Qwen-Image-2.0 Technisch Rapport
Qwen-Image-2.0 Technical Report
May 11, 2026
Auteurs: Bing Zhao, Chenfei Wu, Deqing Li, Hao Meng, Jiahao Li, Jie Zhang, Jingren Zhou, Junyang Lin, Kaiyuan Gao, Kuan Cao, Kun Yan, Liang Peng, Lihan Jiang, Niantong Li, Ningyuan Tang, Shengming Yin, Tianhe Wu, Xiao Xu, Xiaoyue Chen, Xihua Wang, Yan Shu, Yanran Zhang, Yi Wang, Yilei Chen, Ying Ba, Yixian Xu, Yujia Wu, Yuxiang Chen, Zecheng Tang, Zekai Zhang, Zhendong Wang, Zihao Liu, Zikai Zhou, An Yang, Chen Cheng, Chenxu Lv, Dayiheng Liu, Fan Zhou, Hantian Xiong, Hongzhu Shi, Hu Wei, Huihong Zhao, Ivy Liu, Jianwei Zhang, Jiawei Zhang, Kai Chen, Kang He, Levon Xue, Lin Qu, Linhan Tang, Luwen Feng, Minggang Wu, Minmin Sun, Na Ni, Rui Men, Shuai Bai, Sishou Zheng, Tao Lan, Tianqi Zhang, Tingkun Wen, Wei Wang, Weixu Qiao, Weiyi Lu, Wenmeng Zhou, Xiaodong Deng, Xiaoxiao Xu, Xinlei Fang, Xionghui Chen, Yanan Wang, Yang Fan, Yichang Zhang, Yixuan Xu, Yu Wu, Zhiyuan Ma, Zhizhi Cai
cs.AI
Samenvatting
We presenteren Qwen-Image-2.0, een universeel capabel beeldgeneratie-fundamentmodel dat high-fidelity-generatie en nauwkeurige beeldbewerking binnen één enkel raamwerk verenigt. Ondanks recente vooruitgang hebben bestaande modellen nog steeds moeite met ultra-lange tekstweergave, meertalige typografie, hoge-resolutie fotorealisme, robuuste instructie-opvolging en efficiënte implementatie, met name in tekstrijke en compositorisch complexe scenario’s. Qwen-Image-2.0 pakt deze uitdagingen aan door Qwen3-VL als de conditie-encoder te koppelen aan een Multimodale Diffusie-Transformer voor gezamenlijke conditie-doelmodellering, ondersteund door grootschalige datacuratie en een aangepaste meerfasige trainingspijplijn. Dit maakt sterke multimodale begrip mogelijk, terwijl flexibele generatie- en bewerkingscapaciteiten behouden blijven. Het model ondersteunt instructies van maximaal 1K tokens voor het genereren van tekstrijke inhoud zoals dia's, posters, infographics en strips, terwijl de meertalige tekstgetrouwheid en typografie aanzienlijk worden verbeterd. Het verbetert ook fotorealistische generatie met rijkere details, realistischere texturen en coherente belichting, en volgt complexe prompts betrouwbaarder in diverse stijlen. Uitgebreide menselijke evaluaties tonen aan dat Qwen-Image-2.0 aanzienlijk beter presteert dan eerdere Qwen-Image-modellen, zowel bij generatie als bij bewerking, wat een stap markeert naar meer algemene, betrouwbare en praktische beeldgeneratie-fundamentmodellen.
English
We present Qwen-Image-2.0, an omni-capable image generation foundation model that unifies high-fidelity generation and precise image editing within a single framework. Despite recent progress, existing models still struggle with ultra-long text rendering, multilingual typography, high-resolution photorealism, robust instruction following, and efficient deployment, especially in text-rich and compositionally complex scenarios. Qwen-Image-2.0 addresses these challenges by coupling Qwen3-VL as the condition encoder with a Multimodal Diffusion Transformer for joint condition-target modeling, supported by large-scale data curation and a customized multi-stage training pipeline. This enables strong multimodal understanding while preserving flexible generation and editing capabilities. The model supports instructions of up to 1K tokens for generating text-rich content such as slides, posters, infographics, and comics, while significantly improving multilingual text fidelity and typography. It also enhances photorealistic generation with richer details, more realistic textures, and coherent lighting, and follows complex prompts more reliably across diverse styles. Extensive human evaluations show that Qwen-Image-2.0 substantially outperforms previous Qwen-Image models in both generation and editing, marking a step toward more general, reliable, and practical image generation foundation models.