一上手就令网友直呼「生图能力」比GPT-4o更强？！

就在昨夜，阿里带着全新多模态模子Qwen-VLo开启炸场模式
。

据先容，Qwen-VLo在阿里原有的多模态明确和天生能力上举行了周全升级，具备三大亮点：

具有增强的细节捕获能力，能在整个天生历程中坚持高度语义一致性；一个指令即可实现图像编辑，包括气概替换、素材增删、添加文字等等；支持中英等多语言，全球用户使用更利便
。

并且无论是输入端照旧输出端，Qwen-VLo都支持恣意区分率和长宽比，不受牢靠名堂的限制
。

同时在官方释出的demo中，除了那些GPT-4o已经有的玩法（如一连天生、吉卜实力概、添加文字），它还支持一些脑洞大开的idea
。

前者无需多言，它现在也能像“一连剧”一样天生种种精准切合指令的图片：

至于后者，好比我们像在超市选购日用品一样，让Qwen-VLo天生一张“沐浴用品都在购物篮里”的图片
。

效果啪的一下，还真立马完成装货了(⊙?⊙)：

不是没有一些小瑕疵，但有一说一，其“明确”能力确实比之前更强
。

官方先容，这种明确能力不止体现在图像天生上，还包括对图像的识别诠释
。

好比完成生图使命后，再让它先容一下图中小猫小狗的品种（准确识别为虎斑猫和比格）：

并且和以往模子稍显差别的是，Qwen-VLo还可以对现有信息举行注释（如检测、支解等）
。

下图中，它乐成用红色Mask支解出了香蕉的边沿
。

现在模子人人免费可玩（目今为预览版），详细请认准Qwen3-235B-A22B，直接在首页输入框提需求就行
。

话未几说，我们先一起来上手实测一波走起
。

Qwen-VLo，你究竟有多能编辑？

凭证Qwen先容的亮点，即“强细节捕获”和“一句话编辑图像”，我们着重在测试中考察了Qwen-VLo的种种编辑能力
。

事实这点真的很吸引人
。

一方面险些所有的模子生图都需要抽卡，但前一次的天生效果并非让人完全不知足，以是二次/多次编辑能力很是主要
。

另一方面，强编辑能力，真的给P图废材省不少事儿……

开胃小菜先走起！

第一测，让它先天生一张北极熊喝可乐的照片
。

这一回合主打的是非现实气概
。

在此基础上，继续通过对话将可乐换成牛奶
。

一次乐成，Qwen-VLo确实完成了替换
。

且配景、北极熊本熊都险些没被乱改
。

但非要挑挑误差的话，照旧能视察出来，前后两张图中北极熊的眉眼部分和毛发质感稍微有那么一丁点纷歧样
。

第二测，先让它资助天生一张小鸟的照片
。

这一回合主打的是现实摄影气概
。

然后不必读霍格沃茨，只需一句“把图中的这只鸟换成鸽子”，你就能施展邪术：

但我们实验玩儿个“蒜鸟”的梗，Qwen-VLo就没get到
。

（注：“蒜鸟”一词是近期爆梗
。短视频画外音中的武汉方言“算了算了，都禁止易”，被网友谐音称“算鸟”，厥后演酿成“蒜鸟”）

不过，虽然没get到梗，Qwen-VLo照旧起劲想完成编辑使命
。

看下图效果，在不改变其它元素的基础上，Qwen-VLo给咱们把图中的鸽子换成了别的鸟
。

也算是一种换鸟了？

第三测，来个多办法使命，全方位测试Qwen-VLo“描绘”天下的同时，重点考察下它在图像上的文本编辑能力
。

历程是「让Qwen-VLo天生草图——上色——加字——编辑汉字」
。

来，怕动图滑太快，咱们连看历程中顺次截取的四张图，感受它每一步带来的改变：

虽然图里小帅同砚的五官在变，但人物主体稳固，配景没变，一整套下来，编辑汉字的使命算是搞得不错，

最厥后个附加题，编辑英文——

字编辑对了，多人物主体位置没变，配景依旧，总体没错
。

但如你所见，小帅同砚也长得较量美漫风了（手动笑死）
。

同样是逐步展示，但Qwen-VLo这背后真有活

这里我们睁开增补一点，各人上手玩儿的时间应该都能注重到
。

那就是Qwen-VLo天生图像的历程，是酱婶儿的——

是不是有点熟悉的味道？

没错，GPT-4o也是从上到下逐块天生图像的：先显示模糊轮廓，再逐步填充细节
。

不过其时港中文研究逆向工程研究发明，用户看到的逐行渲染效果只是OpenAI的障眼法，不是真的由上至下逐像素天生
。

这样做的目的，既知足用户对“实时天生”的心理预期，又阻止了真正逐行渲染的手艺肩负
。

但Qwen这么做就不是上演OpenAI的戏码了
。

敲敲黑板——

首先，Qwen官方体现Qwen-VLo的这种渐进式天生方法，不但是从上到下，照旧从左至右逐步清晰地构建整幅图片
。

我们多次实测，暂时没有肉眼视察到“从左至右”的前端效果
。

但从上到下逐渐组成照片的前端效果是保准会有的：

其次，Qwen引入这个形式，它是真·有用
。

在天生历程中，模子会对展望的内容一直调解和优化，从而确保最终效果越发协调一致
。这种天生气制不但提升了视觉效果，天生效率，还特殊适用于需要细腻控制的长段落文字天生使命
。

例如，在天生带有大宗文本的广告设计或漫画分镜时，Qwen-VLo会逐步天生，逐步修改
。

这个天生历程，着实有点头脑链“一步一步逐步想”具像化的意思了！

网友实测脑洞开很大，来吧展示

除了以上量子位实测，诸多网友也迅速孝顺了一波有趣玩法…

随手一张动漫角色草图， Qwen-VLo便能资助一键上色
。

让小猫担当宣传员，还能直接天生带有“Qwen Chat”字样的看板
。

或者也可以借鉴下面网友的做法，以后用来制作一些梗图（doge）
。

顺便一提，连Qwen团队成员之一Binyuan Hui也出来给各人打样，分享了吉卜实力概的某克日顶流
。

好了，更多例子就纷歧一展示了，只说一句：

现在模子免费开放，谈论区可带图，记得回来分享一波～

在线体验：https://chat.qwen.ai/博客：https://qwenlm.github.io/blog/Qwen-VLoo/