Qwen-Image-3.0 リリースノート

Qwen-Image-3.0 は、AI 画像を美的魅力から実用的な生産性へと転換することを目的とした第 3 世代の基礎的画像生成モデルです。このモデルは、複雑なレイアウト向けのリッチコンテンツ生成、マイクロレベルの本格的なディテール、そして多言語・インターフェース描画のための深い世界知識という 3 つのコア機能に焦点を当てています。

高密度レイアウトとリッチコンテンツ

Qwen-Image-3.0 は最大 4.5k トークンの入力プロンプトをサポートし、通常は複数回の生成や手作業での貼り合わせが必要となる情報密度の高いビジュアルレイアウトを一度で生成できます。

水平展開と垂直展開

• 水平展開（セマンティック・ジャクスタポジション）: モデルは単一画像内で複数の異なる概念を整然と描画できます。開発者が提示した例として、物理の投射運動、生物学の寄生虫学、群論の定理など、9 つの複雑なインフォグラフィックを含む 3×3 グリッドが単一パスで生成されています。
• 垂直展開（ロジカル・ネスティング）: モデルは「ピクチャー・イン・ピクチャー」深度をサポートし、入れ子構造のインターフェースを描くことができます。1 つの指示で、Qwen Chat インターフェースを含む VSCode インターフェースを生成し、さらにその中に WeChat インターフェースとコーヒーポスターを入れることが可能です。

本格的なマイクロレベルディテール

描画精度は Qwen-Image-3.0 の主要な焦点であり、特に小さな文字の可読性と物理的テクスチャのリアリズムを狙っています。

テキスト描画と学術的精度

• 小文字の可読性: モデルは 10px の小ささのテキストを描画できます。これは、密度の高い LaTeX 数式、下付き文字・上付き文字、ギリシャ文字を含む詳細な知識インフォグラフィックや学術論文の生成で実証されています。
• メディアのシミュレーション: 新聞や手書き注釈の本格的な外観をシミュレートでき、赤インクの下線や学生のノートを模した波線なども再現します。

テクスチャと修復

• フォトリアリスティックテクスチャ: ポートレート写真において、肌の毛穴や髪の毛一本といったマイクロレベルのディテールを捉えます。
• アーティスティック修復: Qwen-Image-3.0 は、伝統的な絵画の損傷部分を修復する編集タスクを実行でき、カビの斑点や経年劣化の痕跡を除去しつつ、元の墨絵のグラデーションや筆致を保持します。

深い知識と多言語サポート

Qwen-Image-3.0 は世界知識を活用して正確なインターフェースや多言語コンテンツを生成します。

• 多言語描画: 日本語、韓国語、スペイン語を含む 12 言語での描画をネイティブにサポートします。
• UI シミュレーション: ウェブページ、ゲーム、ライブストリーミングレイアウトなど、主流のデジタルインターフェースをシミュレートできます。
• インターネット統合: インターネットに接続してリアルタイムデータを取得でき、特定の日付・場所の天気予報画像を生成することが可能です。
• 学術インフォグラフィック: 標準的な写真（例: 昆虫の写真）を、分類情報、形態学的注釈、スケールバーを加えてプロフェッショナルな研究図に変換できます。

コミュニティのフィードバックと技術的批評

公式発表は生産性の大幅な向上を強調していますが、Hacker News のコミュニティ議論では、モデルのデプロイや精度に関していくつかの争点が指摘されています。

モデルへのアクセスと透明性

複数のユーザーが、モデルの重みや価格設定に関する透明性の欠如を指摘しています。

"実際に重みをリリースするかどうか、いつになるかについて一言もありません… 完全にクローズドウェイトのようです。"

精度と品質への懸念

"本格的" なディテールを謳う一方で、出力に不整合があると報告するユーザーもいます。

• 言語エラー: あるユーザーは、プロモーション例にある韓国語テキストに複数の母音・綴りミス（例: "듘뢔마" が "벌래마" であるべき）を指摘しました。
• 解剖学的問題: chat.qwen.ai でテストした際に "第三の脚と光る目" が出現するケースが報告され、解剖学的正確性がまだ課題であることが示唆されています。
• 偽情報リスク: 死亡した作者が監修したと主張する漫画画像など、説得力のある偽の属性情報を生成できる点が懸念されています。

実用性

ユーザーは、e コマースでの利用に懐疑的で、AI が生成する服のフィット感は常に好都合に見えるため、実際の人体に対する正確なフィット感を表現できないと指摘しています。