알리바바 Qwen, 이미지 생성 모델 ‘Qwen-Image-3.0’ 공개…4.5K 토큰 입력 지원

Qwen 공식 발표에 따르면 알리바바의 Qwen 팀은 21일 3세대 이미지 생성 기반 모델 ‘Qwen-Image-3.0’을 공개했다. 회사는 긴 지시문을 바탕으로 정보량이 많은 화면을 구성하고, 작은 글자와 여러 언어를 이미지 안에 표현하는 데 초점을 맞췄다고 설명했다.

가장 눈에 띄는 변화는 입력 길이다. Qwen-Image-3.0은 최대 4.5K 토큰의 지시문을 받을 수 있다. Qwen 팀은 약 3.7K 토큰으로 작성한 하나의 지시문에서 수학·물리·생물·의학 등 서로 다른 주제를 담은 3×3 인포그래픽을 한 번에 만들었다고 밝혔다. 여러 개념을 한 화면에 나란히 배치하거나, 코드 편집기와 대화창·메신저·포스터가 겹치는 화면처럼 중첩된 구조를 구성하는 사례도 제시했다.

텍스트 표현도 주요 개선점으로 내세웠다. 공식 발표는 10px 크기의 작은 글자까지 식별할 수 있다고 설명하면서 수식과 첨자, 다단 편집이 포함된 학술 문서와 신문 지면 사례를 공개했다. 다만 이는 회사가 제공한 예시에 기반한 설명이며, 다른 모델과 동일한 조건에서 비교한 독립 벤치마크 결과는 함께 발표되지 않았다.

Qwen-Image-3.0은 이미지 생성과 편집을 함께 다룬다. 낡은 회화의 손상된 부분을 원래 화풍에 맞춰 복원하거나, 사진을 바탕으로 분류 정보와 확대 보기·축척을 더한 연구용 도해를 구성하는 사례가 포함됐다. 실제 업무에서는 생성 결과의 사실성, 수식과 문자의 정확성, 저작권과 상표 사용 여부를 별도로 검수해야 한다.

언어와 표현 범위도 넓혔다. Qwen 팀은 12개 언어와 여러 글꼴, 100개 이상의 예술 스타일을 지원한다고 밝혔다. 웹 페이지와 게임, 라이브 방송 화면 같은 사용자 인터페이스를 재현하고, 인터넷 검색을 연결해 최신 정보를 반영한 이미지를 만들 수 있다고도 소개했다.

이번 발표는 이미지 생성 모델의 경쟁 축이 사진 품질을 넘어 문서와 인터페이스를 실제 작업물에 가까운 형태로 구성하는 능력으로 이동하고 있음을 보여준다. 긴 지시문과 다국어 텍스트 렌더링이 안정적으로 작동한다면 교육 자료, 콘텐츠 제작, 전자상거래, 디자인 시안 분야의 활용 폭이 넓어질 수 있다.

모델 구조와 가중치 공개 여부, API의 정식 제공 범위와 가격은 이번 공식 발표에서 확인되지 않았다. 회사가 제시한 정성적 사례가 다양한 언어와 복잡한 업무 환경에서도 재현되는지는 독립 평가가 더 필요하다.

출처: Qwen 공식 발표 https://qwen.ai/blog?id=qwen-image-3.0
출처: Qwen 공식 블로그 원문 https://qwenlm.github.io/blog/qwen-image-3.0/