8月5日，通義千問官方宣布開源一個20B的MMDiT模型Qwen-Image，這是通義千問系列中的首個圖像生成基礎模型，在復雜文本渲染和精確圖像編輯方面進展顯著。
該模型具備卓越的文本渲染能力、一致性的圖像編輯能力及強大的跨基準性能表現。
在多個公開基準測試中，包括GenEval、DPG、OneIG - Bench（通用圖像生成），GEdit、ImgEdit、GSO（圖像編輯）以及LongText - Bench、ChineseWord、TextCraft（文本渲染）等，Qwen-Image在各類生成與編輯任務中均獲得SOTA。
在性能表現上，Qwen-Image能在不同場景中實現高保真文本渲染。例如，在海報制作中，它不僅能準確展示海報風格，還能保留人物姿勢和神態刻畫，準確生成指定的中英文文字；在分模塊案例中，能完成排版并生成各部分的圖標、標題和介紹文本；除此之外，即使紙張面積小且段落文字長，也能準確生成文字，還可在雙語間靈活切換。
同時，Qwen-Image 在通用圖像生成方面支持多種藝術風格，從照片級寫實到印象派繪畫，從動漫風格到極簡設計，能靈活響應創意提示。
通義千問表示，希望Qwen-Image能進一步推動圖像生成領域發展，降低視覺內容創作技術門檻，激發更多創新應用可能，同時期待社區積極參與和反饋，共同構建開放、透明、可持續發展的生成式AI生態。
目前，該模型已在魔搭社區與Hugging Face開源。