AIモデル/画像生成🔥 トレンド
アリババQwenチーム、画像生成モデル「Qwen-Image-3.0」を発表 4.5Kトークンの超長文入力に対応
Unite.AI•2026年7月21日
アリババのQwenチームが新世代の画像生成モデル「Qwen-Image-3.0」を公開しました。4.5Kトークンの長文入力に対応する一方、ベンチマークやモデルの重みの公開を伴わない異例の発表となっています。
これまでの流れ
このニュースに至るまでの流れを振り返ります。
2025年8月
初代Qwen-Image公開
AlibabaのQwenチームが20B規模のMMDiT構成の画像生成基盤モデル「Qwen-Image」を発表しました。Apache 2.0ライセンスの下でモデルの重みがGitHubやHugging Faceに公開され、複雑な多言語テキストのレンダリングと高精度な画像編集を両立するモデルとして注目されました。
2025年8月19日
Qwen-Image-Edit発表
画像編集タスクに特化した派生モデル「Qwen-Image-Edit」が発表されました。元の見た目を保持したまま、多様な編集指示に対応できる機能が追加されています。
2026年2月
Qwen-Image-2.0公開
7Bパラメータで画像生成と画像編集を1つのモデルに統合した「Qwen-Image-2.0」が公開されました。ネイティブ2K解像度への対応や、生成に必要なステップ数を40から4へ短縮する高速化などが盛り込まれ、今回と同様に技術レポートが同時公開されました。
2026年7月21日
今日
アリババQwenチーム、画像生成モデル「Qwen-Image-3.0」を発表 4.5Kトークンの超長文入力に対応
要点
- Qwen-Image-3.0は、テキスト入力の上限を前世代比4.5倍となる4.5Kトークンまで拡大し、数式や幾何図形、多層のUIといった複雑な内容を一度の指示でまとめて生成できるとされています。
- 12言語・20種類超のフォントにネイティブ対応しており、新聞紙面のような情報量の多いレイアウトや学術論文風の図表も破綻なく描画できる点が特徴です。
- 一方で今回の発表には、ベンチマークスコアや技術レポート、モデルの重みの公開が伴っておらず、Qwen Chat上での体験提供にとどまっている状況です。
- 前世代のQwen-Image-2.0はAlibaba自身の評価基準「Qwen-Image-Bench」でOpenAIやGoogleのモデルに次ぐ5位にとどまっていたとされ、今回の性能向上を外部から検証する材料は限られています。
なぜ重要か
今回の発表が注目される理由は、性能そのものよりも公開の仕方にあります。これまでのQwen-Imageシリーズはオープンウェイトと技術レポートを伴う公開が特徴で、開発者コミュニティからの信頼を集めてきました。しかしQwen-Image-3.0では、ベンチマークスコアや重みが示されないまま発表され、性能の裏付けはAlibaba自身が用意したサンプル画像に依存する形となっています。前世代が自社評価でも上位に入れなかった経緯もあり、今回の主張をどこまで独立して検証できるかが関心を集めています。
この先の見立て
今後は、Qwen-Image-3.0の重みやベンチマーク、技術レポートが追って公開されるかどうかが焦点になるとみられます。公開されれば、長文プロンプトへの対応力や多言語テキスト描画の精度を第三者が検証できるようになり、実務での採用判断も進みやすくなります。一方、非公開のまま推移した場合は、他の主要な画像生成モデルとの客観的な比較が難しい状態が続く可能性があります。Alibabaが今後どのような形で情報を追加公開するか、動向を注視する必要がありそうです。
※ Qwen-Image-3.0のパラメータ数や、Hacker Newsでの反響の正確な数値など一部の情報は、本稿執筆時点でAlibaba公式の技術文書による裏付けがなく、報道各社の記事に基づいています。
→