アリババのQwenチームは7月21日、Qwen-Image-3.0をリリースした。視覚的に印象的なAIアートの競争に参戦する又一つのモデルとしてではなく、実用的な生産性ツールとして位置づけている。今回のリリースにはオープンモデルウェイト、ベンチマーク結果、技術レポートが含まれていない。これは以前のバージョンが採用していたオープンソースアプローチからの大幅な方針転換であり、当初オープンリリースを支持していた主要AI研究所を含む業界全体の傾向——競争上または商業上の理由からモデルウェイトや技術詳細の公開を徐々に控えるようになっている——を反映している。

同モデルはchat.qwen.aiで試用可能だが、API価格は未公表である。今回のリリースは、アリババのクラウド部門であるAlibaba Cloudを通じたAI投資の一環である。Alibaba Cloudは、ByteDanceやBaiduなどの国内ライバル、OpenAIやGoogleなどの欧米プレイヤーの双方に対抗するため、テキスト、ビジョン、マルチモーダルの各能力にわたりQwenモデルファミリーを拡充してきた。

「Qwen-Image-3.0は単に『見栄えの良さ』を追求するのではなく、『有用さ』を追求し、画像生成を真に実用可能な生産性ツールにするものです」と、Qwenチームは公式発表で述べている。

Reve、Nano Banana、Seedreamなどの競合AI画像ツールが通常、創造性、リアリズム、編集能力などを重視するのに対し、Qwen Image 3.0はアリババが「リッチコンテンツ」「オーセンティックな詳細」「ディープナレッジ」と呼ぶ3つの柱で構成されている。この実用性優先の方向性は、スタンドアロンのアートワークではなく、生産準備完了のアセット（ドキュメント、プレゼンテーション、インターフェースのモックアップ）を生成するツールへとシフトするエンタープライズAIプロバイダー間のより広範な傾向と一致している。

リッチコンテンツ

最も際立つ特徴は、最大4,500トークンの指示を受け付けられることで、これは前世代の処理能力の約4.5倍である。この能力により、ユーザーは新聞、ストーリーボード、密度の高いインフォグラフィックグリッドなどの複雑なマルチパネルレイアウトを1つのプロンプトで記述し、完全に統合された1枚の画像として受け取ることができる。

「上の画像全体は、複数の画像を繋ぎ合わせたものではなく、Qwen-Image-3.0によって1回の処理で生成されたものです」とアリババはブログに記している。同社のデモの各パネルには、それぞれ独自の図表、数式、キャプション、細かい文字が含まれており、すべて後処理で組み立てるのではなく、一回の生成でレンダリングされている。アリババは、重大なエラーなしにこのような結果を実現できる現在唯一のモデルであると主張している。

オーセンティックな詳細

第2の柱は精密なレンダリングにある。アリババによると、同モデルは「10px程度の小さなテキストの精密なレンダリングをサポートし、毛穴や髪の毛のような細部を微細レベルでリアルに再現する」。10ピクセルのテキストは細則書き——医薬品の免責事項などでよく見られる種類のものである。また、LaTeX記法も正確に処理し、学術論文の完全なモックアップ全体に複雑な数学的方程式をレンダリングできる。

Decryptは同モデルの最速設定を使用してこの機能をテストし、Qwen Image 3.0がDecryptの完全な記事を再現できることを確認した。その実行は本当に印象的だったが、完璧ではなかったという評価であった。

ディープナレッジ

第3の柱はディープナレッジである。Qwenチームは、同モデルが「12言語のネイティブレンダリングをサポートし、ウェブページ、ゲーム、ライブストリームなどの主要なインターフェースをシミュレートし、豊富な世界知識を活用する」と述べている。また、インターネットに接続してリアルタイムデータを取得することもできる。特定の都市と日付の天気予報のビジュアルをプロンプトで指示すると、近似値ではなく正確なリアルタイムのグラフィックが返される。さらに、画像理解能力も示した。葉の上の昆虫の写真を見せると、画像に基づいて関連する説明文を生成した。

ターゲット層と競争上の位置づけ

アリババはQwen Image 3.0を、大規模な生産準備完了のビジュアルアセットを必要とするデザインスタジオ、コンテンツチーム、Eコマース運営、教育者向けに売り込んでいる。

ただし、検証可能なパフォーマンスデータの欠如は、Apache 2.0ライセンスの下でオープンウェイトと同日発表の技術レポートを伴ってリリースされたQwen Image 1.0とは対照的である。アリババ独自のQwen-Image-Bench評価（18モデルの画像品質、美学、実世界での忠実度を評価するベンチマーク）では、前のフラッグシップモデルであるQwen Image 2.0 Proが第5位であった。OpenAIのGPT Image 2がそのランキングをリードした。Qwen Image 3.0が前モデルの順位を向上させたかどうかは、リリース時にベンチマーク表、ダウンロード可能なウェイト、技術レポートがいずれも提供されていないため、リリース時点では独立して確認できない。

アリババのより広範なAI推進の一環として、現在のところ同モデルの能力を示す証拠は、同社がブログで公開した厳選されたサンプル画像のみである。独立したテストとコミュニティによる評価が、Qwen Image 3.0のシングルパスレンダリングと細字テキストの精度がより広範な使用環境でも維持されるかを決定するだろう。また、未公表のAPI価格は、アリババがターゲットとするエンタープライズチームの間で定着するかどうかの鍵となる要素である。