Choose your path
Poznaj specyfikację Qwen-Image-3.0, funkcje, wyniki testów porównawczych, ceny, możliwości edycji obrazów, porównania oraz dostęp do API.
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)qwen-image-3.0. Pro zapewnia silniejszą szczegółowość i wierność edycji i używa qwen-image-3.0-pro. W migawce Artificial Analysis Image Arena sprawdzonej 14 października 2026 r. Pro notuje 1,089 ± 9 Elo dla tekst-do-obrazu, a Standard notuje 1,074 ± 9. CometAPI obecnie wymienia oba warianty jako dostępne produkcyjne endpointy. Strona modelu pokazuje początkowy szacunek $0.024 za żądanie, rozliczanie według użycia oraz przepływ odpowiedzi gotowy do trybu asynchronicznego.| Specyfikacja | Qwen Image 3.0 Standard | Qwen Image 3.0 Pro |
|---|---|---|
| Model ID | qwen-image-3.0 | qwen-image-3.0-pro |
| Typ modelu | Generowanie i edycja obrazów | Generowanie i edycja obrazów |
| Tekst-do-obrazu (T2I) | Obsługiwane | Obsługiwane |
| Edycja obraz-do-obrazu (I2I) | Obsługiwane | Obsługiwane |
| Maksymalna rozdzielczość wyjściowa | Do 2048 × 2048 pikseli, zależnie od ograniczeń API | Do 2048 × 2048 pikseli, zależnie od ograniczeń API |
| Format wyjścia | PNG | PNG |
| Maksymalna liczba wyników na żądanie | Do 6, zależnie od konfiguracji API | Do 6, zależnie od konfiguracji API |
| Obrazy wejściowe do edycji | 1–3 obrazy referencyjne | 1–3 obrazy referencyjne |
| Język promptu | Obsługiwane chiński i angielski | Obsługiwane chiński i angielski |
| Długość promptu | Do około 4,500 tokenów w udokumentowanym użyciu API | Do około 4,500 tokenów w udokumentowanym użyciu API |
| Negatywne prompty | Obsługiwane przez udokumentowane API Qwen Image 3.0 | Obsługiwane przez udokumentowane API Qwen Image 3.0 |
Dokładne limity zależą od konfiguracji endpointu, konta i zmian po stronie dostawcy. Zweryfikuj bieżącą dokumentację API przed wdrożeniem produkcyjnym.
Qwen-Image 3.0 tłumaczy instrukcje w języku naturalnym na kompozycje wizualne. Prompt może opisywać nie tylko główny temat, ale też układ, typografię, kolor, oświetlenie, relacje przestrzenne i hierarchię informacji.
W przypadku edycji obrazów model przyjmuje jeden lub więcej obrazów referencyjnych wraz z instrukcją opisującą pożądane zmiany. Umożliwia to modyfikację istniejącego projektu, łączenie elementów wizualnych z wielu referencji lub zmianę ubioru bądź pozy obiektu przy użyciu dostarczonych obrazów jako wskazówek.
Model obsługuje dwa podstawowe przepływy pracy:
Te przepływy pracy należą do tej samej rodziny modeli, ale struktura żądania i obsługiwane parametry różnią się w zależności od endpointu API.
Qwen Image 3.0 jest dostępny w dwóch wersjach: Qwen Image 3.0 Standard i Qwen Image 3.0 Pro. Obie wspierają generowanie i edycję obrazów. Standard równoważy jakość generowania i szybkość, natomiast Pro jest zalecany dla wymagających układów, precyzyjnego renderowania tekstu, wielojęzycznej typografii i szczegółowych kompozycji wizualnych. CometAPI oferuje obie wersje w katalogu pod identyfikatorami modeli qwen-image-3.0 i qwen-image-3.0-pro.
Najbardziej widoczną zmianą jest obsługa około 4,5K tokenów wejścia. Długi prompt może określić strefy układu, nagłówki, dokładne etykiety, kolory, typografię, styl wizualny, relacje obiektów i role referencji bez kompresowania całego briefu do kilku zdań.
Jest to szczególnie przydatne dla dokumentów wizualnych. Strona gazety może wymagać kilku kolumn, wielu zdjęć, podpisów, etykiet sekcji i spójnej hierarchii typograficznej. Infografika z dziewięcioma panelami może potrzebować osobnej koncepcji, ikony, tytułu i wyjaśnienia w każdym panelu. Scenopis może wymagać ciągłości między ujęciami, przy jednoczesnym różnicowaniu kąta kamery i akcji. Dłuższe instrukcje dają modelowi więcej przestrzeni na odzwierciedlenie tych ograniczeń w jednym żądaniu.
Jednak pojemności promptu nie należy mylić z pojemnością renderowanej treści tekstowej. Model może przyjąć 4,5K-tokenowy brief projektowy, ale nie gwarantuje perfekcyjnego odtworzenia 4,5K tokenów tekstu w obrazie wynikowym. Dodatkowy budżet opisuje również styl, rozmieszczenie i relacje, które mogą nigdy nie pojawić się jako dosłowny tekst.
Qwen podkreśla tekst renderowany w okolicach 10 pikseli, wraz z formułami, dolnymi i górnymi indeksami, literami greckimi, podpisami i gęstą redakcyjną treścią. Ta zdolność poszerza potencjał modelu poza plakaty z jednym krótkim hasłem. Może podejmować próby tworzenia arkuszy, stron akademickich, diagramów technicznych, menu, pulpitów nawigacyjnych i grafik porównawczych produktów.
Konsekwencje produkcyjne są obiecujące, lecz warunkowe. Mały tekst to obszar, w którym wizualna wiarygodność i poprawność faktów najłatwiej się rozchodzą. Linia może wyglądać typograficznie przekonująco, ale zawierać błędnie napisane nazwisko, zmienioną jednostkę, brakujący minus lub niepoprawną formułę. Istotne treści należy sprawdzać w docelowym rozmiarze wyświetlania, a nie tylko w powiększonym podglądzie.
Model obsługuje natywne renderowanie w 12 językach i wiele krojów pisma. Przykłady z premiery pokazują układy wielojęzyczne, w tym kombinacje chińsko-angielskie oraz przykłady po japońsku, koreańsku i hiszpańsku. To czyni Qwen-Image 3.0 istotnym dla lokalizowanych materiałów kampanii, treści edukacyjnych, menu, interfejsów i międzynarodowej dokumentacji produktowej.
Wsparcie językowe nadal wymaga testów specyficznych dla danego pisma. Interpunkcja, łamanie linii, tekst pionowy, diakrytyki, odstępy między znakami i substytucje fontów mogą zachowywać się odmiennie między językami. Zespoły powinny utrzymywać testy akceptacyjne dla każdego języka używanego w produkcji, zamiast zakładać, że jeden udany przykład po angielsku dowodzi uniwersalnej jakości typografii.
Qwen podkreśla mikroekspresje twarzy, pory, pasma włosów, tkaniny, papier, inskrypcje na kamieniu, oświetlenie i inne drobne szczegóły wizualne. Praktyczna korzyść wykracza poza fotorealistyczne generowanie portretów. Fotografia produktowa wymaga spójności materiałowej; zadania rekonstrukcyjne potrzebują ciągłości faktury; zasoby ecommerce muszą mieć stabilne kolory i krawędzie; a ilustracje redakcyjne potrzebują tematów wiarygodnych nawet w zestawieniu z gęstym tekstem.
Qwen-Image-3.0 obsługuje zarówno generowanie tekst-do-obrazu, jak i edycję obraz-do-obrazu. Użytkownicy mogą dostarczyć od jednego do trzech obrazów referencyjnych wraz z instrukcjami edycyjnymi, aby zachować temat, zmienić układ, przestylizować produkt lub tworzyć kontrolowane wariacje. Pro jest zalecanym wyborem, gdy wierność edycji jest ważniejsza niż koszt surowego generowania.
Porównanie ilościowe poniżej wykorzystuje niezależne dane z preferencji w ślepych testach. Wyniki Areny są dynamiczne i zależą od rozkładu promptów, głosów, ustawień modelu i przedziału ufności. Powinny kierować wyborem modelu, ale nie zastępować testów specyficznych dla danego obciążenia.
Artificial Analysis używa parowych porównań obrazów do mierzenia preferencji ludzi. Ocena w stylu Elo odzwierciedla, jak często obrazy danego modelu są preferowane względem konkurencyjnych wyników w tym samym ustawieniu ewaluacyjnym.
| Model | Elo dla tekst-do-obrazu | 95% przedział ufności | Próbek w ocenie |
|---|---|---|---|
| Qwen-Image-3.0-Pro | 1,089 ± 9 | 1,080–1,098 | 6,830 |
| Qwen-Image-3.0 Standard | 1,074 ± 9 | 1,065–1,083 | 6,506 |
Pro wyprzedza Standard o około 15 punktów Elo w tej migawce. Ich przedziały ufności są rozdzielone, co sugeruje mierzalną różnicę w wynikach tej listy liderów na moment sprawdzenia. Jednak oceny Elo są względnymi miarami preferencji — nie procentowym odsetkiem poprawnie obsłużonych promptów ani uniwersalną miarą jakości obrazu.
Wybierz Qwen-Image-3.0 Standard, gdy:
Wybierz Qwen-Image-3.0 Pro, gdy:
Wybierz inny model, gdy:
Qwen-Image-3.0 to rodzina modeli generowania i edycji obrazów firmy Alibaba, w wariantach Standard i Pro. Możesz uzyskać dostęp przez oficjalne API Alibaba Cloud, gdy model jest włączony dla Twojego konta i regionu. Platformy zewnętrzne, takie jak CometAPI, mogą oferować inną drogę, ale dostępność modelu trzeba sprawdzać oddzielnie.
Najlepsza metoda dostępu zależy od tego, czy chcesz generować obrazy w interfejsie webowym, integrować model z aplikacją, czy wywoływać go przez agregator API.
Krok 1 — Otwórz Model Studio
Przejdź do Alibaba Cloud Model Studio.
Krok 2 — Wybierz Qwen Image 3.0
Znajdź model generowania obrazów i wybierz Standard (qwen-image-3.0) lub Pro (qwen-image-3.0-pro).
Krok 3 — Wpisz prompt i generuj
Opisz temat, kompozycję, oświetlenie, styl i dowolny tekst, który chcesz uwzględnić. Wygeneruj obraz i dopracuj prompt w razie potrzeby.
Konsola udostępnia wpis Try Now dla Qwen-Image-3.0. Dostęp może zależeć od Twojego konta, regionu i dostępności modelu. Otwórz Model Studio.
Dla deweloperów Alibaba Cloud dokumentuje zarówno API kompatybilne z OpenAI, jak i DashScope.
qwen-image-3.0 lub qwen-image-3.0-pro.Udokumentowany model obsługuje generowanie tekst-do-obrazu i edycję obrazów z jedną do trzech referencji. Rozdzielczość wyjściowa może sięgać 2048 × 2048 pikseli, zależnie od ograniczeń API.
Qwen-Image 3.0 jest obecnie wymieniony jako Available na CometAPI przez produkcyjny endpoint. Katalog rejestruje zaobserwowaną datę wydania 11 sierpnia 2026 r. i pokazuje przepływ odpowiedzi gotowy do trybu asynchronicznego. Aktywne identyfikatory modeli to qwen-image-3.0 i qwen-image-3.0-pro.
CometAPI udostępnia osobne endpointy generowania i edycji, zachowując uwierzytelnianie, rozliczenia, obserwowalność i porównanie modeli w jednym koncie. Przed wdrożeniem ponownie sprawdź stronę modelu i dokumentację API pod kątem aktywnych identyfikatorów modeli, endpointu, obsługiwanej liczby wejść, rozmiarów wyjść, schematu odpowiedzi i bieżącej ceny.
Następnie wyślij żądanie tekst-do-obrazu:
import os
import requests
response = requests.post(
"https://api.cometapi.com/v1/images/generations",
headers={
"Authorization": f"Bearer {os.environ['COMETAPI_KEY']}",
"Content-Type": "application/json",
},
json={
"model": "qwen-image-3.0",
"prompt": (
"Create a clean infographic about renewable energy, "
"with a three-column layout, readable English headings, "
"and a restrained blue and green palette."
),
},
timeout=180,
)
response.raise_for_status()
result = response.json()
print(result)
Aby użyć Pro, zamień qwen-image-3.0 na qwen-image-3.0-pro. Sprawdź zwróconą odpowiedź pod kątem obrazu wynikowego lub informacji o zadaniu i postępuj zgodnie z aktualną dokumentacją CometAPI, jeśli wymagane jest przetwarzanie asynchroniczne. Przechowuj klucz API poza kodem źródłowym.
Praktyczny prompt może określać temat, cel, kompozycję, treść tekstową, język, typografię, oświetlenie, materiały, role obrazów referencyjnych, wymiary wyjścia i ograniczenia. Dla małego tekstu podaj dokładną treść i sprawdź wynik w docelowym rozmiarze wyświetlania.
Wskazówka produkcyjna: Zbuduj zestaw akceptacyjny z typografią, tekstem wielojęzycznym, twarzami, produktami, formułami, lokalnymi edycjami i kompozycjami z wieloma referencjami. Porównuj jakość pierwszego przejścia, wskaźnik ponownych prób, dryf edycji, opóźnienia i całkowity koszt na zaakceptowany zasób — nie tylko cenę jednej surowej generacji.
Qwen-Image-3.0 pozostaje najbardziej przekonujący dla pracy z wizualizacjami o wysokiej gęstości informacji. Zacznij od Standard, gdy potrzebujesz zrównoważonego profilu jakości, szybkości i kosztów. Przejdź na Pro, gdy o akceptacji decyduje typografia, złożona kompozycja lub wierność edycji. Na CometAPI weryfikuj żywy katalog przed każdym wdrożeniem produkcyjnym; na dzień 14 października 2026 r. oba warianty są dostępne, a szybki szacunek zaczyna się od $0.024 za żądanie.
| Wybór rozdzielczości |
| Własne wymiary lub automatyczna rekomendacja, zależnie od API |
| Własne wymiary lub automatyczna rekomendacja, zależnie od API |
| Główna mocna strona | Równoważy jakość obrazu i szybkość generowania | Lepiej nadaje się do złożonych układów, drobnego tekstu, wielojęzycznej typografii i szczegółowej grafiki |
| Model | Obraz wejściowy | 1K Wynik | 2K Wynik |
|---|---|---|---|
| Qwen-Image-3.0 | $0.003 / obraz | $0.03 / obraz | $0.03 / obraz |
| Qwen-Image-3.0-Pro | $0.003 / obraz | $0.04 / obraz | $0.075 / obraz |
| Użycie | Szacowany koszt użycia CometAPI |
|---|---|
| 1 żądanie | $0.0240 |
| 10 żądań | $0.2400 |
| 15 żądań | $0.3600 |
qwen-image-3.0 i qwen-image-3.0-pro względem referencyjnej oficjalnej ceny. Tabela cen tokenów na stronie wyświetla zerowe stawki tokenowe; dla tych endpointów obrazowych używaj szacunku per żądanie i potwierdź bieżące ceny na koncie przed budżetowaniem. Ceny dostawców, progi rozliczeń, kredyty i warunki regionalne mogą ulegać zmianie.