Qwen-Image-3.0 от Alibaba: читаемый текст в 10 пикселей и инфографика за один проход

A equipe do 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 suporta nativamente 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 é a legibilidade de fontes pequenas: o modelo produz textos legíveis com apenas 10 pixels de altura, enquanto a maioria dos modelos de difusão transforma esse texto em uma massa ilegível.

Principais características, segundo a equipe do Qwen:

• Comprimento do prompt — até 4500 tokens
• Texto legível mínimo — a partir de 10 pixels
• Suporte nativo a 12 idiomas
• Em uma única passada — infográficos, artigos em LaTeX, páginas de jornal

Qual é a pegadinha dos layouts complexos

O valor prático desses layouts continua em dúvida. O Qwen-Image-3.0 entrega uma imagem pronta, não um documento editável: um infográfico ou página de jornal gerado não pode ser aberto e corrigido — só redesenhado com um novo prompt. Para tarefas reais de diagramação, em que o texto é corrigido dezenas de vezes, essa limitação pesa mais do que o próprio fato de um texto de 10 pixels ser legível.

"O valor prático desses layouts fica em dúvida quando o resultado é uma imagem em pixels, e não um formato editável", observa o veículo

The Decoder.

O suporte a prompts de 4500 tokens, por sua vez, amplia de fato o controle: em uma única solicitação é possível descrever a estrutura da página, os textos dos blocos e o estilo ao mesmo tempo, 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 competem com geradores fechados como o Google Nano Banana e as soluções da OpenAI. A aposta em texto dentro da imagem e no multilinguismo com 12 idiomas é uma resposta direta ao ponto fraco da maioria dos modelos de imagem: até agora, os textos em imagens geradas precisavam ser corrigidos manualmente ou sobrepostos em um editor.

O que isso significa

Os geradores de imagens estão avançando sobre um nicho antes ocupado só por designers e diagramadores: pôsteres, infográficos, capas com muito texto. Enquanto a saída continuar sendo uma imagem "plana" sem camadas, o Qwen-Image-3.0 é mais uma ferramenta para rascunhos e prévias do que um substituto de um layout editável — mas o modelo eleva de forma notável o padrão de legibilidade de textos pequenos.

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, 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 página de jornal pronta não pode ser editada como um documento, só regenerada por inteiro com um novo prompt.