Qwen Image 3.0: alt, du har brug for at vide

Qwen Image 3.0 er tredje generation af grundmodellen til billeder fra Qwen-teamet. Den blev annonceret den 21. juli 2026 og er designet til at føre AI-billedgenerering videre fra flotte enkeltstående billeder og hen imod visuelt indhold, der kan bære nyttig information: aviser, undervisningsgrafik, storyboards, interfacekoncepter, annoterede billeder og andre indholdstunge designs.

De vigtigste opgraderinger er en grænse for instruktioner på 4.5K tokens, tekstgengivelse i størrelser ned til 10 pixel, indbygget gengivelse på 12 sprog, understøttelse af 20+ skrifttyper og 100+ visuelle stilarter samt bedre brug af visuel viden og viden om verden. Modellen accepterer tekst og billeder som input og kan både generere og redigere billeder.

Disse funktioner lyder ambitiøse, men nogle detaljer fra udviklerne er stadig ikke offentliggjort: Qwen har ikke oplyst antallet af parametre, den detaljerede arkitektur, den native eller maksimale opløsning, licensen, hardwarekrav til lokal kørsel eller en plan for åbne vægte. Derudover tilbyder PoYo nu API-adgang til produktion med to model-ID'er, valgfrit output i 1K og 2K og offentliggjorte priser pr. billede.

Qwen Image 3.0 i overblik

Den officielle udgivelse beskriver modellen ud fra tre idéer: Rich Content, Authentic Details og Deep Knowledge (rigt indhold, ægte detaljer og dyb viden). Qwen opsummerer dem i et bredere tema, "Real" – ikke kun fotorealisme, men indhold, der er substantielt og nyttigt nok til praktisk arbejde.

Hvad er nyt i Qwen Image 3.0?

Tidligere udgivelser af Qwen Image gav modelfamilien et ry for typografi og præcis billedredigering. Qwen Image 2.0 samlede derefter generering og redigering i én model, understøttede indbygget output i 2K og accepterede instruktioner på op til 1K tokens.

Qwen Image 3.0 udvider mængden og kompleksiteten af den information, der kan håndteres i én anmodning. Grænsen for instruktioner stiger fra 1K til 4.5K tokens, og de officielle eksempler lægger langt større vægt på tætte layouts, indlejrede interfaces, lille tekst, formler, indhold på flere sprog og vidensrig grafik.

Denne sammenligning bør ikke læses som et bevis for, at ethvert resultat fra Qwen Image 3.0 automatisk er mere præcist. Den beskriver de funktioner og den positionering, som Qwen har annonceret. Uafhængige, gentagelige tests er stadig nødvendige for at måle konsistensen på tværs af prompts.

Rigt indhold: længere prompts og tættere layouts

Grænsen på 4.5K tokens for input er en af de tydeligste ændringer i Qwen Image 3.0. Den gør det muligt for en prompt at beskrive mange områder, labels, sammenhænge og visuelle regler uden at presse hele briefet sammen i nogle få sætninger.

Det betyder ikke, at billedet vil indeholde 4.500 tokens perfekt gengivet tekst. Det betyder, at modellen kan acceptere en instruktion af den længde, herunder beskrivelser af indhold, layout, stil, typografi og rumlige sammenhænge.

Visuelt indhold med flere felter i én generering

I et officielt eksempel genererer Qwen Image 3.0 et komplet undervisningsgitter på 3×3 i ét gennemløb. Prompten på cirka 3.7K tokens beskriver ni forskellige emner, blandt andet geometri, fysik, biologi, medicin, litteratur, bankvæsen og abstrakt algebra. De enkelte felter indeholder illustrationer, formler, diagrammer, kinesisk og engelsk tekst og deres eget visuelle hierarki.

Dette eksempel tester mere end promptens længde. Modellen skal holde parallelle begreber adskilt, placere dem i de ønskede områder og forhindre, at indholdet i ét felt trænger ind i et andet.

Den evne kan være nyttig til:

• Undervisningsplakater og undervisningsmateriale
• Redaktionelle opslag og sider i avisstil
• Gitre til produktsammenligning
• Storyboards til korte dramaer og reklamer
• Eksamenssæt og opgaveark
• Menuer, kataloger og visuelle rapporter

Indlejrede billeder og interfaces

Qwen demonstrerer også lodret eller indlejret kompleksitet. Én prompt beder modellen om at placere et VS Code-interface omkring et Qwen Chat-interface, som indeholder et WeChat-interface, som igen indeholder en kaffeplakat.

Den slags opgaver med billeder i billeder tester semantisk indlejring, relative størrelsesforhold, viden om interfaces og modellens evne til at bevare flere lag af indhold. Det er især relevant for UI-koncepter, softwareillustrationer, skærmbaseret annoncering og redaktionel grafik.

Ægte detaljer: lille tekst og realistisk tekstur

Qwen bruger "Authentic Details" til at beskrive både typografi og fysiske detaljer. Modellen skal gengive tæt tekstligt indhold og samtidig forbedre de små visuelle signaler, der får personer, genstande og materialer til at se troværdige ud.

Tekst ned til 10 pixel

Qwen siger, at Qwen Image 3.0 kan gengive læselig tekst ved cirka 10 px. De officielle eksempler omfatter blandt andet:

• En tekstrig infografik om hvalhajer
• En avisside med flere spalter
• En akademisk artikel om algebraisk geometri
• Hævet og sænket skrift, græske tegn, tuborgklammer, brøker og formler over flere linjer
• Håndskrevne anmærkninger tilføjet til en fotograferet bogside

Det er potentielt værdifuldt til plakater, interfaces, slides, dokumenter og tekniske diagrammer. Læselighed er dog ikke det samme som nøjagtighed. En linje kan se typografisk overbevisende ud og alligevel indeholde et ord med stavefejl, et forkert tal eller en fejlbehæftet formel. Genereret tekst og faktuelt indhold bør altid kontrolleres, før du udgiver.

Fine fotografiske detaljer

De officielle eksempler fokuserer også på hudporer, enkelte hårstrå, mikroudtryk, papir, stof, penselføring og andre subtile teksturer. Målet er at mindske det glatte eller syntetiske udseende, der ofte afslører et AI-genereret portræt eller produktbillede.

Fine detaljer har betydning ud over fotorealistiske portrætter. De kan forbedre:

• Produktmaterialer som glas, metal, læder og stof
• Fotografering af mad og drikke
• Redaktionelle billeder og livsstilsbilleder
• Historiske kunstværker og restaurering af dokumenter
• Nærbilleder af natur og videnskabelige illustrationer

Redigering med øje for detaljer

Qwen Image 3.0 er ikke begrænset til generering med tekst til billede. I Qwens demonstrationer af redigering tilføjer modellen realistiske håndskrevne studienoter på en bogside og restaurerer beskadigede traditionelle malerier, mens den forsøger at bevare deres oprindelige blækgradienter, fjerteksturer, komposition og penselføring.

Disse eksempler tyder på, at modellen kan kombinere en overordnet instruktion med udseendet af et eksisterende billede. Som med enhver generativ editor bør du i produktion stadig kontrollere, om områder uden for den ønskede redigering har ændret sig.

Dyb viden: sprog, stilarter, interfaces og fakta

Den tredje søjle i Qwen Image 3.0 er "Deep Knowledge". Den beskriver modellens evne til at generere ikke blot genkendelige genstande, men visuelt indhold, der afhænger af sprog, konventioner for interfaces, kunstneriske stilarter og fagviden.

Indbygget gengivelse på 12 sprog

Qwen oplyser, at modellen indbygget kan gengive 12 sprog. Lanceringsmaterialet demonstrerer tydeligt kinesisk, engelsk, japansk, koreansk og spansk, men giver ikke en komplet officiel liste over alle 12.

Den forskel er vigtig. Det ville være for tidligt at offentliggøre en opdigtet liste over sprog eller antage lige stor nøjagtighed på alle understøttede sprog. Kampagner på flere sprog bør gennemgås af flydende talende for stavning, tegnsætning, linjeskift og kulturelt passende typografi.

Mere end 20 skrifttyper og 100 visuelle stilarter

QwenCloud angiver understøttelse af over 20 skrifttyper, mens lanceringsindlægget beskriver mere end 100 kunstneriske stilarter. Disse funktioner kan hjælpe en prompt med at definere et mere specifikt visuelt system i stedet for blot at bede om en generisk "plakat" eller "illustration".

For bedre kontrol bør en prompt beskrive typografien efter funktion:

• Den præcise tekst, der skal vises
• Sprog og skriftsystem
• Overskrift, underoverskrift, brødtekst, label eller billedtekst
• Serif, sans serif, håndskrevet, display eller teknisk stil
• Vægt, justering, farve, afstand og hierarki

At der findes mange stilarter, garanterer ikke en nøjagtig gengivelse af en bestemt kommerciel skrifttype eller en nulevende kunstners stil. Det er fortsat brugerens ansvar at kontrollere brand og licenser.

Realistisk generering af interfaces

Qwen Image 3.0 kan simulere velkendte visuelle strukturer som:

• Websider
• Softwareapplikationer
• Spil
• Livestreamrum
• Chatinterfaces
• Skærme i mobilstil

Det gør den nyttig til visuelle koncepter og storyboards. Det gør ikke automatisk resultatet til UI-kode, der er klar til produktion, og det garanterer ikke, at interfacet følger standarder for tilgængelighed og interaktion.

Viden om verden og søgning på nettet

De officielle eksempler bruger fagviden til at bygge videnskabelig infografik og annoterede forskningsfigurer. I ét tilfælde bevarer modellen et fotografi af et insekt og tilføjer samtidig taksonomi, morfologiske labels, forstørrede detaljer og en målestok.

Qwen demonstrerer også en grafik med det aktuelle vejr, der er lavet ved hjælp af søgning online. Det bør forstås som et workflow med model og værktøj: Adgang til nettet leverer nyere information, og billedmodellen omsætter den til et visuelt udtryk. Det er ikke et bevis på, at basismodellen altid indeholder aktuelle fakta.

Alt vidensintensivt output bør verificeres mod en pålidelig kilde. Billedgenerering kan præsentere forkert information med en meget overbevisende visuel finish.

Hvad kan du skabe med Qwen Image 3.0?

Modellens stærkeste anvendelsesmuligheder er opgaver, hvor visuel kvalitet og informationsstruktur skal gå hånd i hånd.

Infografik og undervisningsmateriale

Lange prompts kan definere flere sektioner, diagrammer, formler, callouts og forklarende tekst. Det gør Qwen Image 3.0 til en lovende mulighed for undervisningsplakater, tidslinjer, videnskabelige forklaringer og præsentationsgrafik.

Aviser og redaktionelle layouts

Lille tekst, spalter, billedtekster og papirtekstur kan genereres samtidig. Resultatet kan fungere godt som koncept, illustration eller udkast, men den præcise tekst bør sættes manuelt, når nøjagtighed er kritisk.

Storyboards og tegneserier

Den længere grænse for instruktioner kan beskrive flere optagelser, steder, handlinger, kameravinkler og billedtekster i én prompt. Konsistens i karakterer på tværs af felter skal stadig vurderes og ikke antages.

Koncepter til UI og spil

Viden om almindelige mønstre i interfaces kan fremskynde den tidlige idéudvikling til applikationer, dashboards, spilskærme og grafik til livestreams. Designere bør behandle resultatet som en visuel reference og ikke som en færdig specifikation af et interface.

Kreativt indhold til e-handel og marketing

Kombinationen af detaljerede overflader, strukturerede layouts, produktinformation og tekst på flere sprog kan understøtte kampagnemockups, katalogsider, menuer og produktforklaringer.

Annotering og restaurering af dokumenter

Billedredigering kan tilføje noter, labels, diagrammer og andre kontekstuelle elementer til et eksisterende billede. De demonstrerede eksempler på restaurering af kunst peger også på kreative workflows til restaurering og rekonstruktion, selvom historisk betydningsfuldt materiale ikke bør ændres uden gennemgang af eksperter og tydelig oplysning om det.

Sådan får du adgang til Qwen Image 3.0

Qwen linker til Qwen Chat fra sin lanceringsannoncering. Siden hos QwenCloud angiver model-ID'et hos udbyderen:

qwen-image-3.0-pro

Det ID tilhører QwenCloud. Hos PoYo bruger anmodninger i produktion et af disse model-ID'er:

qwen-image-3
qwen-image-3-pro

Begge bruger PoYos asynkrone genereringsendpoint og understøtter input til tekst til billede og billede til billede, output i 1K eller 2K, otte billedformater, output i PNG eller JPEG, udvidelse af prompts, negative prompts og kontrol med seed. Udvidelse af prompts slås for eksempel til med:

{
  "parameters": {
    "prompt_extend": true
  }
}

QwenClouds preview-status og begrænsninger beskriver ikke tilgængeligheden hos PoYo. Integrationer i produktion bør bruge PoYos dokumentation af Qwen Image 3.0 for det gældende anmodningsskema og de operationelle grænser.

PoYo sætter prisen for standardmodellen til 4,8 kreditter ($0.024) pr. outputbillede i 1K eller 2K. Qwen Image 3 Pro koster 6,4 kreditter ($0.032) i 1K og 12 kreditter ($0.06) i 2K. Hvert inputbillede lægger 0,5 kreditter ($0.0025) til.

Sådan skriver du bedre prompts til Qwen Image 3.0

Det længere vindue til instruktioner er mest nyttigt, når prompten er organiseret. Blot at tilføje flere adjektiver forbedrer sandsynligvis ikke resultatet.

En praktisk struktur er:

1. Definér formålet og lærredet, for eksempel en lodret undervisningsplakat eller en avis med tre spalter.
2. Beskriv det overordnede visuelle hierarki og gitteret.
3. Specificér hver sektion i rumlig rækkefølge.
4. Sæt den præcise tekst, der skal vises, i anførselstegn.
5. Definér typografi, sprog og tekstens relative størrelse.
6. Beskriv motiver, materialer, lys og stil.
7. Angiv sammenhænge og begrænsninger, herunder hvad der ikke må overlappe.
8. Bed kun om faktuelle labels, når du bagefter kan verificere dem.

Til et komplekst layout er sektionsmærker som "Header", "Left column", "Center panel" og "Footer" mere brugbare end ét ustruktureret afsnit. Når du redigerer et billede, skal du angive både, hvad der skal ændres, og hvad der skal forblive urørt.

Aktuelle begrænsninger og ukendte forhold

Qwen Image 3.0 er ny, og lanceringsmaterialet fremhæver udvalgte eksempler frem for en komplet teknisk rapport eller en uafhængig evaluering. Hav følgende begrænsninger i tankerne:

• QwenClouds adgangspolitik hos udbyderen er adskilt fra PoYo, hvor de to dokumenterede model-ID'er er tilgængelige nu.
• Qwen har ikke oplyst antallet af parametre eller den detaljerede modelarkitektur.
• Qwen har ikke offentliggjort en bekræftet indbygget eller maksimal opløsning; PoYo tilbyder ikke desto mindre understøttet output i 1K og 2K.
• Priserne hos PoYo er offentliggjort, mens den gennemsnitlige svartid og hastighedsgrænser i produktion bør tjekkes i den aktuelle servicedokumentation.
• Tilgængelighed af åbne vægte, licensering og krav til lokal drift er ukendte.
• Påstanden om tekstgengivelse ved cirka 10 px garanterer ikke perfekt stavning eller faktuel nøjagtighed.
• Den komplette liste over de 12 understøttede sprog er ikke offentliggjort.
• Komplekse formler, videnskabelige labels og hentede fakta kræver stadig menneskelig verificering.
• Billeder i stil med et UI kan se overbevisende ud uden at være logisk eller teknisk gyldige interfaces.
• Officielle eksempelbilleder måler ikke, hvor konsistent modellen yder ved gentagne genereringer.

Undgå at overføre specifikationer fra Qwen Image 2.0 til Qwen Image 3.0. Qwen har navnlig ikke bekræftet, at den nye model har det samme antal parametre, den samme arkitektur, de samme opløsningsgrænser eller den samme driftsprofil.

Er Qwen Image 3.0 værd at følge?

Ja – især for workflows, der historisk har krævet en separat billedgenerator, et layoutværktøj og en manuel gennemgang af typografien.

Den vigtigste opgradering i Qwen Image 3.0 er ikke en enkelt score for billedkvalitet. Det er forsøget på at få ét genereret billede til samtidig at rumme mere struktureret information, mindre læselig tekst, rigere visuelle detaljer og bredere fagviden.

Det gør modellen særligt relevant for undervisere, forlag, designere, e-handelsteams og indholdsskabere. PoYo tilbyder allerede i dag en praktisk hostet vej via API'et, mens lokal kørsel stadig er uklar, fordi Qwen ikke har udgivet vægte, licensvilkår eller hardwarekrav.

Den rigtige konklusion er, at Qwen Image 3.0 er en betydelig opdatering med fokus på produktivitet og usædvanligt ambitiøse påstande om typografi og layout. Pris og understøttede outputstørrelser hos PoYo er nu dokumenteret, mens konsistens, hastighed, maksimal indbygget opløsning og muligheder for lokal drift stadig kræver separat evaluering.

Ofte stillede spørgsmål

Hvad er Qwen Image 3.0?

Qwen Image 3.0 er Qwens tredje generation af grundmodel til billedgenerering og billedredigering. Den fokuserer på informationstætte layouts, fine visuelle detaljer, tekst på flere sprog, simulering af interfaces og vidensrigt visuelt indhold.

Hvornår blev Qwen Image 3.0 udgivet?

Qwen-teamet annoncerede Qwen Image 3.0 den 21. juli 2026.

Hvor lang kan en prompt til Qwen Image 3.0 være?

Qwen siger, at modellen accepterer instruktioner på op til 4.5K tokens. Det er grænsen for prompten og ingen garanti for, at 4.500 tokens tekst kan gengives nøjagtigt i ét billede.

Kan Qwen Image 3.0 generere lille tekst?

Qwen hævder, at modellen kan gengive læselig tekst i størrelser ned til cirka 10 pixel. Præcis stavning, formler, tal og faktuelle udsagn bør stadig kontrolleres manuelt.

Hvilke sprog understøtter Qwen Image 3.0?

Qwen oplyser, at modellen understøtter indbygget gengivelse på 12 sprog. Lanceringsmaterialet demonstrerer flere sprog, blandt andet kinesisk, engelsk, japansk, koreansk og spansk, men offentliggør ikke den komplette liste over de 12 sprog.

Kan Qwen Image 3.0 redigere billeder?

Ja. Officielle eksempler viser, at modellen tilføjer håndskrevne anmærkninger, supplerer fotografier med teknisk information og restaurerer manglende eller beskadigede dele af traditionelle kunstværker.

Er Qwen Image 3.0 open source?

Qwen har ikke annonceret åbne vægte eller en licens til Qwen Image 3.0. PoYo tilbyder hostet API-adgang, men det betyder ikke, at lokale vægte eller en licens til lokal drift er tilgængelige.

Hvad er modelnavnet for Qwen Image 3.0 i API'et?

PoYo bruger qwen-image-3 og qwen-image-3-pro. Den separate side hos QwenCloud angiver qwen-image-3.0-pro; byt ikke rundt på ID'er fra udbyderen og fra PoYo i API-anmodninger.

Hvilken opløsning understøtter Qwen Image 3.0?

PoYo understøtter valgfrit output i 1K og 2K. Qwen har ikke offentliggjort en bekræftet indbygget eller maksimal arkitektonisk opløsning, så PoYos outputvalg bør ikke tolkes som en påstand om modellens indbyggede træningsopløsning.

Brug modelsiden for Qwen Image 3.0 til at generere billeder nu, eller læs PoYos API-dokumentation, før du integrerer.

Kilder

• Qwen-Image-3.0: Rich Content, Authentic Details, Deep Knowledge
• Modelside for Qwen-Image-3.0-Pro
• Officiel annoncering af Qwen-Image-2.0