指令上限提到 4.5k token，一整版复杂内容能一次交代完

中间那根条是阿里云百炼接口文档写明的数字：qwen-image-2.0 系列提示词上限 1300 token，其他模型 800 token，超出部分直接截断。

指令短的时候，复杂版面只能拆开画再拼。九个题材各自的标题、正文、公式、人物动作，一千字连一半都交代不完。上限提到三千字这一档，这类活才从分次拼贴变成一次出图。

官方拿来证明这条的是一张九宫格，描述它用掉 3.7k token。

九个格子由一条 3.7k token 的指令一次生成，中间没有拼接。题材分别是隧道口安全距离漫画、空间几何、《出师表》文体分析、抛体运动、寄生虫科普、医学图解、群论 Sylow 定理、银行内控信息图、细胞 DNA 结构对比。图片来源：Qwen 发布页

随便抽一格出来，都是一张能单独用的图。中间上方那格是完整的空间几何教学页，问题、前提、定理、结论齐全。

单格的信息密度，等于一张完整的教学幻灯片。图片来源：Qwen 发布页

值得一提的是，格子里的推导不是摆样子。群论那格算「阶为 72 的群有几个 Sylow 3-子群」，从 72 拆成 8 乘 9、到个数要除以 3 余 1 且整除 8、再到答案是 1 或 4，整条链子成立。物理那格从脱离点初速度推到角速度公式，中间的落地时间和位移代换也对得起来。

空间控制分两个方向：横着并排摆，和竖着一层层套

上一节那张九宫格证的是横展。纵深这边的样例是一条指令画出四层嵌套：最外面 VSCode 编辑器，里面开着 Qwen 聊天，聊天里是一张微信截图，微信里发的是一张手冲咖啡流程海报。

四层嵌套，每层的界面元素各自成立：VSCode 有文件树和状态栏，微信有对话人和时间戳，海报有四步流程编号。图片来源：Qwen 发布页

这两个方向对应不同的活。横展做的是一版多栏的东西：报纸、试卷、教学挂图、产品对比页。纵深做的是产品演示稿和界面套图，讲一个功能怎么从这个软件跳到那个软件，过去要截三张图拼，现在一条指令下去。

最小可辨字号做到 10px，整版报纸和整页论文都排得下来

三类活最吃这条能力。

一、公式密集的学术排版

LaTeX 排版的难点在于上下标、花括号、分数线、希腊字母、多行对齐同时出现，任何一个位置错半格都会露馅。

整页双栏论文，公式的上下标位置、多行对齐、特殊符号都按 LaTeX 的排版规则走。页眉写着 Fake PDF，这一页是按虚构论文的要求生成的。图片来源：Qwen 发布页

二、报刊版式

报纸头版要同时成立的东西很多：刊名的书法笔触、日期栏的分隔线、几条新闻各自的标题层级、中间图表的卡片、右侧导读栏，加上每一栏正文的对齐基线。少一样都不像。

整版内容按指令虚构。除了密排小字，纸张的褶皱、阴影和印刷质感也一并生成。图片来源：Qwen 发布页

三、信息密度高的科普图

这类图的正文、引线标注、图例、比例尺全挤在一起，字号被压到最小，还要保证每一处标注都指对位置。

八个编号分区，加一张迁徙路线世界地图和一把体型对比尺，正文字号都在最小这一档。图片来源：Qwen 发布页

毛孔、发丝和材质纹理，都做到能凑近看的程度

人像：光线越硬，越难藏

硬光会把皮肤的每一处起伏和毛孔都推到明处，阴影边缘也不允许糊。下面这张的脸上还压着一层花枝投影，明暗交界处的细节最考验功夫。

花瓣形状的投影落在脸上，耳骨上一排耳钉、唇釉的高光、碎花衬衫的印花同时保持清晰。图片来源：Qwen 发布页

自然光那张考的是另一件事：发丝。风吹起的碎发在逆光下要根根分开，还得有透光感。

背景的龟背竹和蕨类保持景深虚化，前景的碎发根根可分。图片来源：Qwen 发布页

材质：四种完全不同的表面

非人像的例子更能看出覆盖面。刺绣要成立得同时做对三件事：羽毛的层次靠针脚方向表现，丝线要有丝的反光，底下的亚麻布纹要透出来。

丝线走向、色阶过渡和底布织纹是三种不同的质感，在同一张图里各自成立。图片来源：Qwen 发布页

动物毛发换的是另一套逻辑：黑毛要在暗部保住层次，白毛要在闪光灯下不过曝。

夜景闪光灯摄影，黑毛的层次和白毛的绒毛同时保住，背景是路灯散景。图片来源：Qwen 发布页

岩画考的是颜料和石头的关系：矿物色要渗进砂岩的孔隙，还得有风化剥落的斑驳。

赭红颜料画在砂岩上，岩面的裂缝、颗粒和颜料脱落一起呈现。图片来源：Qwen 发布页

最后这张是极端微距：油画颜料的厚涂堆叠、笔毛的每一根鬃、金属箍上的划痕和反光。

颜料的厚薄堆叠、猪鬃笔毛的分股、画布织纹在边缘露出，三层质感在同一个焦平面附近。图片来源：Qwen 发布页

同一个模型既能从零画，也能改你手上已有的图

给现成的书页加手写批注

难点在笔迹的真实感。红笔字要有轻重变化，圈画得是手绘的不规则椭圆，箭头尾巴带回锋，还要压在印刷字上面而不是浮在旁边。

改前：一页讲徐霞客的书，下半页是游历路线图

改后：叠加十余处红笔批注、下划线、圈画和箭头

补破损画作的缺失部分

这里的要求是补完之后笔法和原作对得上，不能出现补丁感。

改前：满幅缺损白斑、横向折痕、褐色污渍

改后：绢色均匀，题款印章与构图笔法保持原位

给实拍照片叠专业标注层

输入是一张普通微距照片，输出要能直接当学术配图用：主体不能变形，标注要指对位置。

改前：草叶上的两只豆娘

改后：加上分类学信息、形态标注、放大细节和比例尺

给一套人物和场景，它能排出整张分镜表

官方给的这组样例是四张一套。前三张是素材：人物设定、场景、一个关键画面。

人物设定：黑框眼镜、米色西装、酒红高领。图片来源：Qwen 发布页

场景：暮色里的山间古镇，黑瓦木造、石板路、远山层叠。图片来源：Qwen 发布页

关键画面：黑白，逆光雨幕中张开双臂的剪影。图片来源：Qwen 发布页

第四张把前三张串成了一整张分镜表。

12 格，每格带镜号、时长（3s 到 1s 不等）、景别与动作描述（远景进村、中景走路、特写看字条、过肩看到前方黑影、手持转身、插入镜头手推门），右下角还标着运镜方式（hold、move、push in、follow）。图片来源：Qwen 发布页

这张图把前面几条能力全用上了：同一个人物贯穿 12 格、场景和天气按叙事推进（进村、下雨、推门）、每格的黑底标签栏是密排小字、整体又是一次横展排版。第 10 格就是上面那张雨中剪影。

过去做这件事的流程是：先出人物设定，再出场景，再一格一格生成，最后拉进设计软件排版加标注。现在这一整套是一次出的。

12 国语言、100 多种风格、主流软件界面，还能联网取当天的信息

多语言，而且每种语言配的是当地的版式

这一维覆盖 12 国语言原生渲染和 100 多种艺术风格。三个样例走的是三条完全不同的路子。日文这张是漫画扉页，黑白网点、竖排对白框、拟声字这套排版语言要一起对。

日文竖排、漫画分格与网点风格同时成立。图片来源：Qwen 发布页

韩语这张是电商详情页：左边规格图标，中间模特，右边参数表，底部四张场景图，全套商品页版式。

连衣裙详情页：六个服装线稿图标配标签、五个配色小图、右侧规格表、底部四个穿着场景。图片来源：Qwen 发布页

西班牙语这张换成了手写：白板马克笔字体，三种颜色，加上神经网络示意图和数学公式。

白板上手写的多层感知机讲解，五个编号小节：基本结构、前向传播、损失函数、反向传播、特点。含神经元连接图和公式。图片来源：Qwen 发布页

界面仿真

网页、游戏、直播这类界面各有自己的一套控件规范。做产品原型稿和演示图会直接用到这条。

开发工具界面：菜单栏、项目树、语法高亮配色、底部控制台的日志格式。图片来源：Qwen 发布页

外卖 App 列表页：手机状态栏、搜索框、筛选标签、四张商家卡片（含商品图、评分、月售、配送时长、满减券），底部优惠券横条和五个导航 tab。信息密度比开发工具那张还高。图片来源：Qwen 发布页

联网取当天的信息

模型自带的世界知识有截止日期，联网这条补的是新信息。指令要一张当天的杭州天气预报图，出来的是完整的天气与游览指南。

当天温度区间、天气、风力、湿度配一条温度曲线，下半页是四个景点卡片和一条一日路线。图片来源：Qwen 发布页

识别具体 IP 形象并再创作

这条不只是认得脸，还得把这个形象该有的画法一起带上。

齐白石走写实摄影质感，梵高保持油画厚涂笔触，两种渲染方式放进同一个直播间的布光环境里。图片来源：Qwen 发布页

现在能在哪用，多少钱，开不开源

发布页从头到尾没提这三件事。本站查了一遍。

阿里云百炼的千问文生图价格表里，qwen-image-3.0-pro 已经列在第一行，中国内地和国际区都标着「限时免费」。作为对照，上一代 qwen-image-2.0-pro 是 0.5 元一张。

百炼的接口文档页当天还没更新，模型列表里最新的还是 qwen-image-2.0-pro 的 6 月 22 日版本。价格表已经开了，文档得再等等。网页端走 Qwen Chat 选「图像生成」就能用。

开源这条线是另一回事。Hugging Face 上 Qwen 组织下的生图模型仓库，最后一次放出权重是 2025 年 12 月 30 日的 Qwen-Image-2512。今年 2 月的 Qwen-Image-2.0 没有权重仓库，GitHub 仓库更新记录里那一条只给了博客和 Qwen Chat 的链接。3.0 目前同样没有。

用它的时候，指令写长一点。这一代把上限给到 4.5k token，就是为了让你把每个要出现的字、每块要占的位置都写进去。

这一代把单条指令的上限提到 4.5k token，中文大约三千字。同一件事，能交代的详细程度差出一大截。

指令写得下，能接的活也就跟着变了：

• 10px 的小字这一档撑得住，整版报纸、一整页 LaTeX 公式论文、密排知识图鉴都排得出来
• 给一套人物设定加场景，直接排出 12 格分镜表，每格带景别、时长和运镜标注
• 改图和画图在同一个模型里：给书页叠红笔批注、补破损古画的缺口、给实拍照片加学术标注层
• 12 国语言按各自的版式排，主流软件界面能仿，还能联网取当天的天气信息

话能写长了，下一个问题是：三千字里那么多件事，它怎么在一张画布上安排开。

小互手上有两份活：一份是九格连排的教学图，一份是产品演示套图。这两份分别吃模型的两种空间控制能力，一个横着铺，一个竖着套。

横展决定一张图里能同时安排多少件事，纵深决定一张图里能套进去几层界面。报纸、试卷、教学挂图吃前者，产品演示稿和界面套图吃后者。图为本站所画的示意图。

这一代拿得出手的数字只有一个方向：一次能交代多少字。条越长，一张图里能安排的事越多。