Какой длины могут быть инструкции для Qwen-Image-3.0?

Qwen-Image-3.0 поддерживает инструкции длиной до примерно 4.5K токенов, что позволяет подробно описывать сложные макеты и визуальные композиции.

Каков идентификатор модели Qwen-Image-3.0 в API?

Идентификатор модели Qwen-Image-3.0 — qwen-image-3.0.

Есть ли у Qwen-Image-3.0 результаты бенчмарков?

Публично не были опубликованы стандартизированные результаты бенчмарков для Qwen-Image-3.0 от Alibaba, поэтому его конкурентоспособность на данный момент следует оценивать преимущественно по качественным примерам и независимому тестированию.

Поддерживает ли Qwen-Image-3.0 редактирование изображений?

Да. Qwen-Image-3.0 поддерживает генерацию по изображению (image-to-image) и редактирование изображений с использованием 1–3 референсных изображений вместе с инструкциями по редактированию.

Какое разрешение поддерживает Qwen-Image-3.0?

Qwen-Image-3.0 поддерживает выходные разрешения до 2048×2048, при этом документация API от Alibaba указывает поддерживаемый диапазон от 512×512 до 2048×2048.

Может ли Qwen-Image-3.0 генерировать изображения, содержащие текст?

Да. Qwen-Image-3.0 разработан для тонкой отрисовки текста, включая текст размером всего 10 пикселей, и поддерживает 12 языков и более 20 шрифтов.

Сколько изображений может Qwen-Image-3.0 генерировать за один запрос?

Qwen-Image-3.0 поддерживает до 6 выходных изображений на один запрос API.

Скоро

Aliyun

qwen-image-3.0

Qwen-Image-3.0 API

Q: Что такое Qwen-Image-3.0?

Qwen-Image-3.0 — модель генерации изображений третьего поколения от Alibaba Qwen, ориентированная на сложные макеты, детализированную композицию изображений, отрисовку текста, многоязычную типографику и практичные рабочие процессы генерации и редактирования изображений.

скоро

Стартовая цена

Смотреть цены

Оплата по факту использования

Состояние API

Доступно

Продакшен-эндпоинт

Время отклика

Готово к асинхронности

Измеренное время отклика API

Дата выпуска

Aug 11, 2026

Aliyun

Краткий обзор модели

Стабильная идентичность модели для поиска и оценки в сочетании с актуальными данными каталога, которые могут меняться без необходимости переписывать основную SEO-структуру страницы.

Стабильная идентичность

Что такое Qwen-Image-3.0?

скоро

Каноническая идентичность модели остается неизменной, даже если цены и лимиты меняются.

Актуальные данные о модели

Текущий снимок каталога

Доступность

Скоро

Начальная цена

Смотреть цены

Контекст

Посмотреть возможности

Дата каталога

Aug 11, 2026

Обзор

Практический обзор Qwen-Image-3.0, включая важные особенности поведения и нюансы интеграции.

Что такое Qwen-Image-3.0?

Qwen-Image-3.0 — это третье поколение модели генерации изображений Alibaba Qwen, созданной для того, чтобы сделать изображения, генерируемые ИИ, более полезными для реальных творческих и дизайнерских процессов, а не сосредоточенными только на визуальной эстетике. Она поддерживает как текст-в-изображение (T2I), так и редактирование изображение-в-изображение (I2I), с особым акцентом на сложные макеты, плотную визуальную информацию, точную отрисовку текста, многоязычную типографику и детальную композицию изображения.

Alibaba позиционирует Qwen-Image-3.0 вокруг трех ключевых возможностей: Насыщенный контент, Достоверные детали и Глубокие знания. Модель принимает промпты длиной до примерно 4.5K токенов, позволяя описывать сложные композиции, такие как газеты, раскадровки, экзаменационные листы, многопанельные инфографики и макеты интерфейсов в одном запросе. Она также может отображать текст размером до 10 пикселей, поддерживает 12 языков и более 20 шрифтов, и предназначена для воспроизведения тонких визуальных деталей, таких как пряди волос, поры и микромимика лица.

Каковы ключевые особенности Qwen-Image-3.0?

Генерация сложных макетов: Qwen-Image-3.0 предназначена для визуальных композиций с высокой плотностью информации. Alibaba демонстрирует макеты, включая визуальные сетки 3×3, математические слайды, газеты, раскадровки, меню, экзаменационные листы и другие структурированные дизайны, генерируемые в одном изображении вместо необходимости склеивать несколько изображений.

Более длинные инструкции для генерации изображений: Модель поддерживает промпты длиной до примерно 4.5K токенов, предоставляя пользователям существенно больше возможностей для указания объектов, взаимосвязей, типографики, макета, визуальной иерархии и стилизации в рамках одного запроса на генерацию.

Тонкая отрисовка текста: Qwen-Image-3.0 специально разработана для отрисовки мелкого текста; Alibaba подчеркивает поддержку текста размером до 10px. Это делает модель особенно актуальной для постеров, инфографик, диаграмм, UI-концептов, учебных материалов и других дизайнов, где читаемый текст является частью изображения, а не вторичной деталью.

Многоязычная типографика: Модель поддерживает нативный рендеринг для 12 языков и более 20 шрифтов, расширяя ее полезность для многоязычных маркетинговых материалов, локализованной графики, продуктовых интерфейсов и международного контента.

Редактирование изображений: Qwen-Image-3.0 поддерживает генерацию и редактирование по схеме изображение-в-изображение с использованием референсных изображений вместе с инструкциями по правке. Текущая документация API от Alibaba поддерживает 1–3 референсных изображения для I2I-процессов.

Несколько результатов: API поддерживает до 6 выходных изображений на запрос, позволяя пользователям получать несколько вариаций из одного промпта.

Технические характеристики Qwen-Image-3.0

Alibaba публикует конкретные данные о доступе и возможностях для стандартной модели. Таблица отделяет задокументированные ограничения от маркетинговых заявлений, чтобы разработчики не принимали демонстрационные результаты за гарантию со стороны API.

Specification	Qwen-Image-3.0
Developer	Alibaba Qwen Team
Model type	Генерация изображений и редактирование изображений
Primary positioning	Сбалансированное качество, скорость и стоимость
Model ID	qwen-image-3.0
Input modalities	Текст и изображения
Output modality	Изображение
Generation modes	Текст-в-изображение; изображение-в-изображение; редактирование по инструкциям
Maximum prompt	Около 4.5K токенов
Reference images	1-3
Output pixel range	Общее число пикселей от 512 x 512 до 2048 x 2048
Output format	PNG
Claimed small-text rendering	Около 10 px
Native visual-text languages	12
Standard rate limit	20 RPM в документированных регионах
Function calling	Не поддерживается
Batch inference	Не поддерживается
Fine-tuning	Не поддерживается
CometAPI endpoints	/v1/images/generations; /v1/images/edits

Результаты бенчмарков Qwen-Image-3.0

Model	T2I Elo	T2I Rank	Edit Elo	Edit Rank	API Price / 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

Что означают результаты

Standard против Pro: разрыв в текст-в-изображение всего 9 Elo, но Pro лидирует на 32 Elo в редактировании. Следовательно, главный аргумент в пользу Pro — качество редактирования, а не первичная генерация.
В сравнении с Seedream 5.0 Pro: Standard отстает всего на 4 Elo в текст-в-изображение, тогда как Pro впереди на 5 Elo. Эти небольшие различия лежат в пределах опубликованных диапазонов неопределенности и их следует рассматривать как конкурентный кластер, а не окончательный порядок.
В сравнении с Nano Banana 2: Standard уступает на 44 Elo в текст-в-изображение и на 32 Elo в редактировании. Pro сокращает разрыв в редактировании до ничьей на уровне 1,250 Elo.
В сравнении с GPT Image 2: GPT опережает Standard на 92 Elo в текст-в-изображение и на 39 Elo в редактировании. Сильная сторона Qwen — соотношение цена/качество и специализация на компоновках, а не универсальное лидерство по качеству.
По сравнению с ранней Qwen Image 2.0 Pro, модель Standard 3.0 прибавляет 39 Elo в текст-в-изображение в том же рейтинге, при этом ориентировочная цена снижается с $75 до $30 за 1,000 изображений.

Qwen-Image-3.0 vs GPT Image 2 vs Nano Banana 2

Ни одна модель изображений не лидирует по всем производственным параметрам. Общая предпочтительность, точность редактирования, отрисовка текста, емкость референсов, разрешение вывода, привязка к данным, задержка и стоимость могут приводить к разным победителям. Сравнение ниже сосредоточено на задокументированных возможностях и независимых результатах Arena.

Dimension	Qwen 3 Standard	Qwen 3 Pro	GPT Image 2	Nano Banana 2	Seedream 5 Pro
Positioning	Баланс качества / скорости / стоимости	Наивысшая точность Qwen	Премиальная универсальная модель изображений	Быстрая, высокопроизводительная модель изображений Gemini	Профессиональный дизайн и редактирование
T2I / Edit Elo	1,275 / 1,218	1,284 / 1,250	1,367 / 1,257	1,319 / 1,250	1,279 / 1,247
Cited output	Около 2K	Около 2K	Гибкие размеры	До 4K	Около 2K на ComетAPI
Reference inputs	1-3	1-3	Поддерживаются	Множественные референсы	До 10 на CometAPI
Typography angle	4.5K бриф; заявка на 10px; 12 языков	Тот же основной фокус с более высокой точностью	Сильный многоязычный текст	Текст плюс привязка через поиск	Плотные инфографики и пространственные элементы управления
Web grounding	Нет	Нет	Не определяющая особенность API	Google Search и Image Search	Зависит от пути доступа
Best fit	Плотные макеты при контролируемой стоимости	Высококачественное редактирование Qwen	Максимальная общая предпочтительность	Быстрые 4K и процессы с актуальной информацией	Точные правки и дизайн с множественными референсами

ЧАВО

API

Скопируйте рабочий эндпоинт и пример кода, а при необходимости всех параметров откройте полный справочник по API.

Единый API, промышленный доступ к моделям

Пройдите аутентификацию один раз, вызывайте эндпоинт модели и сохраняйте единый процесс биллинга и мониторинга у разных провайдеров.

Пример кода и API для Qwen-Image-3.0

Получите доступ к исчерпывающим примерам кода и ресурсам API для Qwen-Image-3.0, чтобы упростить процесс интеграции. Наша подробная документация предоставляет пошаговые инструкции, помогая вам использовать весь потенциал Qwen-Image-3.0 в ваших проектах.

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));

Сценарии использования

Используйте Qwen-Image-3.0 в продакшен-сценариях, соответствующих её возможностям image, и сравните альтернативы перед долгосрочной интеграцией.

Визуалы продуктов и рекламные креативы

Концепт-арт и быстрое визуальное исследование

Редактирование изображений, вариации и создание ассетов

Другие модели

Сравните другие модели, доступные через CometAPI, по качеству, задержке, возможностям и цене.

Открыть сравнение моделей →

Google

Nano Banana 2.1

Изучите API модели Nano Banana 2.1.

Смотреть модель

xAI

Grok-Imagine-Image-2.0

Grok Imagine Image 2.0, его обновлённая модель ИИ для генерации и редактирования изображений

Смотреть модель

OpenAI

GPT Image 2

GPT Image 2 — передовая модель openai для быстрой, высококачественной генерации и редактирования изображений. Она поддерживает гибкие размеры изображений и высокоточные входные изображения.

Смотреть модель

Runway

Gen4-image

Изучите API модели Gen4-image.

Смотреть модель

Runway

Gen4-image-turbo

Изучите API модели Gen4-image-turbo.

Смотреть модель

Google

Nano Banana 2 lite

Модель Gemini 3.1 Flash Lite Image — эксперт по эффективности в семействе моделей для генерации изображений, разработанная для сверхнизкой задержки и экономически эффективной генерации и модификации изображений.

Смотреть модель

Доступность

Перед переходом в продакшен изучите данные о состоянии в реальном времени, доступность эндпоинта и измеренное время отклика.

Обновления

Следите за значимыми изменениями доступности, цен и возможностей Qwen-Image-3.0, сохраняя стабильность страницы модели.

Журнал изменений модели

Одна страница, которая со временем становится полезнее.

Здесь накапливаются примечания к выпускам, изменения цен, обновления бенчмарков и рекомендации по миграции, а канонический URL остается неизменным.

До запуска

Страница модели опубликована до запуска

Для Qwen-Image-3.0 зарезервирована постоянная страница сущности модели; неподтвержденные данные остаются явно помеченными до релиза.

Актуальные данные

Цены и ограничения синхронизированы с каталогом

Цена, контекст, доступность и ограничения рассматриваются как динамические свойства, а не встраиваются в заголовок страницы или идентификатор модели.

Aug 12, 2026

Постоянная сущность модели создана

Поставщик и slug модели образуют постоянный канонический URL; будущие обновления контента и данных будут отображаться на этой странице.

Продолжайте изучение

Сравнивайте модели и продолжайте исследование

Скоро

Aliyun

qwen-image-3.0

Qwen-Image-3.0 API

скоро

Стартовая цена

Смотреть цены

Оплата по факту использования

Состояние API

Доступно

Продакшен-эндпоинт

Время отклика

Готово к асинхронности

Измеренное время отклика API

Дата выпуска

Aug 11, 2026

Aliyun

Краткий обзор модели

Стабильная идентичность

Что такое Qwen-Image-3.0?

скоро

Каноническая идентичность модели остается неизменной, даже если цены и лимиты меняются.

Актуальные данные о модели

Текущий снимок каталога

Доступность

Скоро

Начальная цена

Смотреть цены

Контекст

Посмотреть возможности

Дата каталога

Aug 11, 2026

Обзор

Практический обзор Qwen-Image-3.0, включая важные особенности поведения и нюансы интеграции.

Что такое Qwen-Image-3.0?

Каковы ключевые особенности Qwen-Image-3.0?

Технические характеристики Qwen-Image-3.0

Specification	Qwen-Image-3.0
Developer	Alibaba Qwen Team
Model type	Генерация изображений и редактирование изображений
Primary positioning	Сбалансированное качество, скорость и стоимость
Model ID	qwen-image-3.0
Input modalities	Текст и изображения
Output modality	Изображение
Generation modes	Текст-в-изображение; изображение-в-изображение; редактирование по инструкциям
Maximum prompt	Около 4.5K токенов
Reference images	1-3
Output pixel range	Общее число пикселей от 512 x 512 до 2048 x 2048
Output format	PNG
Claimed small-text rendering	Около 10 px
Native visual-text languages	12
Standard rate limit	20 RPM в документированных регионах
Function calling	Не поддерживается
Batch inference	Не поддерживается
Fine-tuning	Не поддерживается
CometAPI endpoints	/v1/images/generations; /v1/images/edits

Результаты бенчмарков Qwen-Image-3.0

Model	T2I Elo	T2I Rank	Edit Elo	Edit Rank	API Price / 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

Что означают результаты

Standard против Pro: разрыв в текст-в-изображение всего 9 Elo, но Pro лидирует на 32 Elo в редактировании. Следовательно, главный аргумент в пользу Pro — качество редактирования, а не первичная генерация.
В сравнении с Seedream 5.0 Pro: Standard отстает всего на 4 Elo в текст-в-изображение, тогда как Pro впереди на 5 Elo. Эти небольшие различия лежат в пределах опубликованных диапазонов неопределенности и их следует рассматривать как конкурентный кластер, а не окончательный порядок.
В сравнении с Nano Banana 2: Standard уступает на 44 Elo в текст-в-изображение и на 32 Elo в редактировании. Pro сокращает разрыв в редактировании до ничьей на уровне 1,250 Elo.
В сравнении с GPT Image 2: GPT опережает Standard на 92 Elo в текст-в-изображение и на 39 Elo в редактировании. Сильная сторона Qwen — соотношение цена/качество и специализация на компоновках, а не универсальное лидерство по качеству.
По сравнению с ранней Qwen Image 2.0 Pro, модель Standard 3.0 прибавляет 39 Elo в текст-в-изображение в том же рейтинге, при этом ориентировочная цена снижается с $75 до $30 за 1,000 изображений.

Qwen-Image-3.0 vs GPT Image 2 vs Nano Banana 2

Dimension	Qwen 3 Standard	Qwen 3 Pro	GPT Image 2	Nano Banana 2	Seedream 5 Pro
Positioning	Баланс качества / скорости / стоимости	Наивысшая точность Qwen	Премиальная универсальная модель изображений	Быстрая, высокопроизводительная модель изображений Gemini	Профессиональный дизайн и редактирование
T2I / Edit Elo	1,275 / 1,218	1,284 / 1,250	1,367 / 1,257	1,319 / 1,250	1,279 / 1,247
Cited output	Около 2K	Около 2K	Гибкие размеры	До 4K	Около 2K на ComетAPI
Reference inputs	1-3	1-3	Поддерживаются	Множественные референсы	До 10 на CometAPI
Typography angle	4.5K бриф; заявка на 10px; 12 языков	Тот же основной фокус с более высокой точностью	Сильный многоязычный текст	Текст плюс привязка через поиск	Плотные инфографики и пространственные элементы управления
Web grounding	Нет	Нет	Не определяющая особенность API	Google Search и Image Search	Зависит от пути доступа
Best fit	Плотные макеты при контролируемой стоимости	Высококачественное редактирование Qwen	Максимальная общая предпочтительность	Быстрые 4K и процессы с актуальной информацией	Точные правки и дизайн с множественными референсами

ЧАВО

API

Единый API, промышленный доступ к моделям

Пример кода и API для 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));