Qwen Image：Alibabaの画像生成AI、1.0から3.0まで全バージョン解説

Qwen Imageとは

Qwen Imageは、AlibabaのQwenチームによる画像モデルのシリーズです。同チームは言語モデルQwenも公開しています。最初のQwen-Imageは2025年8月4日に登場しました。パラメータ数は200億、アーキテクチャはMMDiT、ウェイトはApache 2.0で公開されています。当初から画像内の文字描画が強みで、まず中国語と英語に対応しました。

1年でラインナップは約10モデルに増え、バージョン番号は順番通りではありません。クローズドの3.0がオープンの2.1より先に出ています。全体像は次のとおりです。

バージョン	公開日	内容	ウェイト
Qwen-Image	2025年8月4日	テキストから画像、200億パラメータ	Apache 2.0
Qwen-Image-Edit	2025年8月18日	1枚の画像を編集	Apache 2.0
Edit-2509	2025年9月22日	複数画像での編集	Apache 2.0
Qwen-Image-Layered	2025年12月19日	画像をレイヤーに分解	Apache 2.0
Edit-2511	2025年12月23日	人物・グループの一貫性が向上	Apache 2.0
Qwen-Image-2512	2025年12月31日	人物・質感・文字がよりリアルに	Apache 2.0
Qwen-Image-2.0	2026年2月10日	生成と編集を1モデルに統合、2K	クラウドのみ
Qwen-Image-3.0	2026年7月21日	フラッグシップ：長いプロンプト、小さな文字	クラウドのみ
Qwen-Image-2.1	2026年9月20日	70億パラメータ、透過背景	非商用
Qwen-Image-2.1-Turbo	2026年10月9日	2.1を40ステップから8ステップに	非商用

最新のオープン版の詳細はQwen-Image-2.1のニュースをご覧ください。

Qwen Imageでできること

長いプロンプトと複雑なレイアウト。 Qwen-Image-2.0は最大1,000トークン、Qwen-Image-3.0は最大4,500トークンの指示を理解します。Alibabaのデモでは、3,700トークンのプロンプトから、数式、図解、漫画、2言語のキャプションを含む9種類のインフォグラフィックを3×3のグリッドで一度に生成しました。新聞の紙面、絵コンテ、試験用紙は3.0の典型的な用途です。

小さな文字。 Qwen-Image-3.0は高さ10ピクセルの文字まで読みやすく描き、LaTeX数式を含む論文1ページ分も再現します。添字、分数、ギリシャ文字も正確です。

12言語と100以上のスタイル。 3.0は12言語の文字を描き、Webサイト、ゲーム、ライブ配信の画面を再現し、100以上のアートスタイルを扱えます。今日の天気予報のような最新情報が必要な場合は、Web検索も利用できます。

生成と編集を1つのモデルで。 2.0以降、Qwen-Image-Editを別に用意する必要はありません。同じモデルで背景の差し替え、物体の追加・削除、写真への書き込みができます。APIではQwen-Image-3.0が1〜3枚、Qwen-Image-2.1が最大10枚の入力画像に対応し、2.1はマスクや手描きの印で範囲を指定した部分編集も可能です。

透過背景とレイヤー。 Qwen-Image-2.1はアルファチャンネル付きPNGをそのまま出力します。別モデルのQwen-Image-Layeredは完成画像を3枚や8枚などのRGBAレイヤーに分解し、各レイヤーを個別に移動・拡大縮小・色変更できます。

修復。 Alibabaの作例では、Qwen-Image-3.0が古い絵画の欠損部分を原画の筆致で補い、カビのシミを取り除いています。

Qwen Imageが向いている用途

• インフォグラフィック、スライド、まとめ資料：構造化された大量の文字を1枚に。
• ポスター、表紙、バナー：見出しと小見出し入り。
• 絵コンテと漫画：吹き出し付きの多数のコマを一度に生成。
• UIモックアップ：プレゼン用のアプリやWebの画面。
• 透過背景の商品画像：Qwen-Image-2.1は切り抜き不要のPNGを出力。
• 自前のインフラ：オープン版は自分の環境で動かし、ファインチューニングも可能。

Qwen Imageと競合モデルの比較

	Qwen-Image-3.0	GPT Image 2.5	Nano Banana 2.1	Seedream 5.0 Pro
Arena順位・テキストから画像（2026年10月24日）	13	1（Sunburst）	6	12
解像度	最大2048×2048	最大3840px	最大4K	最大2K
参照画像	1〜3枚（2.1は最大10枚）	複数	最大14枚	最大10枚
プロンプト長	最大4,500トークン	—	—	—
文字	12言語、10px〜	多言語	多言語	10言語以上
オープンウェイト	なし（2.1はあり）	なし	なし	なし

総合的な品質では、Qwen-Image-3.0はSeedream 5.0 Proと同等で、GPT Image 2.5とNano Banana 2.1には及びません。強みは情報量で、近い順位のモデルで4,500トークンのプロンプトを公式にサポートするものはありません。オープンウェイトモデルの中では、Qwen-Image-2.1が19位で、オープンな競合のどれよりも上位です。

Qwen Imageのプロンプトの書き方

• シーンだけでなくレイアウトを書く。「3×2のグリッド、各コマにアイコンと2行のキャプション、上部に見出し」の方が「きれいなインフォグラフィック」より効果的です。
• 文字は一字一句、引用符で囲む。 表示させたい文言をそのまま書き、「他の文字は入れない」と添えます。
• 長いプロンプトはブロックに分ける。 3.0では、まず全体のスタイル、次に各コマの内容を順番に書きます。
• プロンプトは英語か中国語で。 AlibabaのAPIが公式に対応するのはこの2言語で、それ以外は翻訳時に情報が欠けます。
• ネガティブプロンプトは3.0のみ。 Qwen-Image-3.0には、画像に出したくない要素を書く専用の欄があります。
• 編集では、変える部分と残す部分を明記する。「背景を白いスタジオに変更。商品、光、影はそのまま」。

Qwen Imageはローカルで動かせるか

動かせますが、オープン版に限られます。Qwen-Image、Edit、2512、Layered、2.1のウェイトはHugging FaceとModelScopeで公開されており、DiffusersやComfyUIで動作します。200億パラメータの初代Qwen-Imageは重く、DiffSynth-Studioでレイヤーごとにメインメモリへ退避させればVRAM 4GBのGPUでも動きますが、生成は遅くなります。Qwen-Image-2.1はより軽量で、生成部が70億パラメータ、これに80億パラメータのQwen3-VLエンコーダが加わります。

ローカルで使う前にライセンスを確認してください。2025年の各版はApache 2.0で、商用利用も可能です。Qwen-Image-2.1とTurboはQwen Research Licenseで、非商用に限られます。Qwen-Image-2.0と3.0はダウンロードできず、Alibabaのクラウドでのみ動きます。

AI2FaceでQwen Imageを使う方法

Qwen ImageはAI2Faceのジェネレーターで利用でき、GPUもAlibaba Cloudのアカウントも不要です。同じプロンプトをQwen Image、GPT Image、Nano Banana、Seedreamで実行し、最も良い結果を残せます。各生成の料金は実行前に表示され、カードまたは暗号資産で支払えます。パックのクレジットに有効期限はありません。新規アカウントには登録後にウェルカムクレジットが付与されます。ほかのモデルについては画像生成AIのガイドをご覧ください。

制限事項

• 最上位版はクローズド。 Qwen-Image-3.0と2.0は公開されておらず、ウェイトも技術レポートもありません。
• オープンな2.1は商用不可。 Qwen Research Licenseでは、Alibabaとの個別契約なしの商用利用が禁止されています。
• 珍しい文字は保証されない。 シリーズが最も得意なのは中国語と英語で、3.0の12言語の一覧は公表されていません。
• 解像度は2Kまで。 大判印刷にはアップスケールか4K対応モデルが必要です。
• 3.0は参照画像が少ない。 フラッグシップの入力画像は最大3枚で、2.1は最大10枚です。

まとめ

インフォグラフィック、スライド、絵コンテ、新聞紙面など、文字とレイアウトの多い画像にはQwen Imageが最適で、こうした用途ではQwen-Image-3.0を選びましょう。非商用で自前のインフラが必要ならオープンなQwen-Image-2.1、自社サーバーでの商用利用ならApache 2.0のQwen-Image-2512が向いています。写真のようなリアルさや珍しい文字ではGPT Image 2.5とNano Banana 2.1が上なので、AI2Faceで同じプロンプトを使ってQwen Imageと比べてみてください。