Alibaba lancerer Qwen-Image-3.0 uden benchmarks eller vægte

Alibabas Qwen-hold frigjort Qwen-Image-3.0 den 21. juli 2026, den tredje generation af deres billedgenereringsmodel, og byggede annonceringen omkring et enkelt mål: at gøre genererede billeder praktisk nok til at bruge som et arbejdsredskab og ikke kun til at se godt ud. Annonceringsposten er en galleri af, hvad systemet kan tegne – tætte avissider, multi-panel infografik og akademiske artikler fulde af matematiske notationer. Det, der ikke er inkluderet, er en benchmark-score, en modelkort eller en teknisk rapport til at bakke noget af det op.

Denne fravær er historien. Qwen-Image-3.0’s overskriftskrav hviler udelukkende på eksempelbilleder, som virksomheden har valgt at offentliggøre, og tidligere modeller i samme serie har sat en højere standard for beviser end denne opfylder.

Hvad modellen påstår at kunne gøre

Qwen-holdet organiserer udgivelsen omkring tre funktioner. Den første er håndtering af lange, detaljerede prompts: modellen accepterer instruktioner på op til 4.500 tokens, som virksomheden siger giver mulighed for at komponere informationsdense billeder i ét træk. Dens centerpiece-eksempel er en tre-gange-tre-grid af ikke-relaterede infografik – en fysikdiagram, en gruppeteori-bevis, en biologisk forklaring og seks andre – som Alibaba siger blev produceret fra en 3.700-token-instruktion og ikke sammensat fra separate billeder. Et andet eksempel indeholder grænseflader inde i hinanden, placerer en kodeeditor omkring en chat-vindue omkring en meddelelse-app.

Den anden påstand er fin detalje. Alibaba siger, at modellen render tekst så lille som 10 pixels læseligt og reproducerer teksturer som hud, hår og papir tæt på fotorealistisk kvalitet. Posten viser en hel side af en akademisk artikel med multi-linje-ligninger og en simuleret avisfor-side, sammen med redigeringsopgaver som tilføje håndskrevne noter og genskabe en traditionel skadet maleri.

Den tredje er, hvad virksomheden kalder verdenskundskab: naturlig rendering af 12 sprog, reproduktion af grænseflader som web-sider og livestreams og evnen til at hente live-data fra internettet. Et eksempel genererer et vejr-forecast-grafik for en bestemt by og dato, et usædvanligt skridt for en generator og en, der udvisker grænsen mellem en billedmodel og et data-drevet design-værktøj. Alibaba tilbyder hele pakken til indholdproduktionsarbejde – avislayout, kort-drama-manus, brugergrænseflade-mockups og e-handelsbilleder – den type medieoutput, hvor spørgsmålet om at afsløre AI’s rolle allerede er live. Hver af disse funktioner vises dog kun gennem outputs, som virksomheden har valgt.

Hvad annonceringen udelader

Posten indeholder ingen benchmark-tabel, ingen parameterantal, ingen licens og ingen downloadable vægte, og ingen teknisk rapport, der beskriver, hvordan modellen blev trænet eller testet. Brugere henvises til Qwen Chat for at prøve det.

Dette er en afvigelse fra, hvordan serien tidligere blev udgivet. Qwen-Image 1.0 ankom i august 2025 med åbne vægte under en permissiv Apache 2.0-licens og en teknisk rapport samme dag, og Qwen-Image-2.0 fulgte med sin egen tekniske rapport. Den tidligere version angav også sine begrænsninger: den accepterede prompts på op til cirka 1.000 tokens, hvilket gør springet til 4.500 det mest konkrete tal i den nye udgivelse, og et tal, som ingen udenforstående har verificeret.

Lukningen betyder mere for en billedmodel end for en tekstmodel. Billedkvalitet er subjektiv, og tekst-rendering er præcis den akse, hvor generatorene tenderer til at se stærke ud i håndplukkede demos og svagere under systematisk test. Uden vægte eller en evalueringssæt er det eneste bevis, som en udvikler kan handle på, Alibabas egen række af outputs. Rivaler har vist, at en chat-kun-debut er et valg og ikke en begrænsning: Tencent udgav HunyuanImage 3.0 som en åben-vægte-model, og Thinking Machines Lab har for nylig udgivet Inkling, deres første åben-vægte-multimodale model, vægte inklusive.

Hvor den sidste generation rangerede

Alibaba har en ny og usædvanligt åben data-punkt om, hvor deres billedmodeller står. I Qwen-Image-Bench, en tekst-til-billede-evaluering, som Qwen-holdet selv har offentliggjort, placerede den tidligere flagship, Qwen Image 2.0 Pro, som nummer fem overall. OpenAI’s GPT Image 2 ledde rangeringen, med Google’s Nano Banana-modeller og OpenAI’s GPT Image 1.5, der udfyldte top-fire. Benchmarket afhænger af en automatiseret dommer-model, som forfatterne siger følger menneskelige vurderinger tæt, men det er stadig Alibabas egen test, og det scorede den tidligere generation, ikke 3.0.

Denne kontekst taler imod at læse den nye model som et spring til fronten af feltet. En femteplads giver Qwen-Image-3.0 mulighed for at hævde virkelige gevinster, men lanceringsannonceringen tilbyder ingen målt måde at bekræfte dem på. Signalerne, der er værd at følge, er, om Alibaba offentliggør vægte og en modelkort, som de gjorde for hver tidligere Qwen-Image-udgivelse, og om uafhængige evalueringer bakker op om de lange-prompts- og små-tekst-krav. Indtil en af disse lander, kan det mest, der kan siges, være, at Qwen-Image-3.0 ser stærk ud i billederne, som dens skaber har valgt at vise.