Qwen Image: тест надписей на слайдах, кириллица и цены API

Генерация инфографики и слайдов через API диффузионных сетей упирается в типографику: большинство моделей ломают кириллицу или искажают цифры. В каталогах доступны поколения китайского семейства Qwen Image: 1.0, 2.0, 3.0, а также осенние релизы 2.1 и 2.1-Turbo.

Номера версий не отражают линейного роста цен или возможностей. Мы сравнили модели на одинаковом макете слайда, разобрали ошибки в русском и английском тексте, сверили тарифы Alibaba Cloud и параметры вызова через API.

Эволюция семейства: от базовых 20B до прозрачности и Turbo

Линейка развивалась рывками, меняя архитектуру и условия лицензирования:

• Qwen Image (1.0). Модель на 20 миллиардов параметров вышла 4 августа 2025 года на Hugging Face под открытой лицензией Apache 2.0. Она показала, что открытые диффузионные сети способны верстать крупный текст. Для правок 19 августа 2025 года вендор выпустил пайплайн Qwen-Image-Edit в связке с Qwen2.5-VL. В API разработчик вручную задаёт шаги сэмплирования (num_inference_steps) и силу следования промпту (guidance_scale).
• Qwen Image 2.0. Появилась в феврале 2026 года в документации Alibaba Cloud Model Studio. Архитектуру сократили до 7B параметров, объединив создание картинок и редактирование в единую модель. Вендор заявил нативное разрешение 2K (2048×2048 пикселей) и контекст инструкций до 1 000 токенов.
• Qwen Image 3.0. Выпущена в июле 2026 года. Контекст расширили до 4 500 токенов, добавив рендеринг текста размером от 10 пикселей на 12 языках. В облаке вендора картинки 1K и 2K тарифицируются одинаково.
• Qwen Image 2.1 и Turbo. 20 сентября 2026 года на GitHub вышли веса Qwen-Image-2.1 (7B) с нативной поддержкой RGBA-прозрачности без постобработки и редактированием по цепочке до 10 картинок-референсов. Промпты для неё оптимизирует вспомогательная модель Qwen-Image-2.1-PE-T2I. 9 октября 2026 года команда Qwen выложила дистиллированный чекпоинт Qwen-Image-2.1-Turbo, рассчитывающий кадр за 8 шагов денойзинга.

🔴 Ограничение лицензии весов 2.1: открытые веса Qwen-Image-2.1 выложены под Qwen Research License Agreement. Лицензия разрешает исследовательские задачи, но запрещает коммерческое использование на собственных серверах без соглашения с Alibaba. Для коммерческих продуктов вендор предлагает использовать облачные API.

Тест на макете слайда: 4 опечатки в 2.0 против чистого текста в 3.0

Мы проверили, как модели справляются с макетом формата 16:9 с заголовком, тремя числовыми показателями с подписями и мелким подвалом.

Текст запроса для проверки:

Слайд презентации 16:9, белый фон, строгий деловой стиль. Заголовок крупно: "Выручка за квартал выросла на 18%". Ниже три колонки с иконками и подписями: "Новые клиенты: 1 240", "Средний чек: 3 900 ₽", "Отток: 4,2%". Внизу мелко: "Данные на 30.09.2026".

Результаты прогона:

1. Qwen Image 2.0 на русском языке. Модель вернула полотно с разрешением 2688×1536 пикселей. Заголовок, цифры и дата отрисовались без ошибок. В подписях сеть допустила четыре орфографических сбоя: «клиекты», «Сведний», «Оттнок» и «Даные». Карточки вышли в эскизном стиле вместо векторного.
2. Qwen Image 3.0 на русском языке. Кадр сгенерирован в базовом разрешении 1344×768 пикселей. Модель выдержала строгий интерфейсный стиль, сформировала ровные карточки и не допустила опечаток в кириллических словах или числовых разделителях.
3. Qwen Image 2.0 на английском языке. Мы перевели тот же промпт на английский. Ответ по API пришёл через 18 секунд: полотно 2688×1536 пикселей с латиницей без ошибок, знаком доллара и деловой композицией.

Ограничения замера: тест проводился на фиксированном промпте без перебора сидов. Время отклика 18 секунд зафиксировано только для версии 2.0 на английском языке; скорость генерации версий 2.1 и 3.0 в аналогичных условиях не замерялась. Поведение моделей на других типах графики мы также разбирали в обзоре нейросетей для генерации изображений и тесте Ideogram с текстом на картинках.

Экономика генерации: почему Qwen Image 3.0 выгоднее второй версии

В прайсе Alibaba Cloud Model Studio на ноябрь 2026 года стоимость генерации зависит от региона и поколения:

• В регионе Сингапур генерация в qwen-image-2.0 стоит $0.035 за кадр, а qwen-image-2.0-pro — $0.075. В регионе Пекин цены номинированы в юанях: 0.20 CNY ($0.0287) за стандартный кадр и 0.50–0.60 CNY ($0.072–$0.086) за Pro.
• Для qwen-image-3.0 вендор установил единую сетку: базовое разрешение 1K и повышенное 2K стоят одинаково — около $0.03 (0.216–0.2698 CNY).

В каталоге altrouter цены за одну картинку распределены так:

Qwen Image 3.0 в каталоге стоит $0.0276 за изображение, то есть дешевле Qwen Image 2.0 ($0.03565).

Себестоимость пакета из 100 слайдов:

• qwen-image — $1.75;
• Qwen Image 2.1 в разрешении 1K — $2.30 (в 2K — $4.60);
• Qwen Image 3.0 — $2.76;
• Qwen Image 2.0 — $3.57.

Генерация на третьей версии обходится на 22% дешевле второй при отсутствии ошибок в русском тексте.

Интеграция через API и рабочий код на Python

Эндпоинт POST https://api.altrouter.ai/v1/images/generations совместим со спецификацией OpenAI Images API.

🔴 Лимит длины запроса: в API altrouter строка prompt ограничена 800 символами, хотя архитектура Qwen Image 2.0 принимает до 1 000 токенов, а 3.0 — до 4 500 токенов. Для слайдов формулируйте промпт кратко.

from openai import OpenAI

client = OpenAI(
    api_key="ar-...",
    base_url="https://api.altrouter.ai/v1"
)

# Генерация слайда
response = client.images.generate(
    model="qwen-image-2",
    prompt=(
        "Quarterly revenue grew 18%. "
        "New customers: 1,240. Average order: $39. Churn: 4.2%. "
        "Data as of 30.09.2026. Strict business presentation style."
    ),
    response_format="url"
)

# Ссылка на изображение на CDN
print(response.data[0].url)

Различия параметров между поколениями:

• Разрешение и пропорции: в версии 2.0 точное число пикселей не настраивается — соотношение сторон задаётся через aspect_ratio (1:1, 3:4, 4:3, 9:16, 16:9). В Qwen Image 3.0 добавлены панорамные форматы 21:9.
• Негативные промпты: параметр negative_prompt не работает в Qwen Image 2.0, но поддерживается в версии 3.0.
• Прозрачность фона (RGBA): для стикеров или логотипов без фона генерация альфа-канала доступна в модели qwen-image-2.1.

Какую модель выбрать под задачу

1. Qwen Image 3.0 (qwen-image-3). Подходит для презентаций, интерфейсов и отчётов с русским текстом. Справляется с мелким шрифтом до 10 пикселей, не делает орфографических ошибок в кириллице и обходится дешевле версии 2.0.
2. Qwen Image 2.1 (qwen-image-2.1). Выбор для маркетинговой графики, иконок и коллажей: поддерживает прозрачность (RGBA) и до 10 референсов для поэтапного монтажа. Чекпоинт 2.1-Turbo рассчитывает сцену за 8 шагов.
3. Qwen Image 2.0 (qwen-image-2). Подходит для англоязычной графики и постеров крупного плана (2K), если проект уже настроен под пайплайн этой модели.
4. Базовая Qwen Image (qwen-image). Вариант за $0.0175 за генерацию для фоновых картинок и иллюстраций без требований к надписям.

FAQ