Mô hình ảnh chủ lực của Alibaba, được xây quanh thứ mà đa số mô hình ảnh coi là chuyện phụ: chữ viết bên trong bức ảnh. Bảng giá, chữ nhỏ, nhãn giao diện, bốn hệ chữ trên cùng một tấm biển. Giá $0.04 mỗi ảnh 1K và $0.08 mỗi ảnh 2K, nhận seed, negative prompt đúng nghĩa và tối đa 3 ảnh tham chiếu, một bản render 2K xong trong khoảng hai mươi giây. Crypto hoặc thẻ, không thuê bao.
Một lần tạo Qwen thật trên BananaBanana: một prompt, bốn hệ chữ, mức 2K, $0.08. Cả bốn dòng đều đúng chính tả, kể cả cách nối chữ Ả Rập. Không chỉnh sửa gì thêm.
01Nó là gì
Qwen Image 3.0 Pro là gì?
Qwen Image 3.0 Pro là mô hình text-to-image chủ lực của Alibaba, ra mắt ngày 21 tháng 7 năm 2026 và được cung cấp qua Alibaba Cloud Model Studio. Lời giới thiệu của Alibaba gói trong ba dòng: prompt tới 4.500 token, chữ render nhỏ tới 10 px, và render gốc 12 ngôn ngữ với nhiều phông chữ. Không có trọng số công khai và không có bảng benchmark, nên thứ duy nhất để đánh giá là kết quả — và đó là thứ trang này trình bày. Ở đây nó chạy qua API chính thức của Alibaba với giá $0.04 mỗi ảnh 1K và $0.08 mỗi ảnh 2K.
Chữ thực sự nhỏ được tới đâu?
Mười pixel là tuyên bố về tệp ảnh, không phải về thiết kế của bạn. Trên tấm poster bên dưới, render ở 1760×2336, các dòng lịch trình cao khoảng 20 px và mọi ký tự đều đúng ngay lần đầu. Thu cùng bố cục đó về mức 1K thì các dòng ấy rơi xuống gần 15 px, nơi nét chữ bắt đầu mềm đi. Vậy quy tắc rất đơn giản: nếu chữ là mục đích của bức ảnh, hãy trả tiền cho 2K. Bốn xu là chỗ tệ để tiết kiệm khi chỉ một ký tự sai cũng khiến bản render vô dụng.
Một lần gọi, mức 2K, $0.08. Một tiêu đề, ba dòng chi tiết và một lịch trình hai cột, tất cả được đọc cho mô hình trong prompt và tất cả đều đúng chính tả.
Khối lịch trình cắt từ tệp độ phân giải đầy đủ ở tỷ lệ 1:1. Không phóng, không làm nét.
02Nó làm tốt điều gì
Sáu điều đáng biết trước khi tiêu tiền
Chữ nhỏ vẫn sống sót
Lịch trình, bảng giá, bảng thành phần. Ở 2K, những dòng cao khoảng 20 px trả về thẳng hàng, cách đều và đúng chính tả — kích cỡ mà đa số mô hình biến thành mớ xám nhòe.
Mười hai ngôn ngữ, một khung hình
Tiếng Anh, Nhật, Trung và Ả Rập trên cùng một tấm biển trả về đúng ở cả bốn dòng, kể cả cách nối chữ Ả Rập, chỗ mà các mô hình rẻ hơn vỡ trận.
Chuỗi trong ngoặc kép được dàn chữ nguyên văn
Mọi chuỗi bạn viết trong ngoặc kép đều trả về nguyên văn: con số trên thẻ thống kê, nhãn trục, tiêu đề bảng, món trong thực đơn. Đọc chữ cho nó và bạn nhận đúng chữ đó.
Seed và negative prompt gốc
Negative prompt đi vào như một trường riêng, không phải một dòng "avoid:" dán vào văn bản của bạn. Cố định seed và bạn thấy được một từ thay đổi đã làm gì.
Prompt của bạn không bị viết lại
API của Alibaba mặc định viết lại prompt để "tối ưu". Chúng tôi tắt tính năng đó. Với hàng nghìn token chỉ dẫn bố cục, một lần viết lại âm thầm là thứ bạn ít muốn nhất.
2K rẻ nhất ở đây
$0.04 cho 1K và $0.08 cho 2K, ảnh tham chiếu miễn phí. Điều đó khiến nó là mô hình nháp hợp lý ngay cả khi không liên quan đến chữ.
03Giới hạn nói thẳng
Nơi Qwen bịa ra chữ
Cái bẫy là chữ giả. Tôi yêu cầu một bảng điều khiển phân tích cho một cửa hàng vật tư làm bánh tưởng tượng. Mọi thứ tôi viết rõ đều trả về nguyên văn: Orders 1,284, Revenue $18,430, từ Mon đến Sun trên trục, các tiêu đề Item, Stock và Reorder. Mọi thứ tôi để mặc cho mô hình đều trả về thành thứ vô nghĩa trông rất thật — tên sản phẩm như "Ttabk" và "Supporlice", một logo ghi "SksaltiaW rarp". Đa số mô hình ảnh đều làm vậy. Ở đây đáng cảnh báo vì phần còn lại của khung hình giống ảnh chụp màn hình thật đến mức người lướt qua một bộ slide sẽ không nhận ra. Hãy viết ra mọi chuỗi bạn quan tâm, kể cả những chuỗi nhàm chán.
Các giới hạn khác đơn giản hơn. Có hai mức, 1K và 2K, và không có 4K. Không có chỉnh sửa kiểu hội thoại: muốn thay đổi bức ảnh, hãy gửi lại nó làm ảnh tham chiếu kèm chỉ dẫn. Nó nhận 3 ảnh tham chiếu, không phải mười bốn. Nó render chữ Ả Rập trung thực nhưng không lật bố cục cho kiểu đọc từ phải sang trái, nên hãy nói rõ cột nào nằm ở đâu. Ảnh chân thực rất tốt chứ chưa đến mức định nghĩa lại hạng mục — da, lỗ chân lông và từng sợi tóc đều giữ được ở độ phân giải đầy đủ, nhưng màu phẳng hơn so với Nano Banana Pro. Và ô prompt nhận 20.000 ký tự, nhưng trần Alibaba khuyến nghị là 4.500 token và phía gốc không có gì cảnh báo khi bạn vượt qua; chúng tôi ước lượng token và cảnh báo trước khi gọi.
Con số và nhãn được đọc cho mô hình đều chính xác. Hãy nhìn tên sản phẩm trong bảng.
Cùng bảng đó ở 1:1. Tiêu đề tôi đọc cho nó thì được dàn chữ; tên tôi không đọc thì chỉ là họa tiết mang hình chữ.
Ảnh chân thực ở 2K: lỗ chân lông, tóc bạc, ngọn đèn phản chiếu trong kính lúp. Tốt, màu hơi phẳng.
04Cách chạy
Từ brief đến hình ảnh trong ba bước
1
Một câu cho bối cảnh
Vật thể là gì, máy ảnh nhìn nó thế nào, nó làm bằng gì. Một poster in trên tường, một tấm biển trên nhôm xước, một giao diện phẳng trên màn hình laptop.
2
Mọi chuỗi trong ngoặc kép, kèm vị trí
Tiêu đề, dòng phụ, từng hàng của bảng, từng nhãn — trong ngoặc kép, kèm vị trí đặt. Qwen bám sát các chuỗi trong ngoặc kép và lấp khoảng trống bằng thứ vô nghĩa. Kết thúc bằng ánh sáng.
3
Nháp ở 1K, bản giữ ở 2K
Kiểm tra bố cục với $0.04, rồi render bản giữ ở 2K với $0.08 bằng cùng seed. Lần tạo thất bại hoặc bị lọc được hoàn tiền tự động. Nạp bằng crypto hoặc thẻ; không có phí hằng tháng.
Làm lại chính prompt mẫu của Alibaba
Alibaba phát hành kèm mô hình này một prompt trình diễn: tấm poster khoa học viễn tưởng mang tên “A QWEN PLANET”, chữ neon cỡ lớn, ba dòng credit, một dòng chữ nhỏ chạy dọc mép dưới và dòng ghi công người tạo ở góc. Tôi giữ nguyên bộ khung đó, thay ruột bằng thông báo của chính chúng tôi, kéo bảng màu về màu của mình, và đọc rõ từng chữ cả sáu chuỗi thay vì để mô hình tự nghĩ chuỗi nào. Một lần gọi 2K với giá $0.08, đúng một lần, không chỉnh sửa gì thêm: mọi dòng trả về đúng như đã viết, kể cả BANANABANANA.PRO. Tất cả những gì không phải chữ — phi hành gia, các hành tinh, quầng sáng neon — là phần mô hình lấp quanh phần lời, và đó chính là lý do phải viết phần lời trước.
Mức 2K, $0.08, đúng một lần gọi. Negative prompt vẫn là danh sách loại trừ quen thuộc; seed được cố định nên gọi lại vẫn ra đúng bản đó.
Prompt của chúng tôi, nguyên văn từng chữ
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.
Khối credit cắt từ tệp độ phân giải đầy đủ ở tỷ lệ 1:1. Ba dòng này, tiêu đề, dòng dưới cùng và dòng ghi công ở góc đều trả về đúng từng chữ như đã đọc.
05Giá
Một bức ảnh thực sự tốn bao nhiêu
Qwen Image 3.0 Pro theo độ phân giải, đặt cạnh các mô hình ảnh mà nó cạnh tranh
Mô hình
1K
2K
4K
Tham chiếu
Qwen Image 3.0 Proseed, negative prompt
$0.04
$0.08
—
3
Nano Banana Prochỉnh sửa nhiều lượt, điều khiển bộ lọc
$0.11
$0.11
$0.20
11
GPT Image 2.5 Sunburstbrief dài, bám sát từng chữ
$0.05
$0.11
$0.18
14
Nano Banana 2nhanh, tới 4K
$0.06
$0.09
$0.13
14
Giá tính theo mỗi ảnh; ảnh tham chiếu miễn phí. Dấu gạch nghĩa là mô hình không bán mức đó. Nạp $50 cộng thêm 5% vào số dư và $100 cộng thêm 10%; mã khuyến mãi đang hoạt động cộng thêm 10% nữa trên cùng khoản nạp.
Không. Alibaba không công bố trọng số cho thế hệ 3.0, nên không có đường tự host; nó chỉ chạy dưới dạng API được host. Ở đây giá là $0.04 mỗi ảnh 1K và $0.08 mỗi ảnh 2K, tính theo ảnh, không thuê bao và không mức tối thiểu hằng tháng. Tài khoản mới bắt đầu với $0.20 trong số dư, tức năm bản render 1K trước khi bạn quyết định bất cứ điều gì.
Nó có viết được chữ Ả Rập, Trung và Nhật trong cùng một ảnh không?+
Có. Alibaba tuyên bố render gốc 12 ngôn ngữ, và tấm biển bốn hệ chữ ở đầu trang này trả về đúng cả bốn, kể cả cách nối chữ Ả Rập. Nó không lật bố cục cho các hệ chữ viết từ phải sang trái, nên hãy nói rõ cột nào nằm ở đâu.
Nó hỗ trợ những độ phân giải nào?+
Chỉ 1K và 2K. Diện tích đầu ra từ 512×512 đến 2048×2048, trong mười tỷ lệ khung hình quen thuộc từ 21:9 đến 9:16, và tệp trả về ở dạng PNG. Không có mức 4K; cần 4K thì dùng Nano Banana Pro hoặc GPT Image 2.5.
Tôi có thể chỉnh sửa một bức ảnh có sẵn bằng nó không?+
Không theo kiểu trao đổi qua lại. Hãy đưa bức ảnh vào như một trong tối đa 3 ảnh tham chiếu kèm chỉ dẫn, và mô hình render lại cảnh. Để chỉnh sửa nhiều lượt mà mỗi lượt giữ lại kết quả trước, hãy dùng Nano Banana Pro.
Vì sao nó bịa ra những chữ tôi không hề yêu cầu?+
Vì mọi chữ bạn không đọc cho nó đều được vẽ như họa tiết. Nhãn, tên sản phẩm, logo, chữ nhỏ ở hậu cảnh — nếu bạn quan tâm chúng ghi gì, hãy viết vào prompt trong ngoặc kép. Những chuỗi bạn viết rõ được tái tạo chính xác.
Điều gì xảy ra nếu lần tạo thất bại?+
Toàn bộ số tiền tự động quay về số dư của bạn, kể cả khi bị bộ lọc nội dung từ chối. Quy tắc này giống nhau với mọi mô hình trên nền tảng.
Có. Qua máy chủ MCP, đó là công cụ generate_image với id mô hình qwen-image-3.0-pro và độ phân giải 1024 hoặc 2048. Tham chiếu nhận id của job trước đó, một URL công khai hoặc ảnh base64 nhúng trực tiếp, nên agent có thể đưa lại bức ảnh nó vừa tạo một phút trước.
Tài khoản mới bắt đầu với $0.20 trong số dư — năm bản render 1K để xem Qwen có viết đúng bố cục của bạn không. Ảnh từ $0.04, không thuê bao, không ràng buộc.
