Qwenチームは2026年7月21日、Qwen-Imageシリーズの第3世代となる基盤画像生成モデル「Qwen-Image-3.0」を発表しました。1.0のキーワードが「精密(Precision)」、2.0が「精密・多様・完全・美・真実」だったのに対し、3.0の中核は「Real(実)」の一語に集約されるとしています。「豊かな内容(Rich Content)」「本物のディテール(Authentic Details)」「深い知識(Deep Knowledge)」の3本柱により、「見た目が良い」ではなく「役に立つ」を追求し、画像生成を実戦投入できる生産性ツールにすることを狙ったモデルです。

Rich Content: 4.5kトークンの指示で複雑レイアウトを生成

受け付けられる指示の長さが4.5kトークンに引き上げられ、情報密度の高い視覚レイアウトを理解して描画できるようになりました。例として、トンネル安全のマンガ、空間図形の授業、出師表の文体分析、物理の放物運動、寄生虫学の解説、群論のシロー定理など9種の複雑なインフォグラフィックを並べた3×3グリッド画像を、3.7kトークンの指示から継ぎ接ぎなしの一発生成で作れることが示されています。

内容の広がりは、1枚のキャンバスに複数の概念を干渉なく整然と配置する水平方向(意味の並置・空間制御)と、入れ子構造を層ごとに描き分ける深さ方向(意味の分解・論理ネスト)の2軸で説明されています。深さの例としては、VSCodeの画面→Qwen Chatの画面→WeChatの画面→ハンドドリップコーヒーのポスターという多層の「画面の中の画面」を、各層のUIのスタイルを保ったまま1つの指示で描いた例が示されています。

Authentic Details: 10pxの文字と写真級の質感

微細なディテールの描画精度が新たな水準に達したとしており、10pxの小さな文字が判読可能なレベルで描画されます。例として、大量のテキストと図解を含むジンベエザメの知識インフォグラフィック、LaTeX数式・上付き下付き・ギリシャ文字・定理番号が並ぶ代数幾何の学術論文1ページ、密な文字と紙の質感を再現した新聞紙面などが挙げられています。

編集タスクでは、書籍のページに下線・波線・丸・矢印・短いコメントからなる高校生のノート風の赤い手書き注釈を自然な筆跡で重ねる例や、破損した伝統絵画を元の画風と筆致を保ったまま修復する例(墨のグラデーションや羽の質感、構図バランスを維持しつつカビ跡や損傷を除去)が示されています。ポートレートでは毛穴や髪の毛まで細かく描き、肌の質感は写真に迫るとしています。

Deep Knowledge: 12言語・100超のスタイル・UI再現

12言語のネイティブ描画(日本語・韓国語・スペイン語の例を提示)、複数のフォント、100以上の芸術スタイル、Webページ・ゲーム・ライブ配信などの主流UIの再現に対応し、モデルの深い世界知識に裏打ちされているとしています。実際の昆虫写真に分類情報・形態注釈・拡大図・スケールバーなどを加えて、学術出版にそのまま使える研究図版へ変換する編集例も示されています。

モデルが持つ知識に加えてインターネットに接続して最新の知識を取得することもでき、例として7月21日の杭州の天気予報画像の生成が挙げられています。特定のIPキャラクターを調べて創作に使うこともでき、斉白石とゴッホがライブ配信でQwen-Image-3.0を紹介する画像の例が示されています。

位置づけ

Qwenチームは、一貫して追求してきたゴールは画像生成を「使える(usable)」から「実用(practical)」へ、「見た目が良い」から「役に立つ」へ進めることだと述べています。Qwen-Image-3.0は新聞PDF、ショートドラマの絵コンテ、複雑なUIといった高価値の生産性シナリオで大きなブレークスルーを達成しており、今後デザイン・コンテンツ制作・教育・ECなどの分野で真の生産性価値を解き放つとしています。