พรอมป์ต์ของ Qwen-Image-3.0 สามารถยาวได้ถึงเท่าใด?

Qwen-Image-3.0 รองรับคำสั่งได้สูงสุดประมาณ 4.5K โทเค็น ช่วยให้สามารถบรรยายเลย์เอาต์ที่ซับซ้อนและองค์ประกอบภาพได้อย่างละเอียด.

API model ID ของ Qwen-Image-3.0 คืออะไร?

model ID ของ Qwen-Image-3.0 คือ qwen-image-3.0.

Qwen-Image-3.0 มีคะแนนเบนช์มาร์กหรือไม่?

Alibaba ยังไม่ได้รายงานคะแนนเบนช์มาร์กมาตรฐานสำหรับ Qwen-Image-3.0 ต่อสาธารณะ ดังนั้นในปัจจุบันจึงควรประเมินสมรรถนะเชิงการแข่งขันโดยอาศัยตัวอย่างเชิงคุณภาพและการทดสอบแบบอิสระเป็นหลัก.

Qwen-Image-3.0 รองรับการแก้ไขภาพหรือไม่?

ใช่ Qwen-Image-3.0 รองรับการสร้างภาพจากภาพและการแก้ไขภาพ โดยใช้ภาพอ้างอิง 1–3 ภาพร่วมกับคำสั่งแก้ไข.

Qwen-Image-3.0 รองรับความละเอียดเท่าใด?

Qwen-Image-3.0 รองรับความละเอียดผลลัพธ์ได้สูงสุดถึง 2048×2048 โดยเอกสาร API ของ Alibaba ระบุช่วงที่รองรับตั้งแต่ 512×512 ถึง 2048×2048.

Qwen-Image-3.0 สามารถสร้างภาพที่มีข้อความได้หรือไม่?

ใช่ Qwen-Image-3.0 ถูกออกแบบมาสำหรับการเรนเดอร์ข้อความอย่างละเอียด รวมถึงข้อความที่เล็กเพียง 10 พิกเซล และรองรับ 12 ภาษาและฟอนต์มากกว่า 20 แบบ.

Qwen-Image-3.0 สามารถสร้างภาพได้กี่ภาพต่อคำขอหนึ่งครั้ง?

Qwen-Image-3.0 รองรับการสร้างภาพผลลัพธ์ได้สูงสุด 6 ภาพต่อคำขอ API หนึ่งครั้ง.

เร็วๆ นี้

Aliyun

qwen-image-3.0

Qwen-Image-3.0 API

Q: Qwen-Image-3.0 คืออะไร?

Qwen-Image-3.0 เป็นโมเดลสร้างภาพรุ่นที่สามของ Alibaba Qwen โดยมุ่งเน้นการจัดวางเลย์เอาต์ที่ซับซ้อน องค์ประกอบภาพอย่างละเอียด การเรนเดอร์ข้อความ การจัดวางตัวอักษรหลายภาษา และเวิร์กโฟลว์การสร้างและแก้ไขภาพที่ใช้งานได้จริง.

เร็วๆ นี้

ราคาเริ่มต้น

ดูราคา

คิดค่าบริการตามการใช้งาน

สถานะ API

พร้อมใช้งาน

เอนด์พอยต์สำหรับโปรดักชัน

เวลาตอบสนอง

รองรับการทำงานแบบ async

เวลาตอบสนอง API ที่วัดได้จริง

วันที่เผยแพร่

Aug 11, 2026

Aliyun

สรุปโมเดล

อัตลักษณ์โมเดลที่คงที่สำหรับการค้นหาและการประเมินผล ควบคู่กับข้อมูลแคตตาล็อกแบบเรียลไทม์ที่เปลี่ยนแปลงได้โดยไม่ต้องเขียนโครงสร้าง SEO หลักของหน้าใหม่

อัตลักษณ์ที่คงที่

Qwen-Image-3.0 คืออะไร

เร็วๆ นี้

อัตลักษณ์หลักของโมเดลยังคงเดิม แม้ว่าราคาและข้อจำกัดจะเปลี่ยนแปลง

ข้อมูลโมเดลแบบเรียลไทม์

ภาพรวมแคตตาล็อกปัจจุบัน

ความพร้อมใช้งาน

เร็ว ๆ นี้

ราคาเริ่มต้น

ดูราคา

บริบท

ดูความสามารถ

วันที่ของแคตตาล็อก

Aug 11, 2026

ภาพรวม

ภาพรวมการใช้งานจริงของ Qwen-Image-3.0 รวมถึงพฤติกรรมสำคัญและข้อควรพิจารณาในการเชื่อมต่อ

Qwen-Image-3.0 คืออะไร?

Qwen-Image-3.0 เป็นโมเดลสร้างภาพรุ่นที่สามของ Alibaba Qwen ซึ่งออกแบบมาเพื่อทำให้ภาพที่สร้างด้วย AI มีประโยชน์ต่อเวิร์กโฟลว์ด้านครีเอทีฟและการออกแบบในโลกจริง มากกว่าจะมุ่งเน้นเพียงความสวยงามทางภาพ รองรับทั้ง text-to-image (T2I) และ image-to-image (I2I) editing โดยให้ความสำคัญเป็นพิเศษกับเลเอาต์ที่ซับซ้อน ข้อมูลภาพหนาแน่น การเรนเดอร์ข้อความที่แม่นยำ ไทโปกราฟีหลายภาษา และองค์ประกอบภาพที่ละเอียด

Alibaba วางตำแหน่ง Qwen-Image-3.0 ไว้รอบ 3 ความสามารถหลัก: Rich Content, Authentic Details, และ Deep Knowledge โมเดลรองรับพรอมต์ได้สูงสุดประมาณ 4.5K โทเค็น ทำให้ผู้ใช้สามารถอธิบายองค์ประกอบซับซ้อน เช่น หนังสือพิมพ์ สตอรี่บอร์ด กระดาษข้อสอบ อินโฟกราฟิกหลายพาเนล และม็อกอัปอินเทอร์เฟซ ได้ภายในคำขอเดียว นอกจากนี้ยังเรนเดอร์ข้อความเล็กสุดได้ถึง 10 พิกเซล รองรับ 12 ภาษาและมากกว่า 20 แบบอักษร และออกแบบมาเพื่อถ่ายทอดรายละเอียดภาพระดับเส้นผม รูขุมขน และไมโครเอกซ์เพรสชันบนใบหน้า

คุณสมบัติเด่นของ Qwen-Image-3.0 คืออะไร?

การสร้างเลเอาต์ที่ซับซ้อน: Qwen-Image-3.0 ถูกออกแบบมาสำหรับองค์ประกอบภาพที่อัดแน่นด้วยข้อมูล Alibaba สาธิตเลเอาต์อย่างตารางภาพ 3×3 สไลด์คณิตศาสตร์ หนังสือพิมพ์ สตอรี่บอร์ด เมนู กระดาษข้อสอบ และดีไซน์แบบมีโครงสร้างอื่นๆ ที่สร้างได้ในภาพเดียว โดยไม่ต้องต่อหลายภาพเข้าด้วยกัน

คำสั่งสร้างภาพที่ยาวขึ้น: โมเดลรองรับพรอมต์ได้สูงสุดประมาณ 4.5K โทเค็น เปิดพื้นที่ให้ผู้ใช้ระบุวัตถุ ความสัมพันธ์ ไทโปกราฟี เลเอาต์ ลำดับชั้นทางสายตา และสไตล์ ได้อย่างละเอียดภายในคำขอสร้างครั้งเดียว

การเรนเดอร์ข้อความแบบละเอียด: Qwen-Image-3.0 ถูกออกแบบมาเพื่อเรนเดอร์ข้อความขนาดเล็ก โดย Alibaba เน้นว่าสามารถทำได้เล็กสุด 10px เหมาะอย่างยิ่งสำหรับโปสเตอร์ อินโฟกราฟิก ไดอะแกรม คอนเซ็ปต์ UI สื่อการสอน และงานออกแบบอื่นๆ ที่ต้องการข้อความอ่านได้ภายในภาพ ไม่ใช่เพียงภายหลัง

ไทโปกราฟีหลายภาษา: โมเดลรองรับการเรนเดอร์แบบเนทีฟใน 12 ภาษา และมากกว่า 20 แบบอักษร ช่วยขยายประโยชน์ใช้สอยสำหรับงานการตลาดหลายภาษา กราฟิกโลคัลไลซ์ อินเทอร์เฟซผลิตภัณฑ์ และการสร้างคอนเทนต์สากล

การแก้ไขภาพ: Qwen-Image-3.0 รองรับการสร้างและแก้ไขภาพแบบ image-to-image โดยใช้ภาพอ้างอิงร่วมกับคำสั่งแก้ไข เอกสาร API ปัจจุบันของ Alibaba รองรับภาพอ้างอิง 1–3 ภาพ สำหรับเวิร์กโฟลว์ I2I

เอาต์พุตหลายรูป: API รองรับสูงสุด 6 ภาพต่อคำขอ ช่วยให้ผู้ใช้สร้างเวอร์ชันหลากหลายจากพรอมต์เดียวกันได้

ข้อมูลจำเพาะทางเทคนิคของ Qwen-Image-3.0

Alibaba เผยแพร่ข้อมูลการเข้าถึงและความสามารถที่ชัดเจนสำหรับรุ่น Standard ตารางด้านล่างแยกข้อจำกัดที่มีเอกสารกำกับออกจากคำกล่าวเชิงการตลาด เพื่อไม่ให้นักพัฒนาสับสนระหว่างตัวอย่างโชว์เคสกับการรับประกันระดับ API

Specification	Qwen-Image-3.0
Developer	Alibaba Qwen Team
Model type	การสร้างภาพและการแก้ไขภาพ
Primary positioning	สมดุลคุณภาพ ความเร็ว และต้นทุน
Model ID	qwen-image-3.0
Input modalities	ข้อความ และภาพ
Output modality	ภาพ
Generation modes	Text-to-image; image-to-image; instructed editing
Maximum prompt	ประมาณ 4.5K โทเค็น
Reference images	1-3
Output pixel range	จำนวนพิกเซลรวมตั้งแต่ 512 x 512 ถึง 2048 x 2048
Output format	PNG
Claimed small-text rendering	ประมาณ 10 px
Native visual-text languages	12
Standard rate limit	20 RPM ในภูมิภาคที่มีเอกสารระบุ
Function calling	ไม่รองรับ
Batch inference	ไม่รองรับ
Fine-tuning	ไม่รองรับ
CometAPI endpoints	/v1/images/generations; /v1/images/edits

ประสิทธิภาพตามเกณฑ์มาตรฐานของ 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

ความหมายของผลลัพธ์

Standard เทียบกับ Pro: ช่องว่างด้าน text-to-image มีเพียง 9 Elo แต่ Pro นำหน้า 32 Elo ในการแก้ไข เหตุผลหลักในการจ่ายเพิ่มเพื่อ Pro จึงอาจเป็นคุณภาพการแก้ไข มากกว่าการสร้างครั้งแรก
เมื่อเทียบกับ Seedream 5.0 Pro: Standard ตามหลังเพียง 4 Elo ใน text-to-image ขณะที่ Pro นำหน้า 5 Elo ความแตกต่างเล็กน้อยเหล่านี้อยู่ในช่วงความไม่แน่นอน จึงควรมองว่าเป็นคลัสเตอร์ที่แข่งขันกัน ไม่ใช่การจัดอันดับชี้ขาด
เมื่อเทียบกับ Nano Banana 2: Standard ตามหลัง 44 Elo ใน text-to-image และ 32 Elo ในการแก้ไข ส่วน Pro ลดช่องว่างในการแก้ไขลงมาเป็นเสมอที่ 1,250 Elo
เมื่อเทียบกับ GPT Image 2: GPT นำหน้า Standard 92 Elo ใน text-to-image และ 39 Elo ในการแก้ไข ดังนั้นจุดขายของ Qwen จึงเป็นด้านความคุ้มค่าราคา-ประสิทธิภาพและความเชี่ยวชาญด้านเลเอาต์ ไม่ใช่ผู้นำคุณภาพโดยรวม
เมื่อเทียบกับ Qwen Image 2.0 Pro รุ่นก่อนหน้า Standard 3.0 ได้เพิ่ม 39 Elo ใน text-to-image บนลีดเดอร์บอร์ดเดียวกัน ขณะที่ราคาตัวแทนลดจาก $75 เหลือ $30 ต่อ 1,000 ภาพ

Qwen-Image-3.0 เทียบกับ GPT Image 2 และ Nano Banana 2

ไม่มีโมเดลภาพใดที่เป็นผู้นำในทุกมิติของการใช้งานจริง ความนิยมโดยรวม ความแม่นยำในการแก้ไข การเรนเดอร์ข้อความ ความสามารถด้านภาพอ้างอิง ความละเอียดเอาต์พุต การยึดโยงข้อมูล ความหน่วง และต้นทุน อาจชี้ผู้ชนะที่แตกต่างกัน ตารางเปรียบเทียบด้านล่างเน้นความสามารถที่มีเอกสารกำกับและผล Arena อิสระ

Dimension	Qwen 3 Standard	Qwen 3 Pro	GPT Image 2	Nano Banana 2	Seedream 5 Pro
Positioning	สมดุลคุณภาพ / ความเร็ว / ต้นทุน	ความเที่ยงตรงสูงสุดของ Qwen	โมเดลภาพทั่วไประดับพรีเมียม	โมเดลภาพ Gemini ที่รวดเร็ว ปริมาณสูง	ด้านออกแบบและแก้ไขระดับมืออาชีพ
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	ประมาณ 2K	ประมาณ 2K	ขนาดยืดหยุ่น	สูงสุด 4K	ประมาณ 2K บน CometAPI
Reference inputs	1-3	1-3	รองรับ	หลายภาพอ้างอิง	สูงสุด 10 บน CometAPI
Typography angle	บรีฟ 4.5K; อ้าง 10px; 12 ภาษา	โฟกัสหลักเดียวกันแต่ความเที่ยงตรงสูงขึ้น	ข้อความหลายภาษาที่แข็งแกร่ง	ข้อความบวกการยึดโยงด้วยการค้นหา	อินโฟกราฟิกหนาแน่นและการควบคุมเชิงพื้นที่
Web grounding	ไม่	ไม่	ไม่ใช่คุณสมบัติเด่นของ API	Google Search และ Image Search	ขึ้นกับเส้นทางการเข้าถึง
Best fit	เลเอาต์หนาแน่นที่ควบคุมต้นทุนได้	การแก้ไขคุณภาพสูงของ Qwen	ความชอบโดยรวมสูงสุด	งาน 4K ที่รวดเร็วและเวิร์กโฟลว์ข้อมูลปัจจุบัน	การแก้ไขแม่นยำและดีไซน์หลายภาพอ้างอิง

คำถามที่พบบ่อย

API

คัดลอกเอนด์พอยต์และตัวอย่างโค้ดที่ใช้งานได้จริง จากนั้นเปิดเอกสารอ้างอิง API ฉบับเต็มเมื่อต้องการพารามิเตอร์ทั้งหมด

API เดียว เข้าถึงโมเดลพร้อมใช้งานจริง

ยืนยันตัวตนเพียงครั้งเดียว เรียกใช้เอนด์พอยต์ของโมเดล และคงเวิร์กโฟลว์การเรียกเก็บเงินและการตรวจสอบแบบเดียวกันในทุกผู้ให้บริการ

โค้ดตัวอย่างและ API สำหรับ Qwen-Image-3.0

เข้าถึงโค้ดตัวอย่างที่ครอบคลุมและทรัพยากร API สำหรับ Qwen-Image-3.0 เพื่อปรับปรุงกระบวนการผสานรวมของคุณ เอกสารประกอบที่มีรายละเอียดของเราให้คำแนะนำทีละขั้นตอน ช่วยให้คุณใช้ประโยชน์จากศักยภาพเต็มรูปแบบของ Qwen-Image-3.0 ในโครงการของคุณ

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));

กรณีการใช้งาน

ใช้ Qwen-Image-3.0 สำหรับเวิร์กโฟลว์ระดับโปรดักชันที่เหมาะกับความสามารถด้าน image จากนั้นเปรียบเทียบทางเลือกอื่นก่อนตัดสินใจเชื่อมต่อระยะยาว

ภาพสินค้าและครีเอทีฟสำหรับแคมเปญ

คอนเซปต์อาร์ตและการสำรวจภาพอย่างรวดเร็ว

การแก้ไขภาพ สร้างความหลากหลาย และผลิตอาร์ตเวิร์ก

โมเดลอื่น ๆ

เปรียบเทียบโมเดลอื่น ๆ ที่มีให้บริการผ่าน CometAPI ในด้านคุณภาพ ความหน่วง ความสามารถ และราคา

เปิดการเปรียบเทียบโมเดล →

Google

Nano Banana 2.1

สำรวจ API ของ Nano Banana 2.1

ดูโมเดล

xAI

Grok-Imagine-Image-2.0

Grok Imagine Image 2.0, โมเดล AI สำหรับการสร้างและแก้ไขภาพที่อัปเกรดแล้ว

ดูโมเดล

OpenAI

GPT Image 2

GPT Image 2 เป็นโมเดลสร้างภาพระดับแนวหน้าของ OpenAI สำหรับการสร้างและแก้ไขภาพอย่างรวดเร็วและมีคุณภาพสูง. รองรับขนาดภาพที่ยืดหยุ่นและการป้อนภาพที่มีความเที่ยงตรงสูง.

ดูโมเดล

Runway

Gen4-image

สำรวจ API ของ Gen4-image

ดูโมเดล

Runway

Gen4-image-turbo

สำรวจ API ของ Gen4-image-turbo

ดูโมเดล

Google

Nano Banana 2 lite

โมเดล Gemini 3.1 Flash Lite Image เป็นผู้เชี่ยวชาญด้านประสิทธิภาพในตระกูลโมเดลสร้างภาพ ออกแบบมาเพื่อการสร้างและปรับแต่งภาพด้วยความหน่วงต่ำเป็นพิเศษและคุ้มค่าด้านต้นทุน

ดูโมเดล

เวลาทำงาน

ตรวจสอบข้อมูล heartbeat แบบเรียลไทม์ ความพร้อมใช้งานของเอนด์พอยต์ และเวลาตอบสนองที่วัดได้จริงก่อนใช้งานจริง

อัปเดต

ติดตามการเปลี่ยนแปลงสำคัญด้านความพร้อมใช้งาน ราคา และความสามารถของ Qwen-Image-3.0 โดยยังคงรักษาหน้าโมเดลที่คงที่ไว้

บันทึกการเปลี่ยนแปลงโมเดล

หน้าเดียวที่ดีขึ้นเรื่อย ๆ เมื่อเวลาผ่านไป

บันทึกการเปิดตัว การเปลี่ยนแปลงราคา การอัปเดตผลการทดสอบ และคำแนะนำในการย้ายระบบจะถูกรวบรวมไว้ที่นี่ ขณะที่ URL หลักยังคงเดิม

ก่อนเปิดตัว

เผยแพร่หน้าโมเดลก่อนเปิดตัว

มีการสงวนหน้าข้อมูลโมเดลถาวรสำหรับ Qwen-Image-3.0 โดยข้อมูลที่ยังไม่ได้รับการยืนยันจะมีการระบุไว้อย่างชัดเจนจนกว่าจะเปิดตัว

ข้อมูลแบบเรียลไทม์

ซิงค์ราคาและข้อจำกัดจากแค็ตตาล็อกแล้ว

ราคา บริบท ความพร้อมใช้งาน และข้อจำกัดถือเป็นคุณสมบัติแบบไดนามิก แทนที่จะฝังไว้ในชื่อหน้าเว็บหรือเอกลักษณ์ของโมเดล

Aug 12, 2026

สร้างเอนทิตีโมเดลถาวรแล้ว

ผู้ให้บริการและ slug ของโมเดลจะสร้าง URL มาตรฐานถาวร โดยเนื้อหาและข้อมูลในอนาคตจะยังคงอัปเดตอยู่ในหน้านี้

สำรวจต่อ

เปรียบเทียบโมเดลและค้นคว้าต่อ

เร็วๆ นี้

Aliyun

qwen-image-3.0

Qwen-Image-3.0 API

เร็วๆ นี้

ราคาเริ่มต้น

ดูราคา

คิดค่าบริการตามการใช้งาน

สถานะ API

พร้อมใช้งาน

เอนด์พอยต์สำหรับโปรดักชัน

เวลาตอบสนอง

รองรับการทำงานแบบ async

เวลาตอบสนอง API ที่วัดได้จริง

วันที่เผยแพร่

Aug 11, 2026

Aliyun

สรุปโมเดล

อัตลักษณ์ที่คงที่

Qwen-Image-3.0 คืออะไร

เร็วๆ นี้

อัตลักษณ์หลักของโมเดลยังคงเดิม แม้ว่าราคาและข้อจำกัดจะเปลี่ยนแปลง

ข้อมูลโมเดลแบบเรียลไทม์

ภาพรวมแคตตาล็อกปัจจุบัน

ความพร้อมใช้งาน

เร็ว ๆ นี้

ราคาเริ่มต้น

ดูราคา

บริบท

ดูความสามารถ

วันที่ของแคตตาล็อก

Aug 11, 2026

ภาพรวม

Qwen-Image-3.0 คืออะไร?

คุณสมบัติเด่นของ Qwen-Image-3.0 คืออะไร?

ข้อมูลจำเพาะทางเทคนิคของ Qwen-Image-3.0

Specification	Qwen-Image-3.0
Developer	Alibaba Qwen Team
Model type	การสร้างภาพและการแก้ไขภาพ
Primary positioning	สมดุลคุณภาพ ความเร็ว และต้นทุน
Model ID	qwen-image-3.0
Input modalities	ข้อความ และภาพ
Output modality	ภาพ
Generation modes	Text-to-image; image-to-image; instructed editing
Maximum prompt	ประมาณ 4.5K โทเค็น
Reference images	1-3
Output pixel range	จำนวนพิกเซลรวมตั้งแต่ 512 x 512 ถึง 2048 x 2048
Output format	PNG
Claimed small-text rendering	ประมาณ 10 px
Native visual-text languages	12
Standard rate limit	20 RPM ในภูมิภาคที่มีเอกสารระบุ
Function calling	ไม่รองรับ
Batch inference	ไม่รองรับ
Fine-tuning	ไม่รองรับ
CometAPI endpoints	/v1/images/generations; /v1/images/edits

ประสิทธิภาพตามเกณฑ์มาตรฐานของ 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

ความหมายของผลลัพธ์

Standard เทียบกับ Pro: ช่องว่างด้าน text-to-image มีเพียง 9 Elo แต่ Pro นำหน้า 32 Elo ในการแก้ไข เหตุผลหลักในการจ่ายเพิ่มเพื่อ Pro จึงอาจเป็นคุณภาพการแก้ไข มากกว่าการสร้างครั้งแรก
เมื่อเทียบกับ Seedream 5.0 Pro: Standard ตามหลังเพียง 4 Elo ใน text-to-image ขณะที่ Pro นำหน้า 5 Elo ความแตกต่างเล็กน้อยเหล่านี้อยู่ในช่วงความไม่แน่นอน จึงควรมองว่าเป็นคลัสเตอร์ที่แข่งขันกัน ไม่ใช่การจัดอันดับชี้ขาด
เมื่อเทียบกับ Nano Banana 2: Standard ตามหลัง 44 Elo ใน text-to-image และ 32 Elo ในการแก้ไข ส่วน Pro ลดช่องว่างในการแก้ไขลงมาเป็นเสมอที่ 1,250 Elo
เมื่อเทียบกับ GPT Image 2: GPT นำหน้า Standard 92 Elo ใน text-to-image และ 39 Elo ในการแก้ไข ดังนั้นจุดขายของ Qwen จึงเป็นด้านความคุ้มค่าราคา-ประสิทธิภาพและความเชี่ยวชาญด้านเลเอาต์ ไม่ใช่ผู้นำคุณภาพโดยรวม
เมื่อเทียบกับ Qwen Image 2.0 Pro รุ่นก่อนหน้า Standard 3.0 ได้เพิ่ม 39 Elo ใน text-to-image บนลีดเดอร์บอร์ดเดียวกัน ขณะที่ราคาตัวแทนลดจาก $75 เหลือ $30 ต่อ 1,000 ภาพ

Qwen-Image-3.0 เทียบกับ GPT Image 2 และ Nano Banana 2

Dimension	Qwen 3 Standard	Qwen 3 Pro	GPT Image 2	Nano Banana 2	Seedream 5 Pro
Positioning	สมดุลคุณภาพ / ความเร็ว / ต้นทุน	ความเที่ยงตรงสูงสุดของ Qwen	โมเดลภาพทั่วไประดับพรีเมียม	โมเดลภาพ Gemini ที่รวดเร็ว ปริมาณสูง	ด้านออกแบบและแก้ไขระดับมืออาชีพ
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	ประมาณ 2K	ประมาณ 2K	ขนาดยืดหยุ่น	สูงสุด 4K	ประมาณ 2K บน CometAPI
Reference inputs	1-3	1-3	รองรับ	หลายภาพอ้างอิง	สูงสุด 10 บน CometAPI
Typography angle	บรีฟ 4.5K; อ้าง 10px; 12 ภาษา	โฟกัสหลักเดียวกันแต่ความเที่ยงตรงสูงขึ้น	ข้อความหลายภาษาที่แข็งแกร่ง	ข้อความบวกการยึดโยงด้วยการค้นหา	อินโฟกราฟิกหนาแน่นและการควบคุมเชิงพื้นที่
Web grounding	ไม่	ไม่	ไม่ใช่คุณสมบัติเด่นของ API	Google Search และ Image Search	ขึ้นกับเส้นทางการเข้าถึง
Best fit	เลเอาต์หนาแน่นที่ควบคุมต้นทุนได้	การแก้ไขคุณภาพสูงของ Qwen	ความชอบโดยรวมสูงสุด	งาน 4K ที่รวดเร็วและเวิร์กโฟลว์ข้อมูลปัจจุบัน	การแก้ไขแม่นยำและดีไซน์หลายภาพอ้างอิง

คำถามที่พบบ่อย

API

API เดียว เข้าถึงโมเดลพร้อมใช้งานจริง

โค้ดตัวอย่างและ API สำหรับ 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));