2026年阿里开源首个图像生成基础模型——Qwen-Image本地部署教程，超强中文渲染能力刷新SOTA！

科技前沿 • 2026-04-06 16:45 • 阅读 0

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

Qwen-Image 是阿里巴巴通义千问团队于 2025 年 8 月开源的首个图像生成基础模型，也是目前在复杂文本（尤其是中文）渲染方面表现最好的开源文生图大模型之一。

这是一个 20B MMDiT 图像基础模型，在复杂文本渲染 和精确图像编辑方面取得了重大进步。

性能表现上，在多个公开基准上的对 Qwen-Image 的全面评估，包括用于通用图像生成的 GenEval、DPG 和 OneIG-Bench，以及用于图像编辑的 GEdit、ImgEdit 和 GSO。Qwen-Image 在所有基准测试中均取得了最先进的性能，展现出其在图像生成与图像编辑方面的强大能力。此外，在用于文本渲染的 LongText-Bench、ChineseWord 和 TextCraft 上的结果表明，Qwen-Image 在文本渲染方面表现尤为出色，特别是在中文文本渲染上，大幅领先现有的最先进模型。这凸显了 Qwen-Image 作为先进图像生成模型的独特地位，兼具广泛的通用能力与卓越的文本渲染精度。

主要特性包括：

卓越的文本渲染能力 : Qwen-Image 在复杂文本渲染方面表现出色，支持多行布局、段落级文本生成以及细粒度细节呈现。无论是英语还是中文，均能实现高保真输出。
一致性的图像编辑能力 : 通过增强的多任务训练范式，Qwen-Image 在编辑过程中能出色地保持编辑的一致性。
强大的跨基准性能表现 : 在多个公开基准测试中的评估表明，Qwen-Image 在各类生成与编辑任务中均获得 SOTA，是一个强大的图像生成基础模型。

更多详情请见：Qwen-Image · 模型库

基础环境最低配置推荐

环境名称版本信息 Ubuntu 22.04.4 LTS Python 3.12 CUDA 12.6 NVIDIA Corporation RTX 4090 * 3

注：该模型支持多卡并行而不支持多卡推理，若显卡配置较高，可先用A100；较低，则可选用3张4090显卡配置，不过需要对原代码进行修改。

查看系统版本信息

更新软件包列表

配置国内镜像源（阿里云）

具体而言，vim 指令编辑文件

按进入编辑模式，将如下内容插入至文件中

 最后，按 键退出编辑模式，输入 命令并按下 键便可保存并退出 文件

创建虚拟环境

激活虚拟环境

创建Qwen-Image文件夹

github（QwenLM/Qwen-Image：Qwen-Image 是一个强大的图像生成基础模型，能够进行复杂的文本渲染和精确的图像编辑。）中克隆项目代码文件至该目录

requirements.txt 文件

文件内容：

转到魔塔社区官网下载模型文件：Qwen-Image · 模型库

使用命令行下载完整模型库

注：该模型支持多卡并行但不支持多卡推理，若要进行多卡推理，解决方案如1所示；若配置较高，显卡为A100，则可选用方案2，速度更快。

官方文档中并没有具体给出多卡推理的实现代码，如下的app.py可用于实现多卡推理。

app.py:

 运行app.py文件

在浏览器中粘贴网址，如（http://127.0.0.1:7860/），便可进行web页面访问。

若采用A100显卡，则可使用如下的demo.py文件运行模型。

demo.py:

 运行demo.py

2026年阿里开源首个图像生成基础模型——Qwen-Image本地部署教程，超强中文渲染能力刷新SOTA！

相关推荐