Qwen Image: o gerador de imagens com IA da Alibaba, da 1.0 à 3.0

O que é o Qwen Image

Qwen Image é uma linha de modelos de imagem da equipe Qwen, da Alibaba, a mesma que lança os modelos de linguagem Qwen. O primeiro Qwen-Image saiu em 4 de agosto de 2025: 20 bilhões de parâmetros, arquitetura MMDiT e pesos abertos sob Apache 2.0. Desde o início, o ponto forte da série foi o texto dentro da imagem, primeiro em chinês e inglês.

Em um ano a linha chegou a uns dez modelos, e as versões não seguem a ordem: a 3.0 fechada saiu antes da 2.1 aberta. Veja o mapa:

Versão	Data	O que é	Pesos
Qwen-Image	4 ago 2025	Texto para imagem, 20 bi de parâmetros	Apache 2.0
Qwen-Image-Edit	18 ago 2025	Edição de uma imagem	Apache 2.0
Edit-2509	22 set 2025	Edição com várias imagens	Apache 2.0
Qwen-Image-Layered	19 dez 2025	Separa a imagem em camadas	Apache 2.0
Edit-2511	23 dez 2025	Personagens e grupos mais consistentes	Apache 2.0
Qwen-Image-2512	31 dez 2025	Pessoas, texturas e texto mais realistas	Apache 2.0
Qwen-Image-2.0	10 fev 2026	Geração e edição num modelo, 2K	só nuvem
Qwen-Image-3.0	21 jul 2026	Principal: prompts longos, texto pequeno	só nuvem
Qwen-Image-2.1	20 set 2026	7 bi de parâmetros, fundo transparente	não comercial
Qwen-Image-2.1-Turbo	9 out 2026	A 2.1 em 8 passos em vez de 40	não comercial

Os detalhes do último lançamento aberto estão na nossa notícia sobre o Qwen-Image-2.1.

O que o Qwen Image faz

Prompts longos e diagramação complexa. O Qwen-Image-2.0 entendia instruções de até 1.000 tokens; o Qwen-Image-3.0, de até 4.500. Na demonstração da Alibaba, um prompt de 3.700 tokens gerou de uma vez uma grade 3×3 com nove infográficos diferentes: fórmulas, diagramas, um quadrinho e legendas em dois idiomas. Página de jornal, storyboard e folha de prova são tarefas típicas da 3.0.

Texto pequeno. O Qwen-Image-3.0 escreve letras legíveis a partir de 10 pixels de altura e uma página inteira de artigo científico com fórmulas LaTeX: subscritos, frações e letras gregas.

12 idiomas e mais de 100 estilos. A versão 3.0 escreve texto em 12 idiomas, imita interfaces de sites, jogos e lives e conhece mais de 100 estilos artísticos. Para dados atuais, como a previsão do tempo de hoje, o modelo pode consultar a busca na web.

Geração e edição num só modelo. Desde a 2.0 não é preciso um Qwen-Image-Edit separado: o mesmo modelo troca o fundo, adiciona e remove objetos e escreve anotações nas fotos. Pela API, o Qwen-Image-3.0 aceita de 1 a 3 imagens de entrada, e o Qwen-Image-2.1, até 10, além de editar uma área por máscara ou marcação desenhada.

Fundo transparente e camadas. O Qwen-Image-2.1 já entrega PNG com canal alfa. O modelo separado Qwen-Image-Layered divide uma imagem pronta em várias camadas RGBA — por exemplo, 3 ou 8 —, e cada camada pode ser movida, redimensionada e recolorida à parte.

Restauração. Nos exemplos da Alibaba, o Qwen-Image-3.0 reconstrói partes perdidas de uma pintura antiga no estilo do original e remove manchas de mofo.

Para que serve o Qwen Image

• Infográficos, slides e resumos: muito texto estruturado numa só imagem.
• Pôsteres, capas e banners com título e subtítulos.
• Storyboards e quadrinhos: muitos painéis com balões numa só geração.
• Mockups de interface: telas de apps e sites para apresentações.
• Produtos com fundo transparente: o Qwen-Image-2.1 entrega PNG sem recorte.
• Infraestrutura própria: as versões abertas podem rodar e ser ajustadas no seu hardware.

Qwen Image e alternativas

	Qwen-Image-3.0	GPT Image 2.5	Nano Banana 2.1	Seedream 5.0 Pro
Posição na Arena, texto para imagem (24/10/2026)	13	1 (Sunburst)	6	12
Resolução	até 2048×2048	até 3840 px	até 4K	até 2K
Referências	1–3 (2.1: até 10)	várias	até 14	até 10
Tamanho do prompt	até 4.500 tokens	—	—	—
Texto	12 idiomas, a partir de 10 px	multilíngue	multilíngue	mais de 10 idiomas
Pesos abertos	não (2.1: sim)	não	não	não

Em qualidade geral, o Qwen-Image-3.0 fica no nível do Seedream 5.0 Pro e atrás do GPT Image 2.5 e do Nano Banana 2.1. A vantagem dele é o volume: nenhum dos vizinhos aceita oficialmente um prompt de 4.500 tokens. Entre os modelos de pesos abertos, o Qwen-Image-2.1 está em 19º, à frente de todos os concorrentes abertos.

Como escrever prompts para o Qwen Image

• Descreva a diagramação, não só a cena. “Grade 3×2, em cada painel um ícone e uma legenda de duas linhas, título no topo” funciona melhor que “um infográfico bonito”.
• Texto ao pé da letra e entre aspas. Escreva cada rótulo exatamente como deve aparecer e acrescente “nenhum outro texto”.
• Divida prompts longos em blocos. Na 3.0, primeiro o estilo geral, depois o conteúdo de cada painel na ordem.
• Escreva o prompt em inglês ou chinês. A API da Alibaba aceita oficialmente esses dois idiomas; os outros são traduzidos com perdas.
• Prompt negativo só na 3.0. O Qwen-Image-3.0 tem um campo próprio para o que não deve aparecer.
• Na edição, diga o que muda e o que fica. “Troque o fundo por um estúdio branco; não mexa no produto, na luz nem nas sombras.”

Dá para rodar o Qwen Image localmente

Sim, mas só as versões abertas. Os pesos de Qwen-Image, Edit, 2512, Layered e 2.1 estão no Hugging Face e no ModelScope, e os modelos rodam no Diffusers e no ComfyUI. O Qwen-Image original, com 20 bilhões de parâmetros, é pesado: descarregando camada por camada para a RAM, o DiffSynth-Studio o roda numa GPU de 4 GB, mas a geração é lenta. O Qwen-Image-2.1 é mais leve: 7 bilhões de parâmetros no gerador mais um codificador Qwen3-VL de 8 bilhões.

Confira a licença antes de rodar localmente. As versões de 2025 estão sob Apache 2.0 e permitem uso comercial. O Qwen-Image-2.1 e o Turbo saíram sob a Qwen Research License, só para uso não comercial. O Qwen-Image-2.0 e o 3.0 não podem ser baixados: rodam apenas na nuvem da Alibaba.

Como usar o Qwen Image no AI2Face

O Qwen Image está disponível no gerador do AI2Face, sem GPU e sem conta na Alibaba Cloud. Você pode rodar o mesmo prompt no Qwen Image, no GPT Image, no Nano Banana e no Seedream e ficar com o melhor resultado. O custo de cada geração aparece antes de começar, o pagamento pode ser com cartão ou cripto, e os créditos dos pacotes não expiram. Contas novas recebem créditos de boas-vindas após o cadastro. Para conhecer outros modelos, veja nosso guia de geradores de imagens com IA.

Limitações

• A melhor versão é fechada. O Qwen-Image-3.0 e o 2.0 não foram publicados: sem pesos e sem relatório técnico.
• A 2.1 aberta não é para uso comercial. A Qwen Research License proíbe o uso comercial sem um acordo separado com a Alibaba.
• Alfabetos menos comuns não são garantidos. A série vai melhor em chinês e inglês, e a Alibaba não divulga a lista dos 12 idiomas da 3.0.
• Resolução de até 2K. Para impressão em grande formato, é preciso upscale ou um modelo 4K.
• A 3.0 aceita menos referências. O modelo principal recebe até 3 imagens de entrada; a 2.1, até 10.

Conclusão

O Qwen Image é a escolha certa quando a imagem tem muito texto e diagramação: infográficos, slides, storyboards, páginas de jornal. Para isso, use o Qwen-Image-3.0. Se você precisa de infraestrutura própria para um projeto não comercial, fique com o Qwen-Image-2.1 aberto; para uso comercial no seu servidor, o Qwen-Image-2512 sob Apache 2.0. Em fotorrealismo e texto em alfabetos menos comuns, o GPT Image 2.5 e o Nano Banana 2.1 são mais fortes — compare-os com o Qwen Image no mesmo prompt no AI2Face.