实测Qwen-Image-3.0：最新图像模型够「实」吗？,image 图像

今天，阿里通义团队发布了他们第三代图像生成模型：Qwen-Image-3.0 。

官方博客用了一个字来概括这一代的核心进步，「实」。

不是好看，不是炫技，是「实」。内容丰实、细节真实、知识厚实。

具体来说：支持最大4.5k token的超长指令输入，可以在同一张图里塞进九宫格级别的复杂信息量，每个格子都是一张独立的信息图，而且是一次性生成，不是多张拼接。文字渲染精度做到了10px小字依然清晰可辨，LaTeX公式、学术论文排版无障碍。覆盖12国语言的原生渲染，支持100多种艺术风格，甚至能联网搜索实时信息直接生成天气预报图。

如果你看过我们之前对AI图像模型的报道，会知道这种「官方宣布重大突破」我们已经听了不少次。每一次新模型发布都在讲自己的新高度，但真正用起来怎么样，往往需要亲自上手才知道。

尤其是，对面的GPT-Image-2今年4月刚把Image Arena排行榜的第一名甩开第二名242分，这是该榜单有史以来最大的领先差距。99%字符准确率、原生4K输出、3秒内出图、Thinking Mode自检机制，这些数字让Qwen-Image-3.0一出生就直接面对着一个几乎满级的对手。

所以我们决定做一件直接的事：用完全相同的Prompt，在Qwen-Image-3.0和GPT-Image-2上各跑一次，把结果并排摆出来看。

下面是我们实测的5个维度（所有测试案例均是Qwen生成在前）。

复杂排版：科学海报

先上最难的，Qwen-Image-3.0官方博客中重点展示了它的「内容可横展」能力，一次性生成包含九个独立信息图的复杂九宫格。我们设计了一张太阳系科普海报作为测试题：8个星球信息块围绕中心的太阳系插图排列，底部一条横跨全宽的banner列出了六个行星与太阳的平均距离。

先说结论：GPT-Image-2赢了这一局，而且赢得很干脆。

Qwen这边的问题不在于排版，排版本身没问题，文字没有重叠、格子排列整齐。问题出在了更根本的地方：它画错了太阳系。这幅本该是「太阳系示意图」的插图，生成的结果反而更像某种漫画风格的太空插画，行星的相对位置、大小关系、甚至连最基本的空间结构都不对。作为一个科普海报的核心信息载体，这种错误是不能接受的。

GPT-Image-2的版本则规规矩矩：8个信息块的文字全部正确，网格线清晰分隔了每个区域，底部长banner的超长文字完整渲染，整体排版规则、均衡，没有炫技但也没有出错。画风是专业科学插图的风格，不是漫画。

坦白说，这个结果挺让人意外的。Qwen-Image-3.0的「内容丰实」卖点里，首当其冲的就是复杂版面一次生成。但一张太阳系海报却把太阳系画错了，不是文字错了，是物理错了。这比单纯的文字排版出错更核心，因为它考验的不是「能不能渲染」，而是「知不知道自己在渲染什么」。

五种语言，一块屏

第二个测试是多语言文字渲染，Qwen宣称支持12国语言，GPT-Image-2宣称99%字符准确率。我们设计了一个国际机场场景，航班信息板同时包含中文、日文、韩文、英文、阿拉伯文五种文字。

结果：GPT-Image-2五种语言全部正确，Qwen-Image-3.0在阿拉伯文上出了问题。

具体来说，Qwen的日文、韩文、英文、中文都准确渲染，没有乱码也没有方块字，但阿拉伯文部分写错了。

而且从整体画面来看，GPT-Image-2的告示板有明显的颜色区块区分（不同行用了不同底色），更接近真正的航班信息屏；Qwen这块板子从头到尾一个颜色，视觉效果显得扁平。

一个有意思的细节：Qwen在机场场景本身的写实度上没有输，航站楼、人群、光影都在线。但文字的部分，GPT-Image-2这边确实更像一块真正挂在机场天花板下的出发屏。

谁更像真人？

第三个测试是写实人像，Qwen官方宣称「毛孔与发丝纤毫毕现，肌肤质感逼近摄影级真实」，GPT-Image-2在第三方评测中写实度拿下了97%的分数（ZDNET测试）。Prompt设定了一位70岁老人坐在窗边的阴天光影场景，点名要了85mm f/1.4的浅景深效果。

结果出人意料地接近。

两个模型都没有出现明显的AI感，没有塑料皮肤，没有过度光滑的年轻化美化，皱纹、晒斑、银色的胡茬都还原到位。光影的柔和过渡也符合「阴天窗光」的描述。

唯一的区别是面孔的种族特征：Qwen生成了一张亚洲面孔，GPT-Image-2生成了欧洲面孔。Prompt中没有指定种族，两个模型各自走了自己训练数据中「老年人肖像」的默认路径。

这一局我们判平手。如果要挑刺，两家都在同一个问题上没有犯错，这本身已经说明了这一代图像模型的写实功底。

会做UI的AI

第四个测试有意思了，Qwen官方博客用了一个非常炫的演示：一张图里从外到内依次嵌套了VSCode编程界面、千问聊天界面、微信聊天界面、手冲咖啡海报，四层「画中画」，UI仿真是他们重点展示的能力。

我们设计了一个更接地气的测试：一个带中文内容的暗黑模式社交App截图。底部导航栏、用户头像、点赞评论数据、emoji和话题标签、三条中文评论，这些元素缺一不可。

中文文字渲染上，两个模型都没有出错。评论区的中文、话题标签、emoji全部正常显示。

但Qwen犯了一个更低级的错误：逻辑错了。

在这张「截图」里，评论区每条评论的昵称出现在了评论内容的下面，而不是上面。用过任何一个社交App的人都知道，昵称在内容上面是基本的信息层级，你先看到是谁说的，再看到他说了什么，Qwen把这个层级搞反了。

GPT-Image-2没有犯这个错误，而且整体来看，GPT-Image-2的版本更接近一张真实的手机截图，按钮比例、卡片间距、文字大小都更自然。Qwen的UI元素虽然都在，但组合在一起的时候，缺少一种「这是一个真正被设计和上线过的App」的整体感。

有时候不是能力问题，是对交互常识的理解问题。

拉到极限，谁先崩？

最后一个测试是纯压力的，一个超宽画幅的未来生态城市：左侧是覆盖垂直花园的摩天楼群，中间是太阳能船穿行的河流，右侧是巨大的公园里有至少20个可见的人物，天空中有送货无人机和透明飞艇。Prompt明确要求了「8K quality」「ultra detailed」「wide panoramic aspect ratio」。

先比分辨率，GPT-Image-2直接输出了原生4K（3840×2160），Qwen的输出是2K级别，这一点上GPT-Image-2的硬件上限更高。

再比细节崩坏，两个模型在人脸上都没有翻车，20个人物的面部没有出现明显的扭曲或变形。但Qwen在个别人物的腿部出现了轻微的变形，GPT-Image-2因为生成的视角更远，一些远景人物的脸上多少有点不太自然。

速度方面，Qwen整体更快一些。

这一局的结论是：两个模型在极限复杂场景下都没有崩盘，但GPT-Image-2赢在了分辨率上限，Qwen赢在了速度。如果你需要一张能直接放进印刷品的高分辨率全景图，GPT-Image-2目前没有对手。如果你是快速迭代、批量出图的工作流，Qwen的速度优势会更明显。

五轮下来，谁更「实」？

我们把五个维度的结果拉通来看：

文字准确率：GPT-Image-2领先。测试01和02中，GPT在英文和五种语言混合渲染中保持全对，Qwen在阿拉伯文和科学知识的准确性上丢了分。

排版与信息密度：打平。两个模型在复杂排版的基础能力上都在线，Qwen的九宫格级信息承载能力确实存在，只是内容本身出了问题，不是排版的问题。

写实度：打平。人像测试中两者都到了「看不出AI感」的水平，面孔的种族差异是训练数据偏好问题，不是能力问题。

UI与交互逻辑：GPT-Image-2领先。Qwen的中文UI在文字层面没问题，但评论区昵称和内容的上下层级搞反了，这是一个交互常识问题，不是渲染精度问题。

极限输出：各有所长。GPT-Image-2原生4K分辨率上限更高，Qwen生成速度更快。

回到官方那个字，「实」。