Qwen Image 2.0: обзор лёгкой модели, которая обходит тяжеловесов и рисует, и правит

Самый недооценённый генератор картинок этого года, по-моему, даже не громкая новинка. Это скромная модель Alibaba, про которую почти никто не пишет. Qwen Image 2.0 от Alibaba при своих лёгких 7 миллиардах параметров умудряется обходить вдвое более тяжёлые модели на бенчмарках, и есть у неё пара фишек, которых я больше нигде не встречал. Продуктовый инженер я тут, Артём, и вот эту модель мне обидно за неё держать в тени. Разберу, почему её стоит знать, особенно если у вас на картинках русский текст.

Что про неё заявляет сама команда Qwen, я разбирал в отдельном материале. Тут только то, что вижу на товарных задачах руками.

Лёгкая, но первая на бенчмарках

Сначала про цифры, потому что они контринтуитивные. Qwen Image 2.0 занимает первое место на AI Arena, публичной площадке слепых сравнений, сразу в двух категориях: «текст-в-изображение» и «редактирование». Это редкость, обычно модель сильна в чём-то одном.

И всё это на 7 миллиардах параметров против 12 у Flux.1. По DPG-Bench Qwen набирает 88.32 против 83.84 у Flux. Модель меньше, а точнее, вот это меня и зацепило сначала. Для пользователя это просто хорошее качество без тяжёлой и медленной архитектуры: генерация секунд за пятнадцать, иногда чуть дольше, нативный 2K с микродетализацией. На отражениях видно блики, на коже поры, ну и фактуру ткани, всякое такое.

Генерация и правка в одной модели

Вот первая фишка, которую я ценю прямо отдельно. Обычно картинку рисует одна модель, а редактируешь её уже в другой. Качество не то, характер не тот. И когда лезешь править сгенерированное, стиль со светом начинают «прыгать», это всех бесит.

Qwen Image 2.0 держит оба сценария в одной архитектуре. Сделал картинку, и тут же её правишь, меняешь объект, фон, освещение, надпись, без переключений и без потери стиля. Для серии карточек это спасает консистентность: каталог остаётся в едином ключе, потому что и генерация, и правки идут через одну и ту же модель.

Сильная кириллица и инфографика

Вторая причина держать её под рукой, особенно на нашем рынке, это текст. Qwen изначально затачивали под китайские иероглифы, наследие Qwen Team, и в процессе модель хорошо научилась многоязычной типографике. Кириллицу она держит увереннее многих западных моделей, я разбирал это в материале про русский текст.

Плюс она хорошо собирает инфографику и PPT-макеты с точными подписями, принимает запрос до 1000 токенов для подробного описания сцены. Для карточек товара с русскими характеристиками и схем это рабочий инструмент, не хуже более известных. Подход к таким макетам я разбирал в гайде про инфографику.

А где она сама пасует

Не идеал, конечно, и я не буду делать вид, что идеал.

Когда задача целиком про типографику, логотип, афишу, упаковку, где текст это вообще весь смысл, точнее сработает Ideogram 3.0 с редактируемыми слоями. Под печать в настоящем 4K без апскейла беру Wan 2.7 Image. И если фирменный цвет обязан лечь пиксель-в-пиксель по HEX, это уже к Flux 2 для брендовых креативов, Qwen тут чуть гуляет по оттенку, бывает. Зато когда нужен крепкий универсал, который и сгенерит, и аккуратно поправит, и русский текст не покалечит, она одна из лучших по балансу качества и удобства. Кто под что, я разложил в большом сравнении.

Как пощупать самому

Qwen Image 2.0 лежит в Flami по обычной подписке. Умеет генерацию по тексту, по картинке-исходнику и правку готовой картинки в той же модели.

Возьмите её именно в связке «сгенерил плюс тут же поправил». Сделайте карточку, а потом, не выходя из модели, смените фон или подпись, и увидите, что стиль остался прежним. Это та самая мелочь, которую на словах не оценишь, а на серии из тридцати карточек она экономит вечер. И не списывайте модель со счетов только потому, что про неё мало пишут. По-моему, она заметно сильнее своей репутации.

Попробовать Qwen Image 2.0 → flami.pro

Часто задаваемые вопросы

Что такое Qwen Image 2.0? Модель генерации изображений от Alibaba Qwen Team. Главная особенность, единая архитектура для генерации и редактирования. При лёгких 7 млрд параметров занимает первое место на AI Arena в двух категориях сразу.

Как Qwen обходит более крупные модели вроде Flux? За счёт оптимизированной архитектуры, а не размера. По DPG-Bench Qwen Image 2.0 набирает 88.32 против 83.84 у вдвое более тяжёлого Flux.1. Параметров меньше, а на бенчмарке всё равно впереди.

Что значит единая модель для генерации и редактирования? Обычно картинку создаёт одна модель, а правит другая, и стиль «прыгает». У Qwen и генерация, и правка в одной архитектуре, поэтому при редактировании стиль, свет и качество остаются прежними. Удобно для единого стиля каталога.

Qwen Image 2.0 хорошо пишет по-русски? Да, кириллицу держит увереннее многих западных моделей благодаря многоязычному обучению. Подходит для карточек с русскими характеристиками и инфографики. Длинный текст всё равно перечитывайте перед публикацией, ошибки бывают.

Подходит ли Qwen для карточек товара? Да, это крепкий универсал: нативный 2K с детализацией, инфографика с подписями, русский текст и удобная правка в той же модели. Для чистой типографики лучше Ideogram 3.0, для 4K на печать Wan 2.7 Image.

Источники

1. Flami: лендинг Qwen Image 2.0
2. Flami: разбор Qwen Image 2.0
3. Flami: большое сравнение нейросетей для картинок