经得住考验的小字
日程、价目表、成分表。在 2K 下,约 20 px 高的文字行返回时对齐、间距均匀、拼写正确——这个尺寸在大多数模型那里会变成一团灰糊。
模型 · Alibaba Qwen Image 3.0 Pro
阿里巴巴的旗舰图像模型,围绕着大多数图像模型事后才想起的那件事而建:画面里的文字。价目表、小字、界面标签、同一块标牌上的四种文字。1K 图片每张 $0.04,2K 每张 $0.08,支持 seed、真正的反向提示词和最多 3 张参考图,一次 2K 渲染大约二十秒完成。加密货币或银行卡支付,无订阅。

Qwen Image 3.0 Pro 是阿里巴巴的旗舰文生图模型,2026 年 7 月 21 日发布,通过阿里云 Model Studio 提供服务。阿里巴巴的卖点三行就能说完:提示词最长 4,500 个 token,文字可渲染到小至 10 px,原生渲染 12 种语言和多种字体。没有公开权重,也没有基准测试表,所以唯一能评判的就是输出——这正是本页展示的内容。在这里它走阿里巴巴官方 API,1K 图片每张 $0.04,2K 每张 $0.08。
十像素说的是文件,不是你的设计。下面这张以 1760×2336 渲染的海报上,日程那几行大约 20 px 高,每个字符一次就对。把同样的版式缩到 1K 档,那几行会落到 15 px 左右,字形开始发软。所以规则很简单:如果文字是这张图的意义所在,就付 2K 的钱。一个错字就会让渲染作废的时候,四美分不是该省的地方。


日程、价目表、成分表。在 2K 下,约 20 px 高的文字行返回时对齐、间距均匀、拼写正确——这个尺寸在大多数模型那里会变成一团灰糊。
同一块标牌上的英文、日文、中文和阿拉伯文,四行全部正确,包括阿拉伯文的连写——更便宜的模型正是在这里崩掉的。
你写在引号里的每个字符串都会原样返回:数据卡片上的数字、坐标轴标签、表头、菜单项。口述文字,就得到文字。
反向提示词作为独立字段传入,而不是粘在你文本后面的一行“avoid:”。固定 seed,你就能看清改动的那一个词带来了什么。
阿里巴巴的 API 默认会改写提示词来“优化”它。我们把这个功能关掉了。面对几千个 token 的版式指令,悄悄改写是你最不想要的事。
1K $0.04,2K $0.08,参考图免费。即使不涉及文字,它也是一个合理的草稿模型。
陷阱在于伪文字。我让它画一个虚构烘焙用品店的数据分析面板。我逐字写明的内容全部原样返回:Orders 1,284、Revenue $18,430、坐标轴上的 Mon 到 Sun、表头 Item、Stock 和 Reorder。我交给模型自己发挥的内容,全部变成了煞有介事的胡话——“Ttabk”“Supporlice”这样的产品名,一个写着“SksaltiaW rarp”的标志。大多数图像模型都会这样。之所以在这里特别提醒,是因为画面其余部分太像真实截图了,翻看演示文稿的人根本注意不到。把你在意的每个字符串都写出来,包括那些无聊的。
其他限制更直白。只有 1K 和 2K 两档,没有 4K。没有对话式编辑:要修改一张图,就把它作为参考图连同指令一起发回去。它接受 3 张参考图,不是十四张。它能忠实渲染阿拉伯文,但不会为从右到左的阅读镜像你的版式,所以请说明哪一栏放在哪里。写实效果很好,但还谈不上定义品类——皮肤、毛孔和单根发丝在全分辨率下都站得住,只是调色比 Nano Banana Pro 要平一些。提示词字段接受 20,000 个字符,但阿里巴巴建议的上限是 4,500 个 token,超过时上游不会给任何提示;我们会估算 token 数并在调用前提醒。



这个物体是什么、相机如何看它、它由什么制成。墙上的一张印刷海报,拉丝铝板上的一块标牌,笔记本屏幕上的一个扁平界面。
标题、副标题、表格的每一行、每个标签——加引号,并写明放在哪里。Qwen 会紧跟引号里的字符串,而用胡话填补空白。最后写光线。
花 $0.04 检查版式,然后用同一个 seed 以 $0.08 渲染 2K 成品。失败或被过滤的生成会自动退款。用加密货币或银行卡充值;没有月费。
阿里巴巴给这个模型附了一条展示用的提示词:一张名为“A QWEN PLANET”的科幻海报,大号霓虹字体、三行演职员表、沿着下边缘的一行小字,角落里还有创作者署名。我保留了这副骨架,把内容换成我们自己的公告,把配色调成我们的,六条字符串全部逐字口述,一条也没留给模型自己发挥。2K 调用一次,$0.08,一次成图,没有任何修饰:每一行都原样返回,包括 BANANABANANA.PRO。画面里不是文字的部分——宇航员、行星、霓虹光晕——都是模型围着文案补出来的,而这正是先把文案写死的意义。

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.

| 模型 | 1K | 2K | 4K | 参考图 |
|---|---|---|---|---|
| Qwen Image 3.0 Proseed、反向提示词 | $0.04 | $0.08 | — | 3 |
| Nano Banana Pro多轮编辑、过滤器控制 | $0.11 | $0.11 | $0.20 | 11 |
| GPT Image 2.5 Sunburst长篇、逐字执行的需求 | $0.05 | $0.11 | $0.18 | 14 |
| Nano Banana 2快速,最高 4K | $0.06 | $0.09 | $0.13 | 14 |
价格按每张图片计算;参考图免费。短横线表示该模型不提供该档位。充值 $50 余额加赠 5%,充值 $100 加赠 10%;有效的优惠码会在同一笔充值上再加 10%。
全部模型的完整价格表在价格页。
不可以。阿里巴巴没有公开 3.0 这一代的权重,所以没有自托管的途径;它只以托管 API 的形式运行。在这里 1K 图片每张 $0.04,2K 每张 $0.08,按张计费,无订阅,无月度最低消费。新账户余额自带 $0.20,也就是在做任何决定之前可以先渲染五张 1K。
能。阿里巴巴称其原生渲染 12 种语言,本页顶部那块四种文字的标牌四种全部正确,包括阿拉伯文连写。它不会为从右到左的文字镜像版式,所以请说明哪一栏放在哪里。
只有 1K 和 2K。输出面积从 512×512 到 2048×2048,支持从 21:9 到 9:16 的十种常见画幅,文件为 PNG。没有 4K 档;需要 4K 请用 Nano Banana Pro 或 GPT Image 2.5。
不能以一来一回的对话方式进行。把图片作为最多 3 张参考图之一,连同指令一起传入,模型会重新渲染场景。如果需要每一轮都保留上一轮结果的多轮编辑,请用 Nano Banana Pro。
因为你没口述的文字都会被当成纹理来画。标签、产品名、标志、背景里的小字——如果你在意它们写的是什么,就在提示词里用引号写出来。你逐字写明的字符串会被精确还原。
能。通过 MCP 服务器,它就是 generate_image 工具,模型 id 为 qwen-image-3.0-pro,分辨率为 1024 或 2048。参考图接受之前任务的 id、公开 URL 或内联的 base64 图片,所以智能体可以把一分钟前自己生成的图再交回来。