Qwen-Image-2512 發行說明 / 新功能

Qwen-Image-2512 是一項基礎的文本到圖像模型更新，減少了典型的「AI 生成」美感，轉而追求更高的寫實度與更精細的細節。與八月發布的基礎 Qwen-Image 模型相比，它特別提升了對人物主體、自然紋理以及多模態文字組合的渲染效果。

模型效能與基準測試

Qwen-Image-2512 被定位為基於盲測評的最強開源文本到圖像模型。根據 Qwen 團隊的說法，該模型在 AI Arena 上進行了超過 10,000 輪的盲測評，始終在與封閉源碼替代方案的競爭中保持高度競爭力。

加強的人物寫實度

Qwen-Image-2512 大幅精緻了人物的描繪，加入了更豐富的臉部細節與更佳的環境脈絡。主要改進包括：

• 年齡準確性： 模型精確捕捉與年齡相關的線索，例如老年受試者的皺紋，避免了早期 AI 生成圖像常見的人工平滑感。
• 精細細節： 在渲染單根髮絲方面的精確度取代了八月版本中模糊的紋理。
• 語意遵循度： 模型更準確地遵循複雜的姿勢指示，例如特定的身體傾斜或表情。
• 環境整合度： 背景物件（例如宿舍家具或會議橫幅）以更清晰的方式渲染，且與主體的整合度更佳。

更精細的自然細節與紋理

此更新將高保真渲染擴展至風景、野生動物與自然元素：

• 自然與風景： 在水流、植被與瀑布霧的渲染上顯著提升，綠色層次更豐富，且霧氣與噴濺等大氣效果更寫實。
• 動物毛皮： 模型在動物紋理上達到高度精確，例如金毛尋回犬的外層護毛與柔軟底毛的明顯層次，或是阿爾加利羊的粗糙密集毛皮。

改進的文字渲染與版面配置

Qwen-Image-2512 提升了圖像內文字元素的準確性與版面配置，使得更複雜的多模態組合成為可能。展示的能力包括：

• 結構化文件： 能夠生成具備特定時間軸、標籤與方向箭頭的專業級 PPT 投影片。
• 資訊圖表： 製作包含明確版面區塊、特定圖示（例如生鏽齒輪、圓錐形燒瓶）以及帶有邏輯標記（如勾號與紅叉）的精確文字標籤的工業技術資訊圖表。
• 複雜格子： 生成多面板教育海報（例如 3x4 格子），每個格子在保持一致敘事主題的同時，仍呈現獨立且高品質的攝影場景。