Qwen Image 3.0: tudo o que precisas de saber

O Qwen Image 3.0 é o modelo de base de imagem de terceira geração da equipa Qwen. Anunciado a 21 de julho de 2026, foi concebido para levar a geração de imagens com IA para além de imagens isoladas e apelativas, rumo a visuais capazes de transportar informação útil: jornais, gráficos educativos, storyboards, conceitos de interfaces, imagens anotadas e outros desenhos com muito conteúdo.

As principais melhorias são um limite de instruções de 4,5K tokens, renderização de texto em tamanhos tão pequenos como 10 píxeis, renderização nativa em 12 idiomas, suporte para mais de 20 tipos de letra e mais de 100 estilos visuais, e um uso mais forte do conhecimento visual e do conhecimento do mundo. O modelo aceita texto e imagens como entrada e consegue fazer tanto geração como edição de imagens.

Estas capacidades parecem ambiciosas, mas alguns detalhes da origem continuam por divulgar: a Qwen não publicou o número de parâmetros, a arquitetura detalhada, a resolução nativa ou máxima, a licença, os requisitos de hardware local nem um plano de pesos abertos. Em separado, o PoYo disponibiliza agora acesso por API para produção com dois IDs de modelo, saída selecionável em 1K e 2K e preços por imagem publicados.

Qwen Image 3.0 em resumo

O lançamento oficial descreve o modelo através de três ideias: Rich Content, Authentic Details e Deep Knowledge (conteúdo rico, detalhes autênticos e conhecimento profundo). A Qwen resume-as num tema mais amplo, “Real”: não apenas fotorrealismo, mas conteúdo suficientemente substancial e útil para trabalho prático.

O que há de novo no Qwen Image 3.0?

As versões anteriores do Qwen Image fizeram a reputação da família de modelos em tipografia e edição precisa de imagens. O Qwen Image 2.0 combinou depois geração e edição num só modelo, suportou saída nativa em 2K e aceitou instruções até 1K tokens.

O Qwen Image 3.0 alarga a quantidade e a complexidade da informação que pode ser tratada num único pedido. O limite de instruções sobe de 1K para 4,5K tokens, e os exemplos oficiais dão muito mais destaque a esquemas densos, interfaces aninhadas, texto pequeno, fórmulas, conteúdo multilingue e gráficos ricos em conhecimento.

Esta comparação não deve ser lida como prova de que todos os resultados do Qwen Image 3.0 são automaticamente mais exatos. Descreve as capacidades e o posicionamento que a Qwen anunciou. Continuam a ser necessários testes independentes e repetíveis para medir a consistência entre prompts.

Rich Content: prompts mais longos e esquemas mais densos

O limite de entrada de 4,5K tokens é uma das mudanças mais claras do Qwen Image 3.0. Permite que um prompt descreva muitas regiões, etiquetas, relações e regras visuais sem comprimir todo o briefing em poucas frases.

Isto não significa que a imagem vá conter 4500 tokens de texto perfeitamente renderizado. Significa que o modelo consegue aceitar uma instrução desse comprimento, incluindo descrições de conteúdo, esquema, estilo, tipografia e relações espaciais.

Visuais com vários painéis numa única geração

Num dos exemplos oficiais, o Qwen Image 3.0 gera de uma só vez uma grelha educativa 3×3 completa. O prompt, com cerca de 3,7K tokens, descreve nove temas distintos, entre os quais geometria, física, biologia, medicina, literatura, banca e álgebra abstrata. Cada painel contém ilustrações, fórmulas, gráficos, texto em chinês e em inglês e a sua própria hierarquia visual.

Este exemplo põe à prova mais do que o comprimento do prompt. O modelo tem de manter separados conceitos paralelos, colocá-los nas regiões pedidas e impedir que o conteúdo de um painel invada outro.

Esta capacidade pode ser útil para:

• Cartazes educativos e materiais de aula
• Páginas editoriais e páginas ao estilo de jornal
• Grelhas de comparação de produtos
• Storyboards de curtas dramatizadas e de publicidade
• Provas de exame e fichas de trabalho
• Ementas, catálogos e relatórios visuais

Imagens e interfaces aninhadas

A Qwen demonstra também complexidade vertical ou aninhada. Um dos prompts pede ao modelo que coloque uma interface do VS Code à volta de uma interface do Qwen Chat, que contém uma interface do WeChat, que por sua vez contém um cartaz de café.

Este tipo de tarefa de imagem dentro de imagem testa o aninhamento semântico, a escala relativa, o conhecimento de interfaces e a capacidade do modelo de preservar várias camadas de conteúdo. É especialmente relevante para conceitos de UI, ilustrações de software, publicidade em ecrãs e gráficos editoriais.

Authentic Details: texto pequeno e textura realista

A Qwen usa “Authentic Details” para descrever tanto a tipografia como o detalhe físico. O modelo destina-se a renderizar conteúdo textual denso e, ao mesmo tempo, a melhorar as pequenas pistas visuais que tornam credíveis as pessoas, os objetos e os materiais.

Texto com apenas 10 píxeis

A Qwen afirma que o Qwen Image 3.0 consegue renderizar texto legível a cerca de 10 px. Os exemplos oficiais incluem:

• Um infográfico muito carregado de texto sobre o tubarão-baleia
• Uma página de jornal com várias colunas
• Um artigo académico sobre geometria algébrica
• Expoentes, índices, caracteres gregos, chavetas, frações e fórmulas de várias linhas
• Anotações manuscritas acrescentadas à fotografia de uma página de livro

Isto é potencialmente valioso para cartazes, interfaces, diapositivos, documentos e diagramas técnicos. No entanto, legibilidade e exatidão não são a mesma coisa. Uma linha pode parecer tipograficamente convincente e conter, ainda assim, uma palavra mal escrita, um número incorreto ou uma fórmula deformada. O texto gerado e o conteúdo factual devem ser sempre verificados antes da publicação.

Detalhe fotográfico fino

Os exemplos oficiais focam-se também nos poros da pele, nos fios de cabelo individuais, nas microexpressões, no papel, no tecido, nas pinceladas e noutras texturas subtis. O objetivo é reduzir o aspeto liso ou sintético que muitas vezes denuncia um retrato ou uma imagem de produto gerados por IA.

O detalhe fino é importante para lá dos retratos fotorrealistas. Pode melhorar:

• Materiais de produtos, como vidro, metal, couro e tecido
• Fotografia de comida e bebida
• Imagens editoriais e de estilo de vida
• Obras de arte históricas e restauro de documentos
• Ilustrações de natureza e científicas em grande plano

Edição atenta ao detalhe

O Qwen Image 3.0 não se limita à geração de texto para imagem. Nas demonstrações de edição da Qwen, o modelo acrescenta notas de estudo manuscritas realistas a uma página de livro e restaura pinturas tradicionais danificadas, tentando preservar os gradientes de tinta, a textura das penas, a composição e as pinceladas originais.

Estes exemplos sugerem que o modelo consegue combinar uma instrução de alto nível com o aspeto de uma imagem existente. Tal como com qualquer editor generativo, em produção convém verificar se as zonas fora da edição pedida foram alteradas.

Deep Knowledge: idiomas, estilos, interfaces e factos

O terceiro pilar do Qwen Image 3.0 é o “Deep Knowledge”. Descreve a capacidade do modelo de gerar não só objetos reconhecíveis, mas também visuais que dependem da língua, das convenções de interfaces, dos estilos artísticos e do conhecimento de cada tema.

Renderização nativa em 12 idiomas

A Qwen indica que o modelo consegue renderizar nativamente 12 idiomas. Os materiais de lançamento mostram de forma visível chinês, inglês, japonês, coreano e espanhol, mas não apresentam uma lista oficial completa dos 12.

Esta distinção é importante. Seria prematuro publicar uma lista de idiomas inventada ou assumir a mesma exatidão em todos os idiomas suportados. As campanhas multilingues devem ser revistas por falantes fluentes quanto a ortografia, pontuação, quebras de linha e tipografia culturalmente adequada.

Mais de 20 tipos de letra e 100 estilos visuais

O QwenCloud indica suporte para mais de 20 tipos de letra, enquanto a publicação de lançamento fala em mais de 100 estilos artísticos. Estas capacidades podem ajudar um prompt a definir um sistema visual mais específico, em vez de pedir apenas um “cartaz” ou uma “ilustração” genéricos.

Para um melhor controlo, o prompt deve descrever a tipografia por função:

• O texto exato que tem de aparecer
• O idioma e o sistema de escrita
• Título, subtítulo, corpo de texto, etiqueta ou legenda
• Estilo com serifa, sem serifa, manuscrito, de apresentação ou técnico
• Espessura, alinhamento, cor, espaçamento e hierarquia

A existência de muitos estilos não garante a reprodução exata de um tipo de letra comercial com nome nem do estilo de um artista vivo. As verificações de marca e de licenças continuam a ser da responsabilidade do utilizador.

Geração realista de interfaces

O Qwen Image 3.0 consegue simular estruturas visuais familiares, como:

• Páginas web
• Aplicações de software
• Jogos
• Salas de transmissão em direto
• Interfaces de chat
• Ecrãs ao estilo de telemóvel

Isto torna-o útil para conceitos visuais e storyboards. Não transforma automaticamente o resultado em código de UI pronto para produção, nem garante que a interface cumpre as normas de acessibilidade e de interação.

Conhecimento do mundo e pesquisa na web

Os exemplos oficiais usam conhecimento de cada tema para criar infográficos científicos e figuras de investigação anotadas. Num dos casos, o modelo preserva a fotografia de um inseto e acrescenta taxonomia, etiquetas morfológicas, detalhes ampliados e uma barra de escala.

A Qwen demonstra também um gráfico meteorológico atual produzido com pesquisa online. Isto deve ser entendido como um workflow de modelo mais ferramenta: o acesso à web fornece a informação recente e o modelo de imagem transforma-a num visual. Não é prova de que o modelo base contenha sempre factos atuais.

Qualquer resultado com muito conhecimento deve ser verificado numa fonte fiável. A geração de imagens pode apresentar informação incorreta com um acabamento visual muito convincente.

O que podes criar com o Qwen Image 3.0?

As aplicações com mais potencial do modelo são as tarefas em que a qualidade visual e a estrutura da informação têm de coexistir.

Infográficos e materiais educativos

Prompts longos podem definir várias secções, diagramas, fórmulas, chamadas e texto explicativo. Isto faz do Qwen Image 3.0 uma opção promissora para cartazes de aula, cronologias, explicações científicas e gráficos de apresentações.

Jornais e esquemas editoriais

Texto pequeno, colunas, legendas de imagens e textura de papel podem ser gerados em conjunto. O resultado pode funcionar bem como conceito, ilustração ou rascunho, mas o texto exato deve ser composto manualmente quando a exatidão é crítica.

Storyboards e banda desenhada

O maior comprimento de instruções permite descrever vários planos, locais, ações, ângulos de câmara e legendas num só prompt. A consistência das personagens entre painéis continua a ter de ser avaliada, em vez de assumida.

Conceitos de UI e de jogos

O conhecimento de padrões de interface comuns pode acelerar a ideação inicial de aplicações, dashboards, ecrãs de jogos e gráficos de transmissões em direto. Os designers devem tratar o resultado como uma referência visual, não como uma especificação de interface final.

Criatividade para comércio eletrónico e marketing

A combinação de superfícies detalhadas, esquemas estruturados, informação de produto e texto multilingue pode apoiar maquetas de campanhas, páginas de catálogo, ementas e explicações de produtos.

Anotação e restauro de documentos

A edição de imagens pode acrescentar notas, etiquetas, diagramas e outros elementos de contexto a uma imagem existente. Os exemplos de restauro de arte demonstrados apontam também para workflows de restauro e reconstrução criativos, embora o material de importância histórica não deva ser alterado sem revisão de especialistas e sem divulgação clara.

Como aceder ao Qwen Image 3.0

A Qwen liga ao Qwen Chat a partir do anúncio de lançamento. A página do QwenCloud indica o ID do modelo original:

qwen-image-3.0-pro

Esse identificador pertence ao QwenCloud. No PoYo, os pedidos de produção usam um destes IDs de modelo:

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

Ambos usam o endpoint de geração assíncrona do PoYo e suportam entradas de texto para imagem e de imagem para imagem, saída em 1K ou 2K, oito proporções, saída PNG ou JPEG, extensão de prompt, prompts negativos e controlo de seed. Por exemplo, a extensão de prompt ativa-se com:

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

O estado de pré-visualização e os limites do QwenCloud não descrevem a disponibilidade no PoYo. As integrações de produção devem usar a documentação do Qwen Image 3.0 no PoYo para consultar o esquema de pedidos atual e os limites operacionais.

O PoYo cobra o modelo standard a 4,8 créditos ($0.024) por imagem de saída em 1K ou 2K. O Qwen Image 3 Pro custa 6,4 créditos ($0.032) em 1K e 12 créditos ($0.06) em 2K. Cada imagem de entrada acrescenta 0,5 créditos ($0.0025).

Como escrever melhores prompts para o Qwen Image 3.0

A janela de instruções mais longa é mais útil quando o prompt está organizado. Acrescentar simplesmente mais adjetivos dificilmente melhora o resultado.

Uma estrutura prática é:

1. Define o objetivo e o formato da imagem, como um cartaz educativo vertical ou um jornal de três colunas.
2. Descreve a hierarquia visual geral e a grelha.
3. Especifica cada secção por ordem espacial.
4. Coloca o texto exato a apresentar entre aspas.
5. Define a tipografia, o idioma e o tamanho relativo do texto.
6. Descreve as imagens, os materiais, a iluminação e o estilo.
7. Indica as relações e as restrições, incluindo o que não deve sobrepor-se.
8. Pede etiquetas factuais só quando as puderes verificar depois.

Num esquema complexo, etiquetas de secção como “Cabeçalho”, “Coluna esquerda”, “Painel central” e “Rodapé” são mais úteis do que um parágrafo sem estrutura. Ao editar uma imagem, indica tanto o que deve mudar como o que deve ficar intacto.

Limitações atuais e incógnitas

O Qwen Image 3.0 é novo, e os materiais de lançamento dão destaque a exemplos selecionados em vez de um relatório técnico completo ou de uma avaliação independente. Tem em conta as seguintes limitações:

• A política de acesso original do QwenCloud é independente do PoYo, onde os dois IDs de modelo documentados estão disponíveis agora.
• A Qwen não divulgou o número de parâmetros nem a arquitetura detalhada do modelo.
• A Qwen não publicou uma resolução nativa ou máxima confirmada; ainda assim, o PoYo disponibiliza opções de saída suportadas em 1K e 2K.
• Os preços do PoYo estão publicados, mas a latência média e os limites de pedidos em produção devem ser verificados na documentação atual do serviço.
• A disponibilidade de pesos abertos, a licença e os requisitos de implementação local são desconhecidos.
• A afirmação de renderização de texto a cerca de 10 px não garante ortografia perfeita nem exatidão factual.
• A lista completa dos 12 idiomas suportados não foi publicada.
• Fórmulas complexas, etiquetas científicas e factos obtidos por pesquisa continuam a exigir verificação humana.
• As imagens que imitam interfaces podem parecer convincentes sem serem interfaces válidas do ponto de vista lógico ou técnico.
• As imagens de demonstração oficiais não medem a consistência com que o modelo se comporta em gerações repetidas.

Evita transferir especificações do Qwen Image 2.0 para o Qwen Image 3.0. Em particular, a Qwen não confirmou que o novo modelo tenha o mesmo número de parâmetros, a mesma arquitetura, os mesmos limites de resolução ou o mesmo perfil de implementação.

Vale a pena acompanhar o Qwen Image 3.0?

Sim, sobretudo nos workflows que historicamente exigiram um gerador de imagens, uma ferramenta de paginação e uma passagem manual de tipografia em separado.

A melhoria mais importante do Qwen Image 3.0 não é uma única pontuação de qualidade de imagem. É a tentativa de fazer com que uma só imagem gerada contenha, ao mesmo tempo, mais informação estruturada, texto legível mais pequeno, detalhe visual mais rico e conhecimento mais amplo sobre os temas.

Isso torna o modelo especialmente relevante para educadores, editoras, designers, equipas de comércio eletrónico e criadores de conteúdo. O PoYo oferece hoje um caminho prático por API alojada, enquanto a inferência local continua pouco clara, porque a Qwen não divulgou pesos, licença nem requisitos de hardware.

A conclusão certa é que o Qwen Image 3.0 é uma atualização significativa e orientada para a produtividade, com afirmações invulgarmente ambiciosas sobre tipografia e esquemas. O custo e os tamanhos de saída suportados no PoYo estão agora documentados, ao passo que a consistência, a velocidade, a resolução nativa máxima e as opções de implementação local ainda exigem uma avaliação própria.

Perguntas frequentes

O que é o Qwen Image 3.0?

O Qwen Image 3.0 é o modelo de base de terceira geração da Qwen para geração e edição de imagens. Foca-se em esquemas densos em informação, detalhe visual fino, texto multilingue, simulação de interfaces e conteúdo visual rico em conhecimento.

Quando foi lançado o Qwen Image 3.0?

A equipa Qwen anunciou o Qwen Image 3.0 a 21 de julho de 2026.

Que comprimento pode ter um prompt do Qwen Image 3.0?

A Qwen indica que o modelo aceita instruções até 4,5K tokens. Este é o limite do prompt, não uma garantia de que 4500 tokens de texto possam ser renderizados com exatidão dentro de uma só imagem.

O Qwen Image 3.0 consegue gerar texto pequeno?

A Qwen afirma que o modelo consegue renderizar texto legível em tamanhos tão pequenos como cerca de 10 píxeis. A ortografia exata, as fórmulas, os números e as afirmações factuais devem, ainda assim, ser verificados manualmente.

Que idiomas suporta o Qwen Image 3.0?

A Qwen indica que suporta renderização nativa em 12 idiomas. Os materiais de lançamento demonstram vários idiomas, incluindo chinês, inglês, japonês, coreano e espanhol, mas não publicam a lista completa dos 12 idiomas.

O Qwen Image 3.0 consegue editar imagens?

Sim. Os exemplos oficiais mostram o modelo a acrescentar anotações manuscritas, a complementar fotografias com informação técnica e a restaurar partes em falta ou danificadas de obras de arte tradicionais.

O Qwen Image 3.0 é de código aberto?

A Qwen não anunciou pesos abertos nem uma licença para o Qwen Image 3.0. O PoYo disponibiliza acesso por API alojada, mas isso não implica que existam pesos locais ou uma licença de implementação local.

Qual é o nome do modelo Qwen Image 3.0 na API?

O PoYo usa qwen-image-3 e qwen-image-3-pro. A página separada do QwenCloud indica qwen-image-3.0-pro; não troques os identificadores originais pelos do PoYo nos pedidos de API.

Que resolução suporta o Qwen Image 3.0?

O PoYo suporta saída selecionável em 1K e 2K. A Qwen não publicou uma resolução nativa ou máxima de arquitetura confirmada, pelo que as opções de saída do PoYo não devem ser interpretadas como uma afirmação sobre a resolução nativa de treino do modelo.

Usa a página do modelo Qwen Image 3.0 para gerar imagens agora, ou lê a documentação da API do PoYo antes de integrares.

Fontes

• Qwen-Image-3.0: Rich Content, Authentic Details, Deep Knowledge
• Página do modelo Qwen-Image-3.0-Pro
• Anúncio oficial do Qwen-Image-2.0