Das Qwen-Team von Alibaba hat heute die dritte Generation seines Bildmodells veröffentlicht. HN-Frontpage innerhalb weniger Stunden — 74 Punkte, 40 Kommentare vor dem Mittagessen.
Was es eigentlich ist
Ein Fundamentmodell, das generiert und bearbeitet, ohne separaten Editing-Checkpoint. Es verarbeitet Anweisungen von bis zu 4,5 k Token (2.0 begrenzt auf etwa 1 k), rendert Text bis zu 10 px, unterstützt native Darstellung in 12 Sprachen und füllt ein 3×3‑Raster‑Layout in einem Durchlauf. Zeitungen, Storyboards, Prüfungsblätter mit LaTeX, gefälschte Web‑UIs, Livestream‑Overlays — das textintensive Zeug, das jedes andere Modell in Brei verwandelt. Der Rest der Arbeit ging in Gesichter: Haarsträhnen, Hautporen.
Wo die API passt
Qwen-Modelle werden auf DashScope hinter einem OpenAI‑kompatiblen Endpunkt bereitgestellt, sodass das Einbinden in eine bestehende Pipeline nur eine Änderung der Basis‑URL erfordert. Anwendungsfälle sind die, für die niemand einen Designer einstellen will: Poster‑Varianten, Folien‑Decks, lokalisierte Werbekreationen in 12 Sprachen, Infografiken direkt aus Zahlen.
Qwen-Image-2.0 kam im Februar – 7 B, native 2 K, erster Platz auf AI Arena für sowohl Generierung als auch Bearbeitung. Jede Version dieser Reihe landete schließlich bei Hugging Face unter Apache 2.0. Die Gewichte von 3.0 sind noch nicht verfügbar. Sobald sie verfügbar sind, stehen Nano Banana und Seedream einem kostenlosen Konkurrenten gegenüber, der auf Ihrer eigenen GPU läuft.