阿里雲 Qwen-Image-2.1 解讀:模型定位、功能、應用場景與按張計費
Qwen-Image-2.1 是一款 7B 圖像模型,可由同一模型完成生成、編輯和摳圖,並支援原生透明通道及 2K 輸出。阿里雲百煉列出的北京及全球地域原價為 qwen-image-2.1-turbo 0.1 元/張、qwen-image-2.1-pro 0.25 元/張,失敗調用不收費。
Qwen-Image-2.1 是一款 7B 圖像模型,可由同一模型完成生成、編輯和摳圖,並支援原生透明通道及 2K 輸出。阿里雲百煉列出的北京及全球地域原價為 qwen-image-2.1-turbo 0.1 元/張、qwen-image-2.1-pro 0.25 元/張,失敗調用不收費。
Qwen-Image-3.0 定位於日常創作與批量出圖,Qwen-Image-3.0-Pro 則面向複雜排版、文字渲染及細節要求較高的專業成品。文章列出最長約 4.5k Token 的輸入、10px 小字渲染,以及覆蓋 12 種語言和 20 多種字體等規格,並介紹文生圖、圖生圖和圖像編輯。
阿里雲 Wan-Image(wan2.7-image)整合圖像生成與編輯,支援文生圖、組圖、圖像編輯、多圖參考及交互式編輯。主力版在華北2(北京)按成功生成張數收費 0.2 元/張,且費用與解像度無關;wan2.7-image-pro 為 0.5 元/張,文生圖最高解像度為 4096×4096。組圖一次最多生成 4 張,連續場景最多 12 張;密集小字排版仍需實測。
雷鋒網實測 Kling Image 4.0,顯示它可按簡短提示詞生成海報、電商詳情頁及連續分鏡,亦可局部修改圖片文字。新模型原生解像度提升至 8K、單張圖片最多支援 2000 字、一次最多生成 10 張連貫圖片,並內置 70+ 款預設字體。測試亦發現説明小字清晰度、模型自行補充的資訊準確度及跨鏡人物一致性仍有不足。
ArtArk在SuperCLUE本期文生圖及圖像編輯的競技場與標準評測中均列總榜第一,合共取得四項第一。文生圖競技場在28個模型中以1497.0分居首,標準評測得95.1分;圖像編輯競技場在19個模型中以1341.2分居首,標準評測得83.6分。
Qwen-Image-2.1 是 7B 圖像模型,同一模型支援文生圖、圖生圖編輯及摳圖,並提供原生透明通道和 2K 出圖。文章列出 qwen-image-2.1-turbo 與 qwen-image-2.1-pro 在北京/全球地區分別為每張 0.1 元和 0.25 元,按成功生成的圖片數量計費。
Qwen-Image-3.0 面向日常創作與批量生產,提供 Standard 與 Pro 版本,並支援文生圖、圖生圖及圖像編輯。文章列出提示詞上限約 4.5K token、小字渲染可達 10px,並涵蓋 12 種語言及 20 多種字體。
微軟在 Ignite 2026 公佈 6 款 AI 模型與服務,涵蓋軟件開發、網絡安全、影像生成、即時語音、醫療轉錄及自動化決策。其中 Code 2 和 Code 2 Flash 主攻程式編碼,Cyber 2 Flash 用於漏洞分析,另有 Realtime 1 即時語音模型及 Image 2.7 Flash 影像模型。
文章介紹 Qwen-Image-3.0 與 qwen-image-3.0-pro 的定位、能力、適用場景及價格。模型支援最多約 4.5k token 輸入、10px 小字渲染、文生圖、圖生圖和圖像編輯;華北2(北京)原價中,Standard 的 1K、2K 輸出均為 0.18元/張,Pro 則分別為 0.25元/張和 0.50元/張。
Anthropic 籌備 IPO 之際,Microsoft 發布七款新 AI 模型,OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol。兩款 OpenAI 模型在其基準測試中勝過同系列模型,現已於全球 ChatGPT 和 Codex 向付費訂戶提供。
Seedream 5.5 已加入 Recraft Studio 付費方案,Recraft 以 12 組提示詞將它與 Recraft V4.1 Pro 及 GPT Image 2.6 Sunburst 並排比較。
作者以 7 組提示詞評測 Kling Image 4.0,測試原生 8K、圖中文字、6 張組圖及長商品頁,並與 MiniMax H3 Image 比較。測試輸出達 9,984 × 6,656 像素;海報和中文菜單文字準確,六張廣告圖的罐身設計亦保持一致。不過,長商品頁下半部出現數字遺失和亂碼;同一香水提示詞比較中,作者認為 Kling 的瓶身細節處理較 MiniMax H3 Image 好。
可靈AI於11月17日晚正式上線 Kling Image 4.0,支援原生 8K 圖像生成、單張圖片內生成 2000 字,以及一次描述生成最多 10 張系列圖片。模型提供 70 餘款預設字體,並支援中文(簡體、繁體)、英文、日文、韓文、西班牙語及葡萄牙語文字生成。它亦支援生成電商詳情頁與網頁設計長圖,面向影視創作、廣告營銷等專業圖像創作場景。
可靈AI於11月17日晚正式推出新一代圖像創作模型 Kling Image 4.0,升級重點包括畫面真實感、文字表現、指令理解和一致性。模型支援原生8K圖像生成、單張圖片生成2000字及70+款預設字體,並可按一次描述生成最多10張系列圖片。
Microsoft 在 Ignite 2026 擴大 MAI 模型及能力組合,涵蓋文字與推理、編碼、圖像生成、語音、轉錄及網絡安全。Microsoft-Decision-1.1 決策模型系列及 Microsoft Perception 威脅防禦框架均已正式開放使用;後者結合由 MAI-Cyber 驅動的專用智能體。
Microsoft 推出 MAI Image 2.7 和 MAI Image 2.7 Flash 圖像生成與編輯模型,並上線由 Flash 驅動的互動式創作空間 Canvas。
Microsoft 於11月17日推出 MAI Image 2.7 和 MAI Image 2.7 Flash 圖像生成及編輯模型,並上線 Canvas 互動式創作工具。
Microsoft 於當地時間 11 月 17 日發佈 MAI Image 2.7 和 MAI Image 2.7 Flash 兩款圖像生成與編輯模型,並推出由 Flash 驅動的互動創作空間 Canvas。
Microsoft AI 在 Ignite 2026 宣佈 7 款新模型,並公佈多款模型相對競品的性能與價格比較。
Microsoft 發佈 MAI Image 2.7 和 MAI Image 2.7 Flash,並在 MAI Labs 推出由 Flash 驅動的互動式圖像工作區 Canvas。
Microsoft 在 Ignite 2026 發佈七款新模型,涵蓋網絡安全、編碼、圖像生成、即時語音、轉錄及決策。
推薦理由:文章按網絡安全、日常企業編碼等場景列出基準表現及成本比較,呈現不同模型在任務表現與價格之間的取捨。
快手可靈正式推出圖像創作模型 Kling Image 4.0,並向企業客戶及開發者開放 API 接入。模型支援原生 8K,單張圖片內可生成 2000 字,並可接收最高 15000 tokens 的文字輸入。模型亦可按一次描述生成最多 10 張圖片,並提供 70+ 種預設商用字體和 110+ 種預設影調風格。
快手可靈推出 Kling Image 4.0 圖像創作模型,並向企業客戶及開發者開放 API 接入。模型首次支援原生 8K 圖像生成,並可在單張圖片內生成 2000 字、一次按描述生成最多 10 張系列圖片。模型支援最高 15000 tokens 文本輸入,並具備原生 Agentic 能力,可按創作意圖規劃系列圖片內容。
Arena 發布 2026 年第 46 周大模型盲測榜單,Google 的 Gemini 4 Carbon (High) 以 1526 分登上綜合榜首,與 Gemini 4 Argon (High) 的 1522 分差距在誤差範圍內,視為並列第一。
Anthropic 發佈 Claude Fable 5.2;模型不調用圖像生成模型,而以 Python 模擬畫筆、顏料和畫布,逐筆完成繪畫。一幅購物車作品用了約 70 萬次模擬筆觸;另一幅鳥類作品以 111 筆完成,模型會觀察畫布並用新筆觸修正錯誤。
Anthropic 發布的 Claude Fable 5.2 可用 Python 程式模擬畫筆、顏料與畫布,逐筆完成繪畫,而非直接調用圖像生成模型。一幅購物車作品使用約 70 萬次模擬筆觸;另一段 21 秒影片記錄模型以 111 筆完成日出時的鳥。
Anthropic 的 Claude Fable 5.2 以 Python 程式驅動模擬繪畫引擎,逐筆繪製圖像,而非依靠外部圖像模型。一幅停車場購物車寫實畫約使用 700,000 道模擬筆觸;模型會檢視畫布並以新筆觸覆畫修正,但落筆後不能撤銷。
ByteDance 於 2026 年 11 月 9 日推出 Seedream 5.5,這是首款支援原生去背、輸出帶 alpha channel PNG 的 Seedream。
Google 發佈 Gemini 4 Hydrogen,將它定位為 Gemini 4 系列成本最低的模型,可供日常工作使用或配合 Carbon、Argon 執行多模型工作流程。
推薦理由:文章對照三款 Gemini 4 模型的定價變化與鵜鶘生成效果,並交代 Google 對 Argon 同價但每輪 token 用量較低的説明,呈現各模型定位差異。
Microsoft 發佈七款自研 MAI 模型,涵蓋推理、編碼、圖像生成、語音轉錄及語音生成。MAI-Code-1-Flash 已整合 GitHub Copilot 和 Visual Studio Code。
MiniMax 本週開源圖像模型 H3 Image,支援原生最高 4K 輸出和最多 16 張參考圖;4K 文生圖 P50 耗時方面,極速版約 10.3 秒,標準版約 16 秒。文章實測其文字渲染、人像生成、圖像編輯和設計類任務,並介紹 H3 Image 沿用 H3-Base 架構,核心為 331 億參數的擴散 Transformer(DiT)。
推薦理由:文章以界面、文字、人像和圖像編輯等實測案例,呈現 H3 Image 在真實感、指令遵循與設計任務上的表現,並交代其模型架構及生成耗時。
Seedream 5.5 正式發佈,提升多輪編輯穩定性、圖像真實感及文字渲染,並新增原生 RGBA 透明素材生成。模型支援同一作品最多 100 輪連續編輯,評測中的嚴重及輕微文字崩壞率分別降至 0.4% 和 1.7%。與 Seedream 5.0 Pro 相比,六類場景的生成效果評分和可用率均有提升,影視與辦公場景的可用率均達上一版本的兩倍以上。
MiniMax 開源 H3-Image 圖像模型。Qwen4-Max 預覽版已在阿里 Token Plan 首發上線,百度文心 5.5 Flash Preview 正式發布;均勝電子向宇樹科技交付首台機器人高算力大腦背包。DeepMind 發布 Gemini Robotics 2.5,並在 Mercedes 工廠試點分揀,成功率達 96%。
MiniMax 開源 H3-Image 圖像模型。其他 AI 動態包括 Qwen4-Max 預覽版首發上線阿里 Token Plan、百度文心5.5 Flash Preview 正式發布,以及 DeepMind 發布 Gemini Robotics 2.5;該模型在奔馳工廠試點分揀的成功率為 96%。
MiniMax 開源 H3 Image 圖像生成模型,官方公佈可在 10 秒內生成 4096×4096 原生圖像。模型權重已公開,ComfyUI 有現成模板,最多支援 16 張參考圖。文章亦介紹本地使用方式,ComfyUI 需為 0.45.0 或更新版本,模板包需為 0.11.104 或更新版本。
ArtArk 在 SuperCLUE 2026年11月文生圖基準榜單中以 95.14 分排名第一,超越得分 94.27 分的 GPT Image 2.5 Sunburst。ArtArk 在圖文一致性測試中取得 100 分,是所有參測模型中唯一在該項目獲滿分的模型。前五名最高與最低分相差 1.91 分。
MiniMax 發佈開放權重圖像生成模型 H3-Image,支援文字生成圖像、參考圖生成及圖像編輯,可在 10 秒內生成 4K(4096 × 4096)圖像。MiniMax 稱其速度最高可達主流替代方案的 5×,並可理解及使用最多 16 張參考圖。
MiniMax 發佈並開放 H3-Image 權重,這款衍生自 H3 的圖像生成模型可在 10 秒內生成 4096 x 4096 像素、約 16 MP 的圖像。
MiniMax 發佈並開放 H3 Image 權重,這款模型聚焦圖像生成與編輯,並可透過 API 接入。作者實測中,模型生成 4096×4096 圖片需 10~20 秒,最多支援 16 張參考圖片,並展示複雜指令、文字排版及多種視覺風格生成。文章亦稱其可透過 API 接入 MiniMax Code、Claude Code、Codex 等 Agent Harness,參與更複雜的任務流程。
MiniMax 發佈 H3-Image 並開放權重,這款衍生自 H3 的圖像生成模型可在 10 秒內生成一張 4096 x 4096 像素、約 16 MP(4K)的圖像。模型支援文字生成圖像、圖像參考和圖像編輯,並具備指令遵循及多參考圖理解能力。發佈首週,MiniMax 將為 16MP 及以上規格的生成請求提供官方價格五折優惠。