L'équipe Qwen d'Alibaba a lancé Qwen Image 3.0 mardi, et son argument de vente n'a rien à voir avec l'esthétique du rendu. Il s'agit de savoir si le résultat peut réellement être utilisé au travail.

La plupart des outils d'images IA — Reve, Nano Banana, Seedream — sont conçus pour exceller dans des domaines spécifiques : créativité, réalisme, capacités d'édition, etc. Qwen Image 3.0 prend une direction différente. « Qwen-Image-3.0 ne vise pas seulement le "beau" — il vise l'utilité, faisant de la génération d'images un véritable outil de productivité déployable », a écrit l'équipe Qwen dans l'annonce officielle.

La pièce maîtresse est ce que le géant chinois Alibaba appelle le contenu riche. Le modèle accepte jusqu'à 4 500 jetons, ce qui représente 4,5 fois ce que la génération précédente pouvait traiter. Les jetons sont les unités de texte lues par une IA ; imaginez un jeton comme approximativement un mot ou une partie de mot, donc 4 500 d'entre eux représentent plusieurs pages d'instructions détaillées.

C'est suffisant pour décrire neuf panneaux infographiques distincts dans une seule invite et les obtenir en retour sous forme d'une image complète.

« L'image entière ci-dessus a été générée par Qwen-Image-3.0 en un seul passage, plutôt que d'être assemblée à partir de plusieurs images », a écrit Alibaba dans son blog. Chaque panneau de la démo contient ses propres diagrammes, formules, légendes et texte en petits caractères — rendus en une seule fois, et non assemblés en post-production.

C'est le seul modèle capable d'atteindre ce résultat sans erreurs majeures.

La deuxième partie est ce que l'entreprise appelle les détails authentiques. Selon Alibaba, le modèle « prend en charge le rendu précis de textes aussi petits que 10 pixels, reproduisant avec éclat des détails comme les pores et les mèches de cheveux avec une représentation micro-niveau réaliste ». Dix pixels représentent des petits caractères — le genre que l'on voit sur les avertissements pharmaceutiques. Le modèle gère également LaTeX — le système de notation que les chercheurs utilisent pour écrire des équations mathématiques complexes — avec précision sur des maquettes complètes de documents universitaires.

Dans nos tests habituels, nous donnons aux modèles quelques phrases et évaluons comment ils les traitent. Qwen Image 3.0 a pu générer l'image ci-dessous, selon le blog officiel d'Alibaba.

Nous avons testé cette fonctionnalité en utilisant la configuration la plus rapide du modèle. Qwen Image 3.0 a pu reproduire un article complet de Decrypt. L'exécution était vraiment impressionnante, mais le résultat n'était pas parfait.

Le troisième pilier de Qwen Image 3.0 est la connaissance approfondie. Selon l'équipe Qwen, le modèle « prend en charge le rendu natif de 12 langues, simule les interfaces grand public telles que les pages web, les jeux et les diffusions en direct, et s'appuie sur une riche connaissance du monde ». Il se connecte également à Internet pour récupérer des données en direct, ce qui signifie qu'une invite pour une visualisation de prévisions météorologiques pour une ville et une date spécifiques renvoie un graphique précis, et non une estimation.

Par exemple, Alibaba a partagé une photo d'un insecte sur une feuille. Le modèle a été capable de générer du texte pertinent basé sur sa compréhension de l'image.

Alibaba s'adresse aux studios de design, aux équipes de contenu, aux opérations de commerce électronique et aux éducateurs qui ont besoin d'actifs visuels prêts à la production en grande quantité.

Il convient de noter, cependant, que lors de l'évaluation interne Qwen-Image-Bench d'Alibaba — un benchmark qui évalue la qualité de l'image, l'esthétique et la fidélité au monde réel sur 18 modèles — Qwen Image 2.0 Pro, le précédent fleuron, s'est classé cinquième. GPT Image 2 d'OpenAI a mené le classement. Le nouveau modèle pourrait être plus performant, mais le lancement n'offre aucun moyen mesuré de le confirmer, car il est arrivé sans tableau de référence, sans poids téléchargeables ni rapport technique.

Qwen Image 1.0 a été lancé avec des poids ouverts sous licence Apache 2.0 et un rapport technique publié le même jour. Ce n'est pas le cas pour cette version. Dans le cadre de la récente initiative d'Alibaba en matière d'IA, les preuves présentées ici sont entièrement constituées d'exemples d'images soigneusement choisis que l'entreprise a décidé de publier. Les essais de l'API sont ouverts sur chat.qwen.ai. Les tarifs n'ont pas été annoncés.