen image API

Langkah 1: Daftar untuk Kunci API

Masuk ke cometapi.com. Jika Anda belum menjadi pengguna kami, silakan daftar terlebih dahulu. Masuk ke CometAPI console. Dapatkan kunci API kredensial akses untuk antarmuka. Klik “Add Token” pada token API di pusat pribadi, dapatkan kunci token: sk-xxxxx dan kirimkan.

Langkah 2: Kirim permintaan ke Qwen image API

Pilih endpoint “qwen-image” untuk mengirim permintaan API dan atur request body. Metode permintaan dan request body diperoleh dari dokumentasi API di situs kami. Situs kami juga menyediakan pengujian Apifox untuk kenyamanan Anda. Ganti <YOUR_API_KEY> dengan kunci CometAPI Anda yang sebenarnya dari akun Anda. URL dasar adalah Images format(https://api.cometapi.com/v1/images/generations) melalui CometAPI.

Masukkan pertanyaan atau permintaan Anda ke dalam kolom content—itulah yang akan direspons oleh model .

Langkah 3: Ambil dan verifikasi hasil

Proses respons API untuk mendapatkan jawaban yang dihasilkan. Setelah diproses, API akan merespons dengan status tugas dan data keluaran.