Qwen Image: el modelo de imágenes con IA de Alibaba, de la 1.0 a la 3.0

Qué es Qwen Image

Qwen Image es una línea de modelos de imagen del equipo Qwen de Alibaba, el mismo que publica los modelos de lenguaje Qwen. El primer Qwen-Image salió el 4 de agosto de 2025: 20 000 millones de parámetros, arquitectura MMDiT y pesos abiertos bajo Apache 2.0. Desde el principio, su punto fuerte fue el texto dentro de la imagen, primero en chino e inglés.

En un año la línea creció hasta una decena de modelos, y las versiones no siguen un orden: la 3.0 cerrada salió antes que la 2.1 abierta. Este es el mapa:

Versión	Fecha	Qué es	Pesos
Qwen-Image	4 ago 2025	Texto a imagen, 20 000 M de parámetros	Apache 2.0
Qwen-Image-Edit	18 ago 2025	Edición de una sola imagen	Apache 2.0
Edit-2509	22 sep 2025	Edición con varias imágenes	Apache 2.0
Qwen-Image-Layered	19 dic 2025	Descompone la imagen en capas	Apache 2.0
Edit-2511	23 dic 2025	Personajes y grupos más consistentes	Apache 2.0
Qwen-Image-2512	31 dic 2025	Personas, texturas y texto más realistas	Apache 2.0
Qwen-Image-2.0	10 feb 2026	Generación y edición en un modelo, 2K	solo nube
Qwen-Image-3.0	21 jul 2026	Insignia: prompts largos, texto pequeño	solo nube
Qwen-Image-2.1	20 sep 2026	7000 M de parámetros, fondo transparente	no comercial
Qwen-Image-2.1-Turbo	9 oct 2026	La 2.1 en 8 pasos en lugar de 40	no comercial

Los detalles del último lanzamiento abierto están en nuestra noticia sobre Qwen-Image-2.1.

Qué puede hacer Qwen Image

Prompts largos y maquetación compleja. Qwen-Image-2.0 entendía instrucciones de hasta 1000 tokens; Qwen-Image-3.0, de hasta 4500. En la demostración de Alibaba, un prompt de 3700 tokens produjo de una sola vez una cuadrícula de 3×3 con nueve infografías distintas: fórmulas, diagramas, un cómic y textos en dos idiomas. Una página de periódico, un guion gráfico o una hoja de examen son tareas típicas de la 3.0.

Texto pequeño. Qwen-Image-3.0 dibuja letras legibles desde 10 píxeles de alto y una página completa de un artículo científico con fórmulas LaTeX: subíndices, fracciones y letras griegas.

12 idiomas y más de 100 estilos. La versión 3.0 genera texto en 12 idiomas, imita interfaces de webs, juegos y directos y conoce más de 100 estilos artísticos. Para datos actuales, como la previsión del tiempo de hoy, el modelo puede consultar la búsqueda web.

Generación y edición en un solo modelo. Desde la 2.0 no hace falta un Qwen-Image-Edit aparte: el mismo modelo cambia el fondo, añade y quita objetos y escribe anotaciones sobre las fotos. Por API, Qwen-Image-3.0 acepta de 1 a 3 imágenes de entrada, y Qwen-Image-2.1, hasta 10, además de editar una zona con máscara o una marca dibujada.

Fondo transparente y capas. Qwen-Image-2.1 entrega directamente PNG con canal alfa. El modelo aparte Qwen-Image-Layered descompone una imagen terminada en varias capas RGBA —por ejemplo, 3 u 8— y cada capa se puede mover, escalar y recolorear por separado.

Restauración. En los ejemplos de Alibaba, Qwen-Image-3.0 reconstruye las partes perdidas de una pintura antigua con el estilo del original y elimina manchas de moho.

Para qué sirve Qwen Image

• Infografías, diapositivas y chuletas: mucho texto estructurado en una sola imagen.
• Pósteres, portadas y banners con titular y subtítulos.
• Guiones gráficos y cómics: muchos paneles con bocadillos en una sola generación.
• Maquetas de interfaz: pantallas de apps y webs para presentaciones.
• Productos con fondo transparente: Qwen-Image-2.1 entrega PNG sin recortar.
• Infraestructura propia: las versiones abiertas se pueden ejecutar y ajustar en tu equipo.

Qwen Image frente a sus alternativas

	Qwen-Image-3.0	GPT Image 2.5	Nano Banana 2.1	Seedream 5.0 Pro
Puesto en Arena, texto a imagen (24/10/2026)	13	1 (Sunburst)	6	12
Resolución	hasta 2048×2048	hasta 3840 px	hasta 4K	hasta 2K
Referencias	1–3 (2.1: hasta 10)	varias	hasta 14	hasta 10
Longitud del prompt	hasta 4500 tokens	—	—	—
Texto	12 idiomas, desde 10 px	multilingüe	multilingüe	más de 10 idiomas
Pesos abiertos	no (2.1: sí)	no	no	no

En calidad general, Qwen-Image-3.0 está a la altura de Seedream 5.0 Pro y por detrás de GPT Image 2.5 y Nano Banana 2.1. Su ventaja es el volumen: ninguno de sus vecinos admite oficialmente un prompt de 4500 tokens. Entre los modelos de pesos abiertos, Qwen-Image-2.1 ocupa el puesto 19, por encima de cualquier competidor abierto.

Cómo escribir prompts para Qwen Image

• Describe la maquetación, no solo la escena. «Cuadrícula de 3×2, en cada panel un icono y un texto de dos líneas, titular arriba» funciona mejor que «una infografía bonita».
• El texto, literal y entre comillas. Escribe cada rótulo tal como debe aparecer y añade «sin más texto».
• Divide los prompts largos en bloques. En la 3.0, primero el estilo general y después el contenido de cada panel en orden.
• Escribe el prompt en inglés o en chino. La API de Alibaba admite oficialmente esos dos idiomas; los demás se traducen con pérdidas.
• El prompt negativo, solo en la 3.0. Qwen-Image-3.0 tiene un campo aparte para lo que no debe aparecer.
• Al editar, di qué cambia y qué se queda. «Cambia el fondo por un estudio blanco; no toques el producto, la luz ni las sombras».

Se puede ejecutar Qwen Image en local

Sí, pero solo las versiones abiertas. Los pesos de Qwen-Image, Edit, 2512, Layered y 2.1 están en Hugging Face y ModelScope, y los modelos funcionan en Diffusers y ComfyUI. El Qwen-Image original de 20 000 millones de parámetros es pesado: descargando capa a capa en la RAM, DiffSynth-Studio lo ejecuta en una GPU de 4 GB, aunque la generación es lenta. Qwen-Image-2.1 es más ligero: 7000 millones de parámetros en el generador más un codificador Qwen3-VL de 8000 millones.

Revisa la licencia antes de usarlo en local. Las versiones de 2025 se distribuyen bajo Apache 2.0 y admiten uso comercial. Qwen-Image-2.1 y Turbo salieron con la Qwen Research License, solo para usos no comerciales. Qwen-Image-2.0 y 3.0 no se pueden descargar: solo funcionan en la nube de Alibaba.

Cómo usar Qwen Image en AI2Face

Qwen Image está disponible en el generador de AI2Face, sin GPU y sin cuenta de Alibaba Cloud. Puedes lanzar el mismo prompt en Qwen Image, GPT Image, Nano Banana y Seedream y quedarte con el mejor resultado. El coste de cada generación se ve antes de lanzarla, puedes pagar con tarjeta o cripto y los créditos de los paquetes no caducan. Las cuentas nuevas reciben créditos de bienvenida al registrarse. Para ver otros modelos, consulta nuestra guía de generadores de imágenes con IA.

Limitaciones

• La mejor versión es cerrada. Qwen-Image-3.0 y 2.0 no están publicadas: no hay pesos ni informe técnico.
• La 2.1 abierta no es para uso comercial. La Qwen Research License prohíbe el uso comercial sin un acuerdo aparte con Alibaba.
• Los alfabetos menos comunes no están garantizados. La serie rinde mejor en chino e inglés, y Alibaba no publica la lista de 12 idiomas de la 3.0.
• La resolución llega a 2K. Para imprimir en gran formato hace falta escalar o un modelo 4K.
• La 3.0 admite menos referencias. El modelo insignia acepta hasta 3 imágenes de entrada; la 2.1, hasta 10.

Conclusión

Qwen Image es la mejor opción cuando la imagen lleva mucho texto y maquetación: infografías, diapositivas, guiones gráficos, páginas de periódico. Para eso, usa Qwen-Image-3.0. Si necesitas tu propia infraestructura para un proyecto no comercial, elige la Qwen-Image-2.1 abierta; para uso comercial en tu servidor, Qwen-Image-2512 con Apache 2.0. En fotorrealismo y texto en alfabetos menos comunes, GPT Image 2.5 y Nano Banana 2.1 son más fuertes: compáralos con Qwen Image con el mismo prompt en AI2Face.