Alibaba hat Qwen-Image-3.0 vorgestellt. Die dritte Generation der Qwen-Image-Reihe soll nicht nur ästhetische Bilder erzeugen, sondern informationsdichte Arbeitsmaterialien wie Zeitungsseiten, Storyboards, Prüfungsbögen, Infografiken und Benutzeroberflächen. Der offizielle Begriff dafür lautet „Real“: Das Modell soll reichhaltige Inhalte, präzise Details und breites Weltwissen verbinden.
Bis zu 4.500 Token für komplexe Layouts
Nach Angaben im offiziellen Qwen-Blog verarbeitet das Modell Anweisungen mit bis zu 4.500 Token. Als Beispiel zeigt das Team ein in einem Durchgang erzeugtes 3x3-Raster mit neun eigenständigen, detailreichen Infografiken. Ein weiterer Versuch verschachtelt mehrere bekannte Softwareoberflächen innerhalb eines Bildes. Diese Beispiele stammen vom Hersteller und zeigen ausgewählte Ergebnisse, nicht die Erfolgsquote über viele Versuche.
Für Text nennt Qwen eine präzise Darstellung bis zu einer Höhe von 10 Pixeln. Der Blog demonstriert kleine Schrift, mathematische Formeln, Zeitungslayouts und handschriftliche Anmerkungen. „Präzise“ bedeutet jedoch nicht, dass jeder Buchstabe, jede Formel oder jede Zahl immer fehlerfrei entsteht. Besonders bei fachlichen Grafiken müssen Inhalte weiterhin gegen die Originaldaten geprüft werden.
Zwölf Sprachen und mehr als 100 Stile
Qwen-Image-3.0 unterstützt laut Hersteller die native Textdarstellung in zwölf Sprachen und mehr als 100 visuelle Stile. Das Modell soll außerdem typische Oberflächen von Webseiten, Spielen und Livestreams nachbilden sowie Informationen aus dem Netz abrufen können. Auch dabei gilt: Eine optisch glaubwürdige Oberfläche oder Infografik ist kein Beleg dafür, dass die dargestellten Fakten korrekt sind.
Open-Source-Status und Zugang nicht aus Social Media ableiten
Zum Start kursierten widersprüchliche Aussagen über Lizenz und Zugang. Ein X-Beitrag bezeichnete das Modell als vollständig quelloffen und auf einer einzelnen Grafikkarte betreibbar. Ein anderer Beobachter schrieb, der API-Zugang sei zunächst nur auf Einladung möglich und eine Veröffentlichung der Gewichte sei nicht zu erwarten. Der offizielle Blog beschreibt die Fähigkeiten und verlinkt Qwen Chat, nennt im geprüften Text aber keine Open-Source-Lizenz und keine Veröffentlichung der Modellgewichte. Deshalb ist weder „vollständig Open Source“ noch „nur geschlossene Unternehmens-API“ allein auf Basis dieser Posts als gesichert zu behandeln.
Wer Qwen-Image-3.0 einsetzen möchte, sollte den tatsächlichen Zugang in Qwen Chat oder der offiziellen Alibaba-Plattform prüfen und für einen lokalen Betrieb auf eine konkrete Modellkarte, Gewichtsdateien und Lizenz warten. Ein Social-Media-Post ersetzt diese Unterlagen nicht.
Erste Vergleiche sind Anschauungsmaterial, keine Bestenliste
Lumina stellte einzelne Ergebnisse von GPT Image 2.0, Qwen-Image-3.0 und Grok gegenüber und bewertete Qwen und Grok als überzeugender. Der Vergleich zeigt interessante Unterschiede bei Layout und Textdarstellung, verwendet aber keine dokumentierte Stichprobe, identischen Einstellungen oder verblindete Bewertung. Er belegt daher nicht, dass eines der Modelle allgemein überlegen ist.
Auch Behauptungen über Spitzenplätze in GenEval, DPG oder GEdit sollten erst anhand einer veröffentlichten Tabelle mit Testversion, Einstellungen und Vergleichsmodellen bewertet werden. Der offizielle Launchbeitrag enthält zwar viele Beispiele, aber keinen vollständigen unabhängigen Benchmarkbericht.
Produktivität braucht Kontrolle
Der Ansatz ist für Designteams praktisch: Ein Modell, das lange Anweisungen und dichte Layouts verarbeitet, kann Entwürfe für Anzeigen, Unterrichtsmaterial, Benutzeroberflächen oder Storyboards beschleunigen. Vor einer Veröffentlichung müssen Texte, Formeln, Zahlen, Logos und Quellen jedoch manuell geprüft werden. Bei Personen, Marken, geschützten Figuren und Vorlagen kommen zusätzlich Persönlichkeits-, Marken- und Urheberrechte hinzu.
🎯 Was das für die Praxis bedeutet
1. Als Entwurfswerkzeug einsetzen: Komplexe Layouts und Varianten lassen sich schnell erzeugen, die Endkontrolle bleibt bei Menschen.
2. Text und Fakten prüfen: Lesbar aussehende Schrift, Formeln und Infografiken können inhaltlich trotzdem falsch sein.
3. Lizenz und Zugang belegen: Vor lokalem oder kommerziellem Einsatz die offizielle Modellkarte, Nutzungsbedingungen und tatsächlich verfügbare Schnittstelle prüfen.
