Alibaba Cloud a présenté Qwen-Image-3.0, qui marque la troisième génération de son modèle de base de génération d’images de la série Qwen-Image. Ce nouveau modèle prend en charge jusqu’à 4 500 tokens en entrée. Outre la complexité de la mise en page, Qwen-Image-3.0 offre un rendu précis de textes d’une taille minimale de 10 pixels et capture des détails visuels à l’échelle microscopique. Le modèle offre une prise en charge native de 12 langues et peut simuler toute une gamme d’interfaces courantes. Cette annonce intervient dans un contexte où l'écart entre les modèles d'IA à poids ouverts et les modèles propriétaires de pointe est aussi faible.Alibaba Cloud est une entreprise spécialisée dans le cloud computing, filiale du groupe Alibaba. Alibaba Cloud fournit des services de cloud computing aux entreprises en ligne ainsi qu'à l'écosystème de commerce électronique d'Alibaba. Alibaba Cloud propose des services cloud disponibles selon un modèle de facturation à l'utilisation, notamment des ressources de calcul élastiques, le stockage de données, des bases de données relationnelles, le traitement du big data, la protection contre les attaques DDoS et des réseaux de diffusion de contenu (CDN). Qwen est une famille de grands modèles de langage développée par Alibaba Cloud. De nombreux modèles Qwen sont distribués sous la licence Apache, libre et open source, sous la licence Qwen, dont le code source est disponible, ou sous la licence Qwen Research, à usage non commercial ; d'autres modèles Qwen propriétaires sont proposés par Alibaba Cloud.
Alibaba Cloud a présenté Qwen-Image-3.0, qui marque la troisième génération de son modèle de base de génération d’images de la série Qwen-Image. Ce nouveau modèle prend en charge jusqu’à 4 500 tokens en entrée, ce qui permet de générer des résultats visuellement riches, notamment des journaux, des storyboards et des sujets d’examen, comportant des mises en page complexes et de grands volumes d’informations structurées.
Outre la complexité de la mise en page, Qwen-Image-3.0 offre un rendu précis de textes d’une taille minimale de 10 pixels et capture des détails visuels à l’échelle microscopique, tels que les pores et les mèches de cheveux, permettant ainsi une reproduction réaliste des textures et de la typographie. Le modèle offre une prise en charge native de 12 langues et peut simuler toute une gamme d’interfaces courantes, notamment des pages web, des jeux et des diffusions en direct. Il génère également des infographies réalistes et s’appuie sur une connaissance approfondie du monde.
S’appuyant sur ces capacités fondamentales, le modèle fait preuve d’un contrôle spatial avancé avec expansion horizontale, permettant un placement ordonné de plusieurs concepts au sein d’une même image, sans chevauchement ni interférence. La gestion de la profondeur permet au modèle de décomposer sémantiquement les scènes, prenant en charge plusieurs couches d’interface imbriquées au sein d’un même canevas. Il convient notamment de noter que Qwen-Image-3.0 est capable de rendre des articles scientifiques complets comportant plusieurs lignes d’équations mathématiques au format LaTeX, garantissant une représentation précise des exposants, des indices et d’autres éléments de composition, même à petite échelle.
Cette annonce intervient alors que le 19 juillet 2026, Alibaba a présenté Qwen 3.8 Max Preview au World AI Conference à Shanghai. En matière de performances, Alibaba a déclaré que « Qwen 3.8 est comparable aux modèles d’IA de pointe ». Il est décrit comme « le deuxième modèle le plus performant sur le marché après Claude Fable 5 d’Anthropic ». Qwen 3.8 Max Preview est lancé deux mois après la commercialisation de Qwen 3.7 Max. Alors que Qwen 3.7 Max était entièrement axée sur les charges de travail d’agents à long terme, Qwen 3.8 Max ajoute un deuxième atout majeur : la multimodalité native. La prise en charge du texte et des entrées visuelles est confirmée ; les informations font aussi état d’une prise en charge de la génération de vidéos, de documents, de discours et d’images.
L'écart entre les modèles d'IA à poids ouverts et les modèles propriétaires de pointe n'a jamais été aussi faible. Les modèles d'intelligence artificielle (IA) open source chinois ont considérablement étendu leur présence à l'échelle mondiale, leur taux d'adoption passant de 13 % à près de 30 % de l'utilisation totale en 2025, principalement grâce à Qwen et DeepSeek. Cette tendance a été documentée dans le rapport "State of AI" d'OpenRouter, qui a analysé plus de 100 000 milliards de jetons sur plus de 300 modèles, révélant ainsi le passage d'une domination propriétaire à une concurrence pluraliste et open source à l'échelle mondiale.
Voici un extrait de l'annonce de Qwen-Image-3.0 :
Qwen-Image-3.0 : un contenu riche, des détails authentiques, des connaissances approfondies
Nous lançons Qwen-Image-3.0, le modèle de génération d’images de base de troisième génération de la série Qwen-Image. Si le mot-clé de Qwen-Image-1.0 était « Précision », et si ceux de Qwen-Image-2.0 étaient « Précision, Variété, Exhaustivité, Beauté et Authenticité », alors l’essence même de Qwen-Image-3.0 se résume à un seul mot : « Réel » (实).
Ce « Réel » s’incarne à travers trois dimensions :
- Contenu riche : prend en charge jusqu’à 4,5k tokens en entrée, générant sans effort des mises en page complexes telles que des journaux, des storyboards et des sujets d’examen.
- Détails authentiques : permet un rendu précis de textes aussi petits que 10px, reproduisant de manière vivante des détails tels que les pores et les mèches de cheveux grâce à une représentation réaliste à l’échelle microscopique.
- Connaissances approfondies : prend en charge le rendu natif de 12 langues, simule des interfaces courantes telles que les pages web, les jeux et les diffusions en direct, et s'appuie sur de riches connaissances du monde réel.
En un mot, Qwen-Image-3.0 ne vise pas seulement la « beauté », mais aussi l’« utilité », faisant de la génération d’images un véritable outil de productivité prêt à l’emploi.
Contenu riche
Commençons par l’image ci-dessous, générée par Qwen-Image-3.0 :
Comme vous pouvez le constater, Qwen-Image-3.0 est capable de reproduire avec précision une diapositive de mathématiques, y compris les relations spatiales, les symboles mathématiques, les descriptions de théorèmes et d’autres contenus visuels riches. Ce contenu est présenté de manière cohérente, avec un positionnement relatif approprié, et semble riche en informations.
Cependant, ce n’est pas là la véritable force de Qwen-Image-3.0. En réalité, cela ne représente qu’« 1/9 » de ses capacités réelles, car cette image n’est en fait qu’une cellule d’une grille complexe 3×3 générée par Qwen-Image-3.0. Examinons l’image d’origine :
C’est exact : l’image ci-dessus a été entièrement générée par Qwen-Image-3.0 en un seul passage, sans avoir été assemblée à partir de plusieurs images. La difficulté de cette image réside dans le fait que chaque cellule est une infographie complexe ; la description précise de l’ensemble de la grille 3×3 nécessite pas moins de 3,7k tokens.
Ces 3 700 tokens doivent illustrer intégralement une bande dessinée sur la sécurité dans les tunnels, une leçon de géométrie spatiale, une analyse stylistique de « Chu Shi Biao » (Mémorial sur l’envoi des troupes), le mouvement des projectiles en physique, une explication sur la parasitologie en biologie, un schéma médical illustrant une douleur thoracique du côté droit, les théorèmes de Sylow en théorie des groupes, une infographie sur la gestion du contrôle interne bancaire et une comparaison de la structure de l’ADN cellulaire — chaque cellule contenant du texte précis en chinois et en anglais, des...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.