通义千问开源Qwen-Image-Edit图像编辑模型：实现语义与外观双重编辑突破

阿里巴巴集团旗下通义千问团队于8月19日正式推出Qwen-Image-Edit图像编辑模型，这是对8月5日开源的20B参数MMDiT基础模型Qwen-Image的重要功能扩展。该模型通过整合Qwen2.5-VL视觉语义控制模块与VAEEncoder视觉外观控制模块，首次在开源领域实现语义与外观双重编辑能力。

技术特性方面，Qwen-Image-Edit延续了基础模型在文本渲染方面的突破性表现，特别针对中英文多行段落级文本实现了像素级精准编辑。模型采用增强的多任务训练范式，在保持编辑内容一致性的同时，可对复杂场景中的细粒度细节进行修改。测试数据显示，其在GEdit、ImgEdit等主流图像编辑基准测试中均达到最先进水平（SOTA）。

实际应用中，用户可通过QwenChat平台（chat.qwen.ai）的”图像编辑”功能进行体验。该功能尤其擅长处理包含文字元素的图像修改需求，例如海报文案调整、PPT页面内容更新等场景。技术团队透露，模型对消费级显卡的适配工作已完成，24G显存设备即可流畅运行。

此次更新标志着通义千问在跨模态生成技术上的持续突破。此前开源的Qwen-Image模型已在Hugging Face开源社区登顶全球热度榜首，并在GenEval、DPG等12项国际基准测试中保持领先地位。目前该系列模型在OpenRouter全球市场份额已达12.3%，形成从生成到编辑的完整技术闭环。