Qwen-Image: A Revolução da Geração de Imagens pela Alibaba

Se você está ligado em tecnologia e inteligência artificial, já deve ter ouvido falar dos modelos Qwen da Alibaba, que estão conquistando o mercado com suas capacidades impressionantes de texto e codificação. Agora, eles se aventuram pelo lado criativo com o lançamento do “Qwen-Image” – um modelo de geração de imagens que promete desafiar o poder de GPT-4.1, DALL-E 2 e Midjourney. E o melhor: é totalmente gratuito e acessível para todos!

Neste artigo, vamos mergulhar em tudo o que você precisa saber sobre o Qwen-Image, desde como acessá-lo até seu desempenho e aplicações. Prontos para descobrir se essa novidade é mesmo “Qwen-tástica”?

O que é o Qwen-Image?

O Qwen-Image é o mais novo modelo de geração de imagens desenvolvido pela equipe Qwen da Alibaba. Com um impressionante modelo de fundação de 20 bilhões de parâmetros, ele utiliza uma arquitetura transformadora multimodal de difusão. Atualmente, ocupa a quinta posição na Artificial Analysis Image Arena Leaderboard, sendo o único modelo de peso aberto presente no top 10!

Como funciona o modelo Qwen-Image?

O Qwen-Image segue uma abordagem similar à do GPT-4o da OpenAI, utilizando uma arquitetura autoregressiva transformadora para geração e edição de imagens. Ele adota um método de codificação dupla:

• O Qwen2.5-VL codifica o significado semântico do prompt.
• A geração de imagens ocorre em um espaço latente usando o modelo de difusão MMDiT.
• A imagem final é produzida a partir desse espaço latente usando um codificador VAE.

Você pode conferir o relatório técnico completo do Qwen-Image aqui.

Principais recursos do Qwen-Image

Algumas características que fazem o Qwen-Image se destacar são:

1. Incorporação de texto aprimorada: O modelo lida com textos complexos, layouts em várias linhas e até detalhes minuciosos com a mesma facilidade em línguas alfabéticas e logográficas.
2. Edição de imagens eficaz: Durante a edição, ele preserva o significado semântico e visual das imagens originais ao incorporar novas mudanças.
3. Facilidade de uso: O modelo é fácil de usar e funciona bem mesmo com prompts simples.

Essas funcionalidades, combinadas com seu ótimo desempenho em benchmarks, fazem do Qwen-Image um modelo de geração de imagens formidável.

Como acessar o Qwen-Image?

Para acessar o modelo Qwen-Image através do Chat, siga os passos:

1. 1. Acesse chat.qwen.ai
   2. Selecione qualquer modelo não relacionado a codificação, como o Qwen-235B-A3B-2507

1. Abaixo da caixa de texto, clique em “Geração de Imagem”

Você também pode acessar os modelos através de outras plataformas como Github, Hugging Face e Modelscope.

Qwen-Image: Colocando as Mãos na Massa

Agora que cobrimos muitos detalhes sobre o Qwen-Image, vamos testá-lo com três principais tarefas:

1. Gerar uma imagem carregada de texto
   Prompt: “Crie uma página de destino visualmente atraente para um produto de shampoo.” O resultado foi satisfatório, com a incorporação do texto solicitado e uma boa captura do espírito do prompt. Algumas palavras não foram incorporadas, mas o tema de cores foi bem escolhido.
2. Criar um diagrama de fluxo
   Prompt: “Desenhe um infográfico moderno que explique o processo de geração de imagem de um modelo de 20B MMDiT em três etapas.” O resultado foi decepcionante, com textos vagas e uma organização confusa das etapas.
3. Edição de imagem
   Prompt: “Transforme a cena noturna em manhã ensolarada, troque as roupas do homem por uma camisa laranja e shorts brancos, e substitua o gato por um cachorrinho.” O resultado foi perfeito, com todas as mudanças solicitadas realizadas com grande eficiência e rapidez.

Minha Avaliação Usando o Qwen-Image

No geral, fiquei impressionado com as capacidades de edição do modelo. Porém, ele ainda precisa de melhorias na geração de imagens carregadas de texto ou infográficos. O recurso realmente incrível é a capacidade de selecionar o tamanho do quadro diretamente na caixa de texto, o que é uma mão na roda para criadores de conteúdo.

Qwen-Image: Desempenho

Agora que testamos o modelo, vejamos alguns resultados divulgados pela equipe Qwen sobre o desempenho do modelo em comparação aos concorrentes:

1. Benchmarks de Geração e Edição de Imagens
   O modelo Qwen-Image lidera ou acompanha os melhores modelos na maioria dos benchmarks de geração e edição de imagens. Competidores próximos incluem o GPT-4.1 e o Seedream 3.0.
2. 
3. Benchmarks de Renderização de Texto
   O Qwen-Image lidera na renderização de texto em chinês e está à frente em comparações com a língua inglesa, apenas rivalizado por modelos como GPT4.1 e Seedream 3.0.

Conheça mais sobre os Modelos de Raciocínios Open Source da Alibaba.

Conclusão

Os modelos Qwen estão dominando os rankings para tarefas baseadas em texto e codificação, e o Qwen-Image também apresenta um grande potencial. Ele ainda precisa melhorar em contextos mais complexos, mas é uma excelente adição ao mundo dos modelos open-weight, concorrendo com os melhores modelos pagos. À medida que mais desenvolvedores e usuários experimentam o Qwen-Image, pode-se esperar que ele lidere também na análise de geração de imagens!

Não deixe de experimentar o Qwen-Image. Ele é bom, apenas estamos rodeados por muitos modelos ótimos para perceber todo o seu potencial.

Para ler mais sobre modelos gratuitos de geração de imagens, confira o blog: Top 7 AI Image Generators to Try in 2025. Fonte.