通义千问发布第三代图像生成基座模型 Qwen-Image-3.0，核心关键词为“实”。该模型支持最长 4.5k token 指令输入，可单次生成包含 9 个复杂信息图的 3×3 网格布局；文本渲染精度达 10px，并支持 12 种语言原生渲染，旨在将图像转化为可部署的生产力工具。

这个"实"体现在三个维度：

内容丰富：支持高达4.5k模型token输入，轻松生成报纸、分镜脚本、试卷等复杂版式。

细节真实：支持精确渲染小至10像素的文字，生动再现毛孔、发丝等细节，呈现栩栩如生的微观级刻画。

知识深厚：原生支持12种语言渲染，模拟网页、游戏、直播等主流界面，并调用丰富的世界知识。

总之，通义万相-图像生成3.0追求的不仅是"好看"，更是"好用"，让图像生成成为真正可落地的生产力工具。

模型能够刻画非常细腻的纹理。