Qwen-Image: Alibabas offenes 20B-Bildmodell setzt auf präzise Textdarstellung
Mit Qwen-Image hat Alibabas Qwen-Team ein quelloffenes Modell zur Bildgenerierung mit 20 Milliarden Parametern vorgestellt. Seine besondere Stärke soll die Darstellung komplexer Texte in Bildern sein, vor allem auf Chinesisch.
Das Qwen-Team von Alibaba hat am 4. August 2025 Qwen-Image veröffentlicht, ein Basismodell zur Bildgenerierung mit 20 Milliarden Parametern. Es nutzt die Architektur MMDiT (Multimodal Diffusion Transformer) und ist unter der Apache-2.0-Lizenz als Open Source verfügbar.
Im Mittelpunkt steht die Darstellung von Text in Bildern. Laut Qwen kann das Modell komplexe Texte einschließlich mehrzeiliger Layouts und Absätze sowie feiner Details erzeugen, sowohl in alphabetischen Sprachen wie Englisch als auch in logografischen Sprachen wie Chinesisch. In der Ankündigung auf X schreibt das Team, die Textdarstellung sei auf Englisch mit GPT-4o vergleichbar und auf Chinesisch „best-in-class“. Dabei handelt es sich um Herstellerangaben.
Neben der Generierung soll Qwen-Image auch präzise Bildbearbeitung unterstützen. Darauf baut das zwei Wochen später veröffentlichte Qwen-Image-Edit auf. Gewichte und technischer Bericht wurden Anfang August 2025 veröffentlicht; ausprobieren ließ sich das Modell unter anderem über Qwen Chat, Hugging Face und ModelScope.
Qwen hat die Modellfamilie seither weiterentwickelt. Laut GitHub-Repository folgten unter anderem Qwen-Image-2512 Ende Dezember 2025 und die Ankündigung von Qwen-Image-2.0 im Februar 2026.
Quellen & weiterführende Links
Qwen-Image: Crafting with Native Text Rendering
GitHub - QwenLM/Qwen-Image
Qwen on X: Meet Qwen-Image — a 20B MMDiT model for next-gen text-to-image generation
Aktuelle Modelle, Preise und Benchmarks im Überblick
Offizielle API-Preise und Herstellerangaben mit Quellenlink – plus Kostenrechner.
Weitere Meldungen
Alle BerichteAnthropic, Google und OpenAI sprechen über ein gemeinsames KI-Standardgremium
Anthropic, Google und OpenAI haben laut CNN über ein branchenweites Gremium gesprochen, das fortgeschrittene KI-Modelle vor der Veröffentlichung prüfen könnte. Ausgangspunkt war ein Vorschlag von Google-DeepMind-Mitgründer Demis Hassabis vom Juli; eine Einigung über konkrete Standards gibt es bislang nicht.
DeepSeek gibt V4.1 Flash mit nativer Multimodalität für zweitägige API-Beta frei
DeepSeek hat im September 2026 ohne große Ankündigung eine zeitlich begrenzte API-Beta von V4.1 Flash geöffnet. Das Zwischenmodell basiert laut Berichten auf einer neuen Architektur und unterstützt nativ multimodale Eingaben.
Kurzmeldung der Redaktion auf Basis der verlinkten Quellen; Angaben der Hersteller sind als solche gekennzeichnet. Verantwortlich: Florian Schröder. Wie wir arbeiten