挑战GPT-4o！阿里开源Qwen-Image-Edit模型，在中文图像渲染与编辑上取得突破

文章来源：智汇AI 发布时间：2025-08-21

阿里通义千问团队重磅开源全新图像编辑模型 Qwen-Image-Edit，在图像生成与编辑领域再掀波澜。该模型中英文双语精准渲染，中文表现尤为突出，还具备双重编码机制、多任务训练等优势，应用场景广泛…

暂无访问

近日，阿里通义千问团队又有大动作，正式开源了全新图像编辑模型Qwen-Image-Edit。这不仅是通义千问系列在图像生成与编辑领域的又一重要成果，更在多个方面展现出卓越性能，有望重塑行业格局。

Qwen-Image-Edit模型的优势1.中英文双语精准渲染，中文表现一骑绝尘

Qwen-Image-Edit继承并升级了文本渲染能力，无论是英文还是中文，都能实现高保真编辑。它支持直接在图像中添加、删除或修改文本，同时完美保留原有字体、大小和风格。在中文场景下，优势尤为突出。处理多行布局、段落级文本生成以及书法对联等复杂排版需求都不在话下，单字渲染准确率高达97.29%，远超Seedream3.0（53.48%）和GPTImage1(68.37%)。

比如，将海报上的“Hope”替换为“Qwen”，或者在书法作品中修正错误字符，它都能轻松完成，还能保持图像整体视觉一致。这一能力对广告设计、品牌宣传和内容创作行业来说，无疑是一大助力。

2.双重编码机制，语义外观双控

Qwen-Image-Edit的核心技术创新在于双重编码机制。在图像编辑时，输入图像会同时经过Qwen2.5-VL模型进行语义编码，提取高层场景和对象关系特征；还会通过变分自编码器（VAE）进行重建编码，保留底层视觉细节，如纹理和颜色。

这种机制让模型在执行复杂编辑指令时，既能理解语义意图，又能保持视觉保真度。语义编辑中，能将人物姿态调整为“弯腰牵狗爪”，同时保持人物身份和背景一致；外观编辑时，可精确添加带有真实反射的标牌或移除细微头发丝，其他区域不受影响。在IP创作、风格迁移和新视角合成等场景中表现出色。

3.多任务训练，编辑一致性行业领先

通过增强的多任务训练范式，Qwen-Image-Edit支持文本到图像（T2I）、图像到图像(I2I)以及文本引导图像编辑(TI2I)等多种任务。在GEdit、ImgEdit和GSO等图像编辑基准测试中，它均取得SOTA性能，综合评分分别达到7.56(英文)、7.52(中文)，超越GPTImage1和FLUX.1Kontext等竞争对手。

值得一提的是其“链式编辑”能力。在书法纠错场景中，模型能通过多轮迭代逐步修正错误字符，同时保持整体风格一致，大幅提升了创作效率，降低了专业视觉内容创作的门槛。

开源赋能，推动全球AI创作生态

Qwen-Image-Edit基于Apache2.0协议完全开源，用户可通过HuggingFace、ModelScope等平台免费获取模型权重，还能通过QwenChat的“ImageEditing”功能在线体验。阿里在ComfyUI中提供原生支持，并发布详细技术报告和快速上手指南，方便开发者快速集成。

社交媒体上，开发者反响热烈，称其“将中文渲染和图像编辑能力拉到商用水准”，效果“媲美甚至超越GPT-4o和FLUX.1”。此外，模型支持多种LoRA模型，进一步扩展了在高真实感图像生成中的应用场景。

体验地址：QwenChat网页版官网入口

登陆QwenChat官网首页--点击左上角QwenChat---现在开始--点击图片编辑即可

应用场景广泛，适合多行业

Qwen-Image-Edit的多功能特性使其适用于多种场景。在海报与广告设计领域，能生成具有视觉冲击力的宣传海报，支持复杂文本排版和风格迁移；IP内容创作中，可基于品牌吉祥物生成主题表情包，保持角色一致性；教育与培训方面，能快速生成高质量插图和图表，提升课程内容吸引力；游戏与影视行业，可支持角色设计、背景生成和新视角合成，优化资产开发流程。

用户反馈显示，其直观操作和高质量输出是非专业设计者的理想工具。一位内容创作者表示：“Qwen-Image-Edit让我在几分钟内完成营销视觉设计，文本渲染精准，效果堪比专业软件。”

阿里通义千问团队的Qwen-Image-Edit，凭借强大的文本编辑能力、双重编码机制和开源特性，为AI图像生成与编辑领域树立了新标杆。无论是中文渲染的领先，还是语义与外观编辑的平衡，都展现出其作为行业顶尖模型的实力。