Qwen-Image-2512 发布说明 / 新功能

Qwen-Image-2512 是一次基础的文本到图像模型更新，降低了典型的“AI 生成”美感，提升了真实感和细节精度。相较于八月发布的基础 Qwen-Image 模型，它在人物主体、自然纹理以及多模态文本组合的渲染上有显著改进。

模型性能与基准测试

Qwen-Image-2512 被定位为基于盲测的最强开源文本到图像模型。根据 Qwen 团队的说法，该模型在 AI Arena 上完成了超过 10,000 轮盲测，始终在与闭源替代品的竞争中保持高度竞争力。

增强的人体真实感

Qwen-Image-2512 大幅细化了人物的描绘，加入了更丰富的面部细节和更好的环境上下文。关键改进包括：

• 年龄准确性： 模型能够精确捕捉年龄特征，例如老年人物的皱纹，避免了早期 AI 生成图像常见的人工平滑感。
• 细节精细度： 对单根发丝的精确渲染取代了八月版本中出现的模糊纹理。
• 语义遵循度： 模型更准确地遵循复杂的姿势指令，例如特定的身体倾斜或表情。
• 环境融合度： 背景物体（例如宿舍家具或会议横幅）渲染得更清晰，并且与主体的融合度更高。

更细腻的自然细节与纹理

此更新将高保真渲染扩展到风景、野生动物和自然元素：

• 自然与风景： 在水流、植被和瀑布雾的渲染上有明显提升，绿色的层次更丰富，雾气和喷雾等大气效果更逼真。
• 动物皮毛： 模型在动物纹理上实现了高精度，例如金毛猎犬的护毛层与柔软底毛的明显分层，或是阿尔加利羊的粗糙密集毛皮。

改进的文字渲染与布局

Qwen-Image-2512 提升了图像内文字元素的准确性和布局，使得更复杂的多模态组合成为可能。展示的能力包括：

• 结构化文档： 能够生成带有特定时间轴、标签和指向箭头的专业级 PPT 幻灯片。
• 信息图表： 创建包含明确布局块、特定图标（例如锈蚀齿轮、圆锥形烧瓶）以及带有逻辑标记（如对号和红叉）的精确文字标签的工业技术信息图。
• 复杂网格： 生成多面板教育海报（例如 3×4 网格），每个格子保持一致的叙事主题，同时又是独立的高质量摄影场景。