通义千问发布了首个开源图像生成基础模型 Qwen-Image，Qwen-Image 是一个 200 亿参数的 MMDiT 模型，是通义千问系列中首个图像生成基础模型。
该模型在文本渲染方面表现卓越，支持中英文多行段落级高保真文本渲染，对复杂场景和细粒度细节处理能力强。Qwen-Image 具备一致性的图像编辑能力，通过增强的多任务训练范式，在编辑过程中能保持内容的一致性。
在 GenEval、DPG、OneIG-Bench、GEdit、ImgEdit、GSO 等多个公开基准测试中，Qwen-Image 均取得了最先进（SOTA）的性能。特别是在 LongText-Bench、ChineseWord 和 TextCraft 等文本渲染基准上，Qwen-Image 表现突出，尤其是在中文文本渲染方面大幅领先现有模型。Qwen-Image 能够准确渲染海报、PPT 页面等多种包含复杂文本和图像组合的场景。
