Qwen Image 3 Pro は Alibaba の Qwen-Image ラインのフラッグシップで、これを回す理由は二言語の文字 — 1つの画面に中国語と英語を同時に置けることだ。
Qwen Image 3 Pro は Alibaba の Qwen-Image 3.0 ラインのフラッグシップ・ティアで、2026年7月21日にリリースされた。Alibaba は情報密度の高い仕事 — 長い指示、レイアウト、非常に小さいサイズの画像内テキスト — に向けているが、技術レポートもモデルカードもダウンロードできる重みもないまま出荷した。だから第三者の証拠はアリーナのスコアと独立系のテストしかない。
何にでも向く道具ではない。独立系のテスターは、母音が入れ替わった韓国語のテキスト、体裁は整っているのにデータが誤っているチャート、そしてフォトリアルの専門モデルに及ばないポートレートを報告している。私たち自身の10回の実行はおおむね決まった — が、下の小さな文字のテストは段落の途中で崩れ、読めたまま残った単語のうち2つは綴りを間違えていた。肌と素材のリアリティを最大にしたいなら Seedream 5 Pro、小さな文字をいちばん確実にしたいなら GPT Image 2 だ。
アリーナでの順位は Artificial Analysis のテキスト画像生成リーダーボードによる。2026年8月19日に確認： Artificial Analysis leaderboard
“Alibaba がこれまでに作った中で、画像内テキストの能力が最も高いモデルだ。”
“10px という小ささでも読めるテキスト、写真的な肌と髪の質感。”
“GPT Image 2 や Nano Banana Pro といった他のプロプライエタリなモデルと比べると、見劣りする代物だ。”
以下の画像はすべて2026年8月19日にこのページで生成した — プロンプト10本、一発目の結果10枚、それぞれ57〜93秒、プロンプトはそのまま載せている。本当の限界をあらわにしたテストも含めて。
ここが Qwen 画像ファミリーの本領だ。4文字の中国語タイトルを宋体で左に縦組みしたコンサートポスターを頼んだら、まさにそれが返ってきた。文字はすべて正しく、線の太さも揃い、英語のサブタイトルも字間を空けた大文字で正しく綴られていた — そしてタイトルの脇に、指示になかった赤い落款が入っていた。中国のポスター慣習を学んだデザイナーが足すであろうものそのものだ。このページの下にある二言語の茶缶も、両方の文字体系が正しく返ってきた。1つの画面の中で英語と中国語を行き来する仕事なら、これがこのモデルを選ぶいちばん強い理由になる。
メニューボードは見出しより難しい文字のテストだ。3つのセクション、6つの料理名、6つの価格、そして小さなフッターが1つの画面で全部保たれなければならない。私たちのものは、手描き風の見出しから 'Served till 11am' まで、どの単語もどの価格も正しく返ってきた。知っておく価値のある癖が1つ。指示では料理をスラッシュで区切っていたのだが、モデルはそのスラッシュを文字どおりの記号としてボードに描いた。文字の指示に忠実すぎるほど従うので、描かせたくない句読点は引用符に入れないこと。
Alibaba のローンチ時の主張には、10ピクセルでも読めるテキストというものがある。そこで、40語の作り方の段落を小さな文字で載せたビンテージ風レシピカードを頼んだ。結果はこのページで最も正直な画像だ。タイトルと最初の5行は本物の読める英語で、そのあと段落の中ほどが単語に見えるだけのインクの形に崩れ、最後の7行できれいに回復する。読める単語のうち2つは綴りも間違っている — 'soffened' と 'toothpack' だ。見出しサイズの文字はここでは信頼できる。長い小さな文字は信頼できない。段落は画像に載せないか、あとから自分で組むこと。
Pro ティアは 1K と 2K を別々に課金するので、同じプロンプトをそれぞれ1回ずつ回した。どちらの画面も、このモデル系統が批判されがちな滑らかな顔ではなく、本当に風雪を経た肌 — シワ、無精ひげ、日焼けによる傷み — を保っている。そして 2K の画面は網とロープのディテールが目に見えて細かい。どちらの実行も、頼んでいないことを1つやった。シーンの中に看板の文字を書き込んだのだ。一方では係留柱に 'PIER 7'、もう一方では木箱に 'HARBOR FISHERIES'。見出しサイズでは正しく、木箱のステンシルの下の小さい行は崩れていた。この一対がこのモデルの性格そのものだ。文字を絶えず自分から差し出し、その文字が生き残るかどうかはサイズが決める。
1K · 3:2 · 76秒
2K · 3:2 · 93秒同じプロンプト、どちらも一発目。シードを固定していないので構図は違う。比べられるのは描画であって、フレーミングではない。条件を揃えたバリエーションのワークフローにするなら、詳細設定でシードを固定すること。
独立系レビューでいちばん鋭い批判はデータの整合性だ。見た目は正しいのに数値が誤っているチャート。そこで直接突いてみた。正確な値5つと厳密な比例を指定した棒グラフの指示だ。結果は5つの数字をすべて正しく印字し、木曜をいちばん高く、金曜をいちばん低く保ち、そのうえで指示の外に出た。'Total Cups Sold: 950' の行を足していて、これは私たちの5つの値の合計として正しい。ピーク日の吹き出しもデータと合っている。1つだけおかしいのは、チャートのどこにも現れない 'Daily Target' 系列の凡例項目だ。1回突いて通ったからといって批判が取り下げられるわけではない — レビュアーの失敗例は記録されている — が、失敗が必ず起きるわけではないという意味にはなる。チャートを出す前にすべての数字を確認すること。この画像なら、その確認は1分で済む。
同じ2026年8月19日のバッチからの、一発目の出力がさらに4枚。いずれもプロンプトはそのまま載せている — マクロのディテール、二言語のパッケージ、料理、そして 21:9 の超ワイド。10回の実行全体では、最速57秒、最遅93秒、中央値79秒。
Extreme macro photograph of an open mechanical watch movement: polished gears, blued screws, a coiled balance spring and engraved bridges, one warm raking light from the left revealing machining marks on the metal, shallow depth of field, jewel bearings glinting ruby red.
Studio product photograph of a tea tin on pale linen: the cylindrical tin's label reads '云雾龙井' in refined Chinese calligraphy across the centre, with 'MISTY DRAGONWELL — GREEN TEA' in small spaced capitals beneath it and a tiny line 'NET WT 100g' near the base, sage green and cream label design, soft window light, both scripts sharp and correctly written.
Overhead editorial food photograph of a lacquer tray holding a bowl of hand-pulled noodles in clear broth, chopsticks resting on a ceramic stand, small dishes of chilli oil and pickled greens beside it, steam rising, warm side light on a dark slate table, crisp texture in the noodles and scallions.
Ultra-wide cinematic frame: a night train crossing an illuminated bridge over a calm river, city lights doubled in the water, cool blue night tones against the warm carriage windows, anamorphic composition with the bridge running the full width of the frame.
以下はどれも、このページで実証したことに対応している — 願望リストではない。
同じ画面に中国語と英語を載せるパッケージ、ポスター、店舗用の素材。どちらも正しく組まれる — 上の茶缶と古琴ポスターがまさにこの仕事だ。顧客の目に触れるものは、母語話者に校正してもらうこと。
メニューのテストでは3つの級数、6つの価格、フッター1行がすべて保たれた。いちばん小さい文字を段落サイズではなくラベルサイズに留めれば、読める状態が続く。
時計のムーブメントのマクロと麺のトレイが、Pro ティアで何が買えるかを示している。滑らかにならされた質感ではなく、歯車の歯、湯気、青ねぎといった小さな構造が破綻せずに描かれることだ。
5値のチャートを突いたテストは、自分で足した合計も含めて数値が正しく返ってきた。自分の目で読むまでは、どの数字も未検証として扱うこと — レビュアーが述べる失敗の仕方は実在する。ただ、必ず起きるわけではない。
私たちの40語の段落は途中で崩れ、独立系のテスターは韓国語で母音レベルの誤りを報告している。長い本文は自分で組み、目で確かめられない文字は校正すること。
同じワークスペース、同じサブスクリプション — これらの間の切り替えはワンクリック。
| Qwen Image 3 Pro | Qwen Image 3 | GPT Image 2 | Seedream 5 Pro | |
|---|---|---|---|---|
| 画像 1 枚あたりのクレジット | 1Kで30 · 2Kで50 | 20 一律 — 1K と 2K は同額 | 解像度 × 品質により 5〜560(参照画像1枚ごとに +10) | 1K で 50 · 2K で 100 |
| 最大解像度 | 2K | 2K | 4K | 2K |
| 参照画像 | 3 | 3 | 16 | 5 |
| 1回あたりの生成枚数 | 1 | 1 | 最大 10 | 1 |
| アスペクト比 | 8種、1:1 から 21:9 まで | 8種、1:1 から 21:9 まで | 9 種類（自動を含む） | 8種＋auto、または正確なカスタムピクセル |
| 画像内テキスト、当社の実テスト | 5つのテストで見出しサイズの文字は正しい。小さな文字の段落は崩れた | テストしていない | 私たちが計測した中でいちばん信頼できる | ディスプレイ書体は強い。CJK は正確、アラビア語はスペルミスあり |
| 当社の実測速度 | 57〜93秒、中央値79秒（10回の実行） | 未計測 | 2Kで低32秒 · 中68秒 · 高166秒（そのページ） | 1K で ~87s、2K で ~107s(15 回実行) |
クレジット、参照画像の上限、解像度、比率の数は、2026年8月19日に自社のモデルレジストリから読み取ったものだ — GPT Image 2 は解像度×品質のマトリクスで課金されるので、そのセルは1つの数字ではなく幅になっている。速度は標本数を明記した自前の計測値で、各モデルのページ上で取ったものだ。試していないセルは、ベンダーの数字を借りずにその旨を書いている。
Qwen Image 3 Pro を他の画像モデルと比較——同じワークスペースで、ワンクリックで切り替えられます。
| モデル | qwen3/pro-text-to-image と qwen3/pro-image-to-image、Alibaba の Qwen チーム製（Qwen-Image 3.0 ライン、2026年7月21日リリース） |
|---|---|
| アリーナ順位 | Artificial Analysis のテキスト画像生成アリーナで8位、Elo 1284 — 2026年8月19日に確認 |
| モード | テキストから画像、および最大3枚の参照画像を使った編集 |
| 品質ティア | 1Kと2K |
| アスペクト比 | 8種のプリセット、1:1 から超ワイドの 21:9 まで |
| 1回あたりの生成枚数 | 1つ |
| プロンプトの制御 | ネガティブプロンプト、シード固定、自動プロンプト拡張（既定でオン）。プロンプトは5,000文字まで |
| テキストレンダリング | 5つの文字テストすべてで中国語と英語の見出しサイズの文字は正しかった。40語の小さな文字の段落は部分的に崩れた |
| クレジット | 1K は1枚30 · 2K は1枚50 |
| 実測スピード | 57〜93秒、中央値79秒 — 2026年8月19日に行った10回の生成 |
無料アカウントを作る — API キーも Alibaba Cloud のコンソールも不要。このページのジェネレーターはすでに Qwen Image 3 Pro に設定されている。
シーンを書き、そのうえで画像に出さなければならない語句を英語でも中国語でも引用符に入れる。引用した文字は句読点まで含めて忠実すぎるほど描画されるので、描かせたいものだけを引用すること。
21:9 までの8種のアスペクト比、そして試行なら 1K、仕上げなら 2K。正確なクレジット消費は実行前に表示される。
気に入った結果のバリエーションを制御して再実行するにはシードを固定し、避けたいものはネガティブプロンプトに書く。履歴にはすべてのプロンプトとパラメーターが残る。
ウェルカムクレジットで無料スタート。アップグレードでプレミアムモデル、高速生成、4K 出力を解放。
年額請求 · $240/年
年額請求 · $380/年
見出しサイズの画像内テキストと、情報密度の高いレイアウト。英語と中国語を同時に扱える。Alibaba の Qwen-Image ラインのフラッグシップで、Artificial Analysis のテキスト画像生成アリーナでは Elo 1284 の8位につけている。見出しサイズの文字テスト5つ — ポスター、メニュー、パッケージ、加えてモデルが自分で足した看板2点 — はすべて正しく綴られて返ってきた。
下描きは標準モデルで。一律20クレジットで、2K も追加料金なしで描画する。結果により細かい質感が必要なとき、あるいは中に重要な文字が入るときに Pro へ移ること。操作は同一なので、同じプロンプトと参照画像がそのまま引き継げる。
長い小さな文字については、優れていない — 40語の段落テストはここで崩れたし、GPT Image 2 は私たちが計測した中で今も最も頼りになる小さな文字のモデルだ。4K まで出せるし、参照画像も16枚受け付ける。中国語や二言語のタイポグラフィを現地のデザイナーが組むように組ませたいなら、Qwen Image 3 Pro のほうが強く、ティアごとに一律で読める料金で使える。
2026年8月19日の10回の実行を通して、57〜93秒、中央値79秒。生成は非同期なので、作業を続けたまま、結果がプロンプトとパラメーターを保存した状態で履歴に入る。
計画に織り込む価値のあることが3つ。長い小さな文字：40語の段落は半分が意味不明な文字列で返り、読めた単語のうち2つは綴りを間違えていた。自分で校正できない文字体系：独立系のテスターが韓国語で母音レベルの誤りを記録している。データ図：レビュアーは見た目は正しいのに数字が誤っているチャートを報告している — 私たち自身の5値のテストは通ったが、出す前にすべての数字を検証すること。加えて、頼んでいない文字を絶えずシーンに足してくる。見出しサイズならたいてい正しいが、必ず確認すること。
3つとも対応している。避けたいものはネガティブプロンプトに書き、制御したバリエーションにはシードを固定し、短い指示を膨らませたいときは自動プロンプト拡張をオンのままにする — 書いたとおりの言葉を守らせたいときは切ること。
1K は1枚30クレジット、2K は50クレジットで、1回の実行につき1枚。選んだティアの正確な料金は、支払う前に必ず生成ボタンに表示される。
はい。当社の利用規約のもと、生成した画像は個人・商用プロジェクトで利用できます。プロンプトの内容、商標、肖像権に関する責任はご自身にあります。
生成の前後の作業はワンクリックで——仕上げ、スタイル変更、共有まで。
