阿里通义千问开源图像生成模型Qwen-Image，20B参数MMDiT架构引领生成式AI新突破

2025年8月5日，阿里旗下通义千问团队宣布开源其首个图像生成基础模型Qwen-Image，采用20B参数的MMDiT架构，标志着该系列在生成式AI领域的技术突破。该模型在复杂文本渲染与精确图像编辑两大核心场景表现突出，当日即登上Hugging Face开源社区模型榜单首位。

技术特性方面，Qwen-Image展现出三项核心优势：其一，在文本渲染能力上实现跨语言高保真输出，支持中英双语的多行布局、超小字体及复杂图文混排，在GenEval、DPG等基准测试中取得SOTA成绩；其二，通过增强的多任务训练范式，模型在多轮图像编辑中能保持主体ID一致性，支持文字修改、姿势调整等精细化操作；其三，支持从写实到动漫的多种艺术风格，满足商业设计、广告创意等场景需求。

行业影响层面，此次开源延续了通义千问系列的技术辐射效应。据OpenRouter数据显示，该系列模型全球市场份额已达12.3%，此次Qwen-Image的发布进一步丰富了其开源矩阵。模型已在魔搭社区和Hugging Face同步开放，旨在降低视觉内容创作门槛，推动生成式AI生态建设。

通义千问团队表示，Qwen-Image的开源将加速AI图像生成技术在科研与产业端的落地进程，后续将持续优化模型的多模态能力。该模型的推出，被视为中国企业在全球AI竞赛中技术输出的又一重要里程碑。