Qwen Image 3.0 Pro — ایسے متن والی تصویریں جو پڑھا جا سکے
Alibaba کا فلیگ شپ امیج ماڈل، اس چیز کے گرد بنا جسے زیادہ تر امیج ماڈلز بعد کی بات سمجھتے ہیں: تصویر کے اندر کی تحریر۔ قیمتوں کی فہرستیں، باریک حروف، انٹرفیس کے لیبل، ایک ہی سائن بورڈ پر چار رسم الخط۔ اس کی قیمت $0.04 فی 1K امیج اور $0.08 فی 2K ہے، یہ seed، اصلی نیگیٹو پرامپٹ اور 3 تک ریفرنس امیجز لیتا ہے، اور 2K رینڈر تقریباً بیس سیکنڈ میں مکمل ہوتا ہے۔ کرپٹو یا کارڈ، کوئی سبسکرپشن نہیں۔
BananaBanana پر Qwen کی حقیقی جنریشن: ایک پرامپٹ، چار رسم الخط، 2K ٹیئر، $0.08۔ چاروں سطروں کے ہجے درست ہیں، عربی حروف کے جوڑ سمیت۔ کچھ بھی ری ٹچ نہیں کیا گیا۔
01یہ ہے کیا
Qwen Image 3.0 Pro کیا ہے؟
Qwen Image 3.0 Pro Alibaba کا فلیگ شپ text-to-image ماڈل ہے، جو 21 جولائی 2026 کو جاری ہوا اور Alibaba Cloud Model Studio کے ذریعے دستیاب ہے۔ Alibaba کی پیشکش تین سطروں میں سما جاتی ہے: 4,500 ٹوکن تک کے پرامپٹ، 10 px جتنا چھوٹا رینڈر ہونے والا متن، اور کئی فونٹس کے ساتھ 12 زبانوں کی نیٹو رینڈرنگ۔ نہ عوامی ویٹس ہیں، نہ کوئی بینچ مارک جدول، اس لیے پرکھنے کی ایک ہی چیز ہے — آؤٹ پٹ، اور یہ صفحہ وہی دکھاتا ہے۔ یہاں یہ Alibaba کی سرکاری API پر $0.04 فی 1K امیج اور $0.08 فی 2K میں چلتا ہے۔
متن اصل میں کتنا چھوٹا ہو سکتا ہے؟
دس پکسل فائل کے بارے میں دعویٰ ہے، آپ کے ڈیزائن کے بارے میں نہیں۔ نیچے کے پوسٹر پر، جو 1760×2336 پر رینڈر ہوا، شیڈول کی سطریں تقریباً 20 px اونچی ہیں اور ہر حرف پہلی ہی کوشش میں درست ہے۔ اسی لے آؤٹ کو 1K ٹیئر تک چھوٹا کریں تو وہ سطریں 15 px کے قریب آ جاتی ہیں، جہاں حروف کی شکلیں نرم پڑنے لگتی ہیں۔ تو اصول سادہ ہے: اگر متن ہی امیج کا مقصد ہے تو 2K کے پیسے دیں۔ جب ایک غلط حرف پورا رینڈر بیکار کر دے، تب چار سینٹ بچانے کی یہ غلط جگہ ہے۔
ایک کال، 2K ٹیئر، $0.08۔ ایک سرخی، تفصیل کی تین سطریں اور دو کالم کا شیڈول — سب پرامپٹ میں لکھوایا گیا اور سب کے ہجے درست۔
شیڈول کا بلاک، پوری ریزولوشن کی فائل سے 1:1 پر کاٹا گیا۔ نہ کچھ اسکیل کیا، نہ شارپ کیا۔
02یہ اچھا کیا کرتا ہے
خرچ کرنے سے پہلے جاننے کے قابل چھ باتیں
باریک حروف جو قائم رہتے ہیں
شیڈول، قیمتوں کی فہرستیں، اجزا کے پینل۔ 2K پر تقریباً 20 px اونچی سطریں سیدھ میں، برابر فاصلے پر اور درست ہجوں کے ساتھ واپس آتی ہیں — وہ سائز جسے زیادہ تر ماڈلز سرمئی ملغوبہ بنا دیتے ہیں۔
بارہ زبانیں، ایک فریم
ایک ہی سائن بورڈ پر انگریزی، جاپانی، چینی اور عربی چاروں سطروں میں درست واپس آئیں، عربی کے جوڑ سمیت — یہی وہ جگہ ہے جہاں سستے ماڈلز بکھر جاتے ہیں۔
واوین والی اسٹرنگز ہوبہو ٹائپ سیٹ ہوتی ہیں
واوین میں لکھی ہر اسٹرنگ لفظ بہ لفظ واپس آتی ہے: اسٹیٹ کارڈز کے اعداد، محوروں کے لیبل، جدول کے ہیڈر، مینو کے آئٹم۔ متن لکھوائیں اور وہی متن پائیں۔
seed اور نیٹو نیگیٹو پرامپٹ
نیگیٹو پرامپٹ اپنے الگ فیلڈ میں جاتا ہے، آپ کے متن سے چپکائی گئی ”avoid:“ سطر کے طور پر نہیں۔ seed مقرر کر دیں اور آپ دیکھ سکتے ہیں کہ بدلے ہوئے ایک لفظ نے کیا کیا۔
آپ کا پرامپٹ دوبارہ نہیں لکھا جاتا
Alibaba کی API بطور ڈیفالٹ پرامپٹس کو ”بہتر بنانے“ کے لیے دوبارہ لکھتی ہے۔ ہم اسے بند رکھتے ہیں۔ لے آؤٹ ہدایات کے ہزاروں ٹوکنز کے ساتھ خاموشی سے ہونے والی دوبارہ تحریر آخری چیز ہے جو آپ چاہیں گے۔
یہاں کا سب سے سستا 2K
1K کے لیے $0.04 اور 2K کے لیے $0.08، ریفرنس امیجز مفت۔ اس سے یہ تب بھی ایک معقول ڈرافٹ ماڈل بنتا ہے جب متن شامل نہ ہو۔
03کھلی کھلی حدود
جہاں Qwen الفاظ گھڑ لیتا ہے
جال ہے جعلی متن۔ میں نے ایک فرضی بیکری سپلائی کی دکان کے لیے اینالیٹکس ڈیش بورڈ مانگا۔ جو کچھ میں نے لکھ کر دیا وہ لفظ بہ لفظ واپس آیا: Orders 1,284، Revenue $18,430، محور پر Mon سے Sun، ہیڈر Item، Stock اور Reorder۔ جو کچھ میں نے ماڈل پر چھوڑا وہ قائل کرنے والی بے معنی باتیں بن کر واپس آیا — ”Ttabk“ اور ”Supporlice“ جیسے پروڈکٹ نام، ”SksaltiaW rarp“ لکھا ایک لوگو۔ زیادہ تر امیج ماڈلز ایسا کرتے ہیں۔ یہاں تنبیہ اس لیے ضروری ہے کہ باقی فریم اصلی اسکرین شاٹ جیسا اتنا لگتا ہے کہ پریزنٹیشن پر سرسری نظر ڈالنے والا جائزہ کار اسے پکڑ نہیں پائے گا۔ ہر وہ اسٹرنگ لکھ دیں جس کی آپ کو پروا ہے، اکتا دینے والی بھی۔
باقی حدیں سیدھی ہیں۔ دو ٹیئر ہیں، 1K اور 2K، اور 4K نہیں ہے۔ گفتگو والی ایڈیٹنگ نہیں ہے: تصویر بدلنی ہو تو اسے ہدایت کے ساتھ ریفرنس امیج کے طور پر واپس بھیجیں۔ یہ 3 ریفرنس لیتا ہے، چودہ نہیں۔ یہ عربی رسم الخط کو دیانت داری سے رینڈر کرتا ہے، مگر دائیں سے بائیں پڑھنے کے لیے آپ کا لے آؤٹ نہیں پلٹتا، اس لیے بتائیں کہ کون سا کالم کہاں جائے گا۔ فوٹو ریئل کام زمرے کی تعریف بدلنے والا نہیں مگر بہت اچھا ہے — جلد، مسام اور ایک ایک بال پوری ریزولوشن پر قائم رہتے ہیں، لیکن کلر گریڈنگ Nano Banana Pro کے مقابلے میں زیادہ سپاٹ ہے۔ اور پرامپٹ فیلڈ 20,000 حروف قبول کرتا ہے، مگر Alibaba کی تجویز کردہ حد 4,500 ٹوکن ہے اور اسے پار کرنے پر اصل سروس کوئی تنبیہ نہیں دیتی؛ ہم ٹوکنز کا اندازہ لگاتے ہیں اور کال سے پہلے خبردار کرتے ہیں۔
لکھوائے گئے اعداد اور لیبل بالکل درست ہیں۔ جدول میں پروڈکٹ کے نام دیکھیں۔
وہی جدول 1:1 پر۔ جو ہیڈر میں نے لکھوائے وہ ٹائپ سیٹ ہیں؛ جو نام نہیں لکھوائے وہ محض متن کی شکل کی بناوٹ ہیں۔
2K پر فوٹو ریئل: مسام، سفید بال، عدسے میں جھلکتا لیمپ۔ اچھا، رنگ قدرے سپاٹ۔
04چلائیں کیسے
بریف سے امیج تک تین مراحل میں
1
منظر کے لیے ایک جملہ
چیز کیا ہے، کیمرا اسے کیسے دیکھتا ہے، وہ کس چیز سے بنی ہے۔ دیوار پر چھپا پوسٹر، برشڈ ایلومینیم پر سائن بورڈ، لیپ ٹاپ اسکرین پر سپاٹ انٹرفیس۔
2
ہر اسٹرنگ واوین میں، اپنی جگہ کے ساتھ
سرخی، ذیلی سرخی، جدول کی ہر قطار، ہر لیبل — واوین میں، اور یہ بھی کہ وہ کہاں رہے گا۔ Qwen واوین والی اسٹرنگز کی باریکی سے پیروی کرتا ہے اور خالی جگہ بے معنی باتوں سے بھر دیتا ہے۔ آخر میں روشنی بتائیں۔
3
ڈرافٹ 1K پر، حتمی 2K پر
$0.04 میں لے آؤٹ جانچیں، پھر اسی seed کے ساتھ حتمی امیج 2K پر $0.08 میں رینڈر کریں۔ ناکام یا فلٹر ہونے والی جنریشن کی رقم خود بخود واپس آ جاتی ہے۔ کرپٹو یا کارڈ سے ٹاپ اپ کریں؛ کوئی ماہانہ فیس نہیں۔
Alibaba کے اپنے نمونہ پرامپٹ کو نئے سرے سے بنانا
Alibaba اس ماڈل کے ساتھ ایک نمائشی پرامپٹ بھی دیتا ہے: ”A QWEN PLANET“ کے عنوان والا سائنس فکشن پوسٹر، بڑے نیون حروف، ٹائٹلز کی تین سطریں، نیچے کے کنارے کے ساتھ چھوٹا متن اور کونے میں بنانے والے کا نام۔ میں نے وہی ڈھانچہ رکھا اور اس میں اپنا اعلان بٹھایا، رنگ اپنے والے کر لیے، اور چھ کی چھ اسٹرنگز لفظ بہ لفظ خود لکھوائیں، ایک بھی ماڈل پر نہیں چھوڑی۔ ایک 2K کال $0.08 میں، ایک کوشش، کوئی ری ٹچ نہیں: ہر سطر بالکل ویسی ہی واپس آئی جیسی لکھی تھی، BANANABANANA.PRO سمیت۔ جو کچھ متن نہیں ہے — خلاباز، سیارے، نیون کی چمک — وہ ماڈل کا متن کے گرد خانہ پُری کرنا ہے، اور متن پہلے لکھنے کا سارا مقصد یہی ہے۔
2K ٹیئر، $0.08، ایک کوشش۔ نیگیٹو پرامپٹ میں وہی معمول کی پابندیاں تھیں؛ seed مقرر ہے، اس لیے وہی کال دوبارہ چلائی جا سکتی ہے۔
ہمارا پرامپٹ، لفظ بہ لفظ
Sci-fi cinematic movie poster design titled 'DOUBLE FEATURE', vertical format. Two glowing planets hang in a deep starry background: a large violet planet high on the left, a smaller amber one further away on the right. In the foreground an astronaut in a detailed white space suit stands on a dark rocky alien plateau, seen from behind at a three-quarter angle, gazing toward the planets; helmet visor and life-support backpack clearly visible with realistic reflections and textures, violet and amber rim light along the suit. Large creative neon-glowing typography 'DOUBLE FEATURE' centered at the top, the letters glowing in a violet-to-amber gradient. Three lines of small white credit text centered beneath the title, reading exactly, line by line: 'STARRING WAN 3.0 - 30-SECOND TAKES WITH SOUND', 'AND QWEN IMAGE 3.0 PRO - TEXT YOU CAN READ', 'NOW PLAYING ON BANANABANANA.PRO'. A single line of small white text along the bottom edge reading 'NO SUBSCRIPTION - PAY PER GENERATION - CRYPTO OR CARD'. Small subtle white credit text in the upper left corner reading 'GENERATED WITH QWEN IMAGE 3.0 PRO'. Dramatic volumetric lighting, deep space colour palette with violet and fuchsia nebula accents and a warm amber horizon glow, epic scale, photorealistic CGI rendering, IMAX poster composition.
ٹائٹلز کا بلاک، پوری ریزولوشن کی فائل سے 1:1 پر کاٹا گیا۔ یہ تینوں سطریں، عنوان، نیچے کی سطر اور کونے والا نام — سب بالکل ویسے ہی واپس آئے جیسے لکھوائے گئے تھے۔
05قیمتیں
ایک امیج اصل میں کتنے کی پڑتی ہے
ریزولوشن کے حساب سے Qwen Image 3.0 Pro، ان امیج ماڈلز کے ساتھ جن سے اس کا مقابلہ ہے
ماڈل
1K
2K
4K
ریفرنس
Qwen Image 3.0 Proseed، نیگیٹو پرامپٹ
$0.04
$0.08
—
3
Nano Banana Proکئی مرحلوں کی ایڈیٹنگ، فلٹر کنٹرول
$0.11
$0.11
$0.20
11
GPT Image 2.5 Sunburstلمبے، لفظ بہ لفظ بریف
$0.05
$0.11
$0.18
14
Nano Banana 2تیز، 4K تک
$0.06
$0.09
$0.13
14
قیمتیں فی امیج ہیں؛ ریفرنس امیجز مفت ہیں۔ ڈیش کا مطلب ہے کہ ماڈل وہ ٹیئر نہیں بیچتا۔ $50 کے ڈپازٹ پر بیلنس میں 5% اور $100 پر 10% جڑتا ہے؛ فعال پرومو کوڈ اسی ڈپازٹ پر مزید 10% جوڑتا ہے۔
نہیں۔ Alibaba نے 3.0 جنریشن کے ویٹس جاری نہیں کیے، اس لیے خود ہوسٹ کرنے کا کوئی راستہ نہیں؛ یہ صرف ہوسٹڈ API کے طور پر چلتا ہے۔ یہاں یہ $0.04 فی 1K امیج اور $0.08 فی 2K ہے، فی امیج چارج، نہ سبسکرپشن، نہ ماہانہ کم از کم۔ نئے اکاؤنٹس بیلنس میں $0.20 کے ساتھ شروع ہوتے ہیں، یعنی کچھ بھی طے کرنے سے پہلے پانچ 1K رینڈر۔
کیا یہ ایک ہی امیج میں عربی، چینی اور جاپانی لکھ سکتا ہے؟+
جی ہاں۔ Alibaba 12 زبانوں کی نیٹو رینڈرنگ کا دعویٰ کرتا ہے، اور اس صفحے کے اوپر والا چار رسم الخط کا سائن بورڈ چاروں میں درست واپس آیا، عربی کے جوڑ سمیت۔ یہ دائیں سے بائیں رسم الخط کے لیے لے آؤٹ نہیں پلٹتا، اس لیے بتائیں کہ کون سا کالم کہاں جائے گا۔
یہ کون سی ریزولوشنز سپورٹ کرتا ہے؟+
صرف 1K اور 2K۔ آؤٹ پٹ رقبہ 512×512 سے 2048×2048 تک ہے، 21:9 سے 9:16 تک کے دس عام اسپیکٹ ریشوز میں، اور فائل PNG کے طور پر آتی ہے۔ 4K ٹیئر نہیں ہے؛ اس کے لیے Nano Banana Pro یا GPT Image 2.5 استعمال کریں۔
کیا میں اس سے موجودہ تصویر ایڈٹ کر سکتا ہوں؟+
آگے پیچھے چلنے والی گفتگو کے طور پر نہیں۔ تصویر کو ہدایت کے ساتھ 3 تک ریفرنس امیجز میں سے ایک کے طور پر دیں اور ماڈل منظر کو دوبارہ رینڈر کرتا ہے۔ کئی مرحلوں کی ایسی ایڈیٹنگ کے لیے جس میں ہر مرحلہ پچھلا نتیجہ برقرار رکھے، Nano Banana Pro استعمال کریں۔
اس نے وہ الفاظ کیوں گھڑے جو میں نے کبھی مانگے ہی نہیں؟+
کیونکہ جو بھی متن آپ نہیں لکھواتے وہ بناوٹ کی طرح کھینچا جاتا ہے۔ لیبل، پروڈکٹ کے نام، لوگو، پس منظر کے باریک حروف — اگر آپ کو پروا ہے کہ ان پر کیا لکھا ہے تو انہیں پرامپٹ میں واوین میں لکھیں۔ جو اسٹرنگز آپ لکھ کر دیتے ہیں وہ ہوبہو بنتی ہیں۔
جنریشن ناکام ہو جائے تو کیا ہوتا ہے؟+
پوری رقم خود بخود آپ کے بیلنس میں واپس آ جاتی ہے، کانٹینٹ فلٹر کے انکار سمیت۔ پلیٹ فارم کے ہر ماڈل کے لیے یہی اصول ہے۔
جی ہاں۔ MCP سرور پر یہ generate_image ٹول ہے، ماڈل id qwen-image-3.0-pro اور ریزولوشن 1024 یا 2048 کے ساتھ۔ ریفرنس میں پچھلے جاب کی id، کوئی عوامی URL یا اِن لائن base64 امیج چلتی ہے، اس لیے ایجنٹ ایک منٹ پہلے بنائی تصویر واپس دے سکتا ہے۔
نئے اکاؤنٹس بیلنس میں $0.20 کے ساتھ شروع ہوتے ہیں — یہ دیکھنے کے لیے پانچ 1K رینڈر کہ Qwen آپ کا لے آؤٹ درست لکھتا ہے یا نہیں۔ امیجز $0.04 سے، کوئی سبسکرپشن نہیں، کوئی پابندی نہیں۔
