Qwen-Image-3.0, da Alibaba: texto legível a partir de 10 pixels e infográficos em uma única passada

A equipe Qwen (Alibaba) apresentou em julho de 2026 o Qwen-Image-3.0, um gerador de imagens que aceita prompts de até 4500 tokens, renderiza texto legível a partir de 10 pixels e oferece suporte nativo a 12 idiomas.

O que o Qwen-Image-3.0 faz

O Qwen-Image-3.0 gera layouts complexos em uma única passada: infográficos, páginas no estilo de artigos científicos em LaTeX e páginas inteiras de jornal. A principal diferença em relação aos geradores anteriores está na legibilidade de fontes pequenas. O modelo produz textos nítidos com apenas 10 pixels de altura, enquanto a maioria dos modelos de difusão transforma esse tipo de texto em um borrão ilegível.

Principais características, segundo a equipe Qwen:

• Prompts de até 4500 tokens
• Texto legível a partir de 10 pixels
• Suporte nativo a 12 idiomas
• Infográficos, artigos em LaTeX e páginas de jornal em uma única passada

Qual é o problema dos layouts complexos

O valor prático desses layouts continua em questão. O Qwen-Image-3.0 entrega uma imagem pronta, não um documento editável: não dá para abrir e ajustar um infográfico ou uma página de jornal gerados, só refazê-los com um novo prompt. Em trabalhos reais de diagramação, em que o texto é revisado dezenas de vezes, essa limitação pesa mais do que o fato de uma fonte de 10 pixels ser legível.

«O valor prático desses layouts é questionável quando o resultado é uma imagem em pixels, e não um formato editável», observa o

The Decoder.

Ao mesmo tempo, o suporte a prompts de 4500 tokens amplia de fato o controle: em uma única solicitação, é possível descrever a estrutura da página, o texto de cada bloco e o estilo, sem dividir a tarefa em várias etapas.

Como isso se posiciona no mercado

O Qwen-Image-3.0 dá continuidade à linha de modelos abertos da Alibaba, que concorrem com geradores fechados como o Google Nano Banana e as soluções da OpenAI. A aposta em texto dentro da imagem e em suporte a 12 idiomas responde diretamente a um ponto fraco da maioria dos modelos de imagem: até hoje, as legendas em imagens geradas precisavam ser corrigidas manualmente ou inseridas depois, em um editor.

O que isso significa

Os geradores de imagens estão avançando sobre um nicho que antes era exclusivo de designers e diagramadores: cartazes, infográficos e capas com muito texto. Enquanto o resultado continuar sendo uma imagem «plana», sem camadas, o Qwen-Image-3.0 serve mais como ferramenta para rascunhos e prévias do que como substituto de um layout editável. Ainda assim, o modelo eleva de forma visível o padrão de legibilidade para texto pequeno.

Perguntas frequentes

O que o Qwen-Image-3.0 faz de fábrica?

Em uma única passada, o modelo gera infográficos, páginas no estilo de artigos em LaTeX e páginas de jornal. Ele aceita prompts de até 4500 tokens e renderiza texto legível a partir de 10 pixels em 12 idiomas.

Por que a geração de layouts complexos é criticada?

Porque o resultado é uma imagem em pixels, não um arquivo editável. Um infográfico ou uma página de jornal prontos não podem ser editados como um documento, apenas regenerados por inteiro com um novo prompt.