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

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。

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。

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。