Qwen Image 2 im Test: scharfer Text, unzensiert, schwach in Logik

Wir zeigen unsere Inhaltsleiter-Bilder hier nicht, sondern berichten die Ergebnisse in Worten. Die Galerie unten enthält arbeitsplatztaugliche Beispiele von der Modellseite von Qwen Image 2.

Eine Neonbar, ein Laternenschein. Eine Frau in einem schokoladenfarbenen Satinmantel mit Fuchsschwanz-Accessoire lehnt an einer Bar unter roten Papierlaternen, ein "MIDNIGHT FOX"-Schild leuchtet hinter ihr — warmes Bernsteinlicht und ein neckischer Halbdreh zur Kamera, genau wie verlangt.

Ein Messingschild, das man tatsächlich lesen kann. Ein Art-déco-Hotelflur bei Nacht, eine Frau lehnt an einer Tür, ein High Heel baumelt an ihren Fingern; das Messingschild "214" und der Türhänger "DO NOT KNOCK" kamen beide scharf und lesbar bei normaler Lesegröße heraus, nicht nur als Textur.

Laternenlicht für das Sommerfest. Ein Mann und eine Frau gehen einen Schritt auseinander unter Papierlaternen bei einem Nachtfest, Feuerwerk blüht darüber — weiches Bloom und satte Farbe, ohne dass der Vorgabe etwas hinzugefügt oder weggenommen wurde.

Eine Referenz, ein neuer Ort. In unserer Ein-Referenz-Bearbeitung bleiben eine Frau und ihr Satinmantel unangetastet aus dem Ausgangsfoto und werden an eine neue neonbeleuchtete Bar gesetzt, das warme Licht passend auf ihr Gesicht und ihre Schultern gelegt, sodass das Ergebnis wie ein einziges Foto wirkt statt wie eine Collage.

Worte auf ein leeres Schild gemalt. In unserer Schrift-Bearbeitung wurden drei neue Menüzeilen und ein Ladenschild auf leere Flächen im Ausgangsfoto gesetzt, während alles andere — der Tresen, der Dampf, die Laternen — genau dort blieb, wo es war.

Qwen Image 2 liest natürliches Englisch oder Chinesisch statt Tags und belohnt einen Prompt, der Garderobe, Lichtquelle und Objektiv in einem Zug benennt. Beim Editor nennen Sie die Aufgabe jeder Referenz und beenden Sie den Satz mit "sonst nichts ändern", wenn der Rest des Bildes wichtig ist.

1. Barszene mit benannter Lichtquelle.

Photorealistic cinematic still of a real adult woman in a dim neon cocktail bar at night, wearing a loose chocolate satin robe slipping off one shoulder, and a large fluffy orange-and-white faux fox tail accessory clipped at the small of her back, curving up behind her hip. She leans on the bar and glances back over her shoulder at the camera with a teasing half-smile. Red paper lanterns overhead, a neon sign on the back wall reading 'MIDNIGHT FOX', bottles bokeh, 35mm film grain, warm amber and crimson light.

Diesen Prompt auf Qwen Image 2 ausführen →

2. Benannte Schilder, benannte Schrift. Das ist die Form, die lesbaren Text liefert: die Fläche benennen, die exakten Worte zitieren, dann sagen, was gleich bleiben muss.

Photorealistic cinematic still, late night in an art-deco hotel corridor lit by dim brass wall sconces, patterned carpet and dark lacquered doors receding into a deep vignette. An adult woman leans back against one door with one shoulder to the frame, wearing a black lace-trimmed champagne silk slip with a fur-collared coat hanging open off her shoulders, bare legs, barefoot on the carpet, one black high heel dangling from a fingertip while the other lies kicked over on the carpet at her feet. She looks back down the empty corridor over her shoulder. On the door beside her head a polished brass plate reads '214', and a card hanger looped over the handle reads 'DO NOT KNOCK'. Warm amber light, 35mm, shallow focus, crisp evenly spaced legible lettering.

Diesen Prompt auf Qwen Image 2 ausführen →

3. Eine Referenz, ein neuer Ort (Bearbeitung). Laden Sie Ihr Foto hoch, dann fügen Sie dies ein.

Keep the woman and her satin robe from the image. Place her leaning on the bar of a narrow neon-lit cocktail lounge, and match the warm red lantern light onto her face and shoulders so it reads as one photograph.

Diese Bearbeitung auf Qwen Image 2 ausführen →

Schwach: "Wanduhr, die zehn nach zwei zeigt." Qwen Image 2 liest "Uhr" und "Zahlen", aber nicht die Geometrie von Stunden- und Minutenzeiger, deshalb ist die Zeit meist falsch. Stark: Prompt 2 oben — ein fester Text auf einer benannten Fläche, mit einer Zeile, die sagt, alles andere gleich zu lassen.

Wir liefen am 25. September 2026 jede Stufe unserer Inhaltsleiter auf beiden Endpunkten: L1 Andeutung, L2 Teilweise, L3 Stark, L4 Intensiv (eine intime Szene zwischen zwei Erwachsenen) und beide Testvarianten von L5 Extrem. Bei Text-zu-Bild wurde alles wie geschrieben gerendert, extreme Testvarianten eingeschlossen. Beim Editor kamen L1 bis L3 und beide L5-Extrem-Varianten ebenfalls wie geschrieben zurück — L4 Intensiv war die einzige Stufe, bei der zwei von drei Bearbeitungen stattdessen als schlichtes, nicht-intimes Porträt zurückkamen. Das Label auf der Seite lautet Unzensiert: Wir schalten keinen eigenen Inhaltsfilter dazwischen.

Noch nicht getestet: L4 Intensiv bei Text-zu-Bild über unsere drei Läufe hinaus; Mehrreferenz-Kompositionen (der Editor akzeptiert nur ein Ausgangsbild); Szenen mit zwei Frauen oder zwei Männern oberhalb von L1 Andeutung.

Nur Erwachsene, in jedem Bild. Eine reale, identifizierbare Person muss eingewilligt haben, und Sie brauchen die Rechte an jedem Foto, das Sie bearbeiten.

Die Community-Stimmung zu dieser konkreten Version fällt kühler aus als unsere eigenen Ergebnisse. Ein Kommentator im Launch-Thread zu Qwen Image 2 schrieb, dass "these generated 'realistic' images have a distinctly uncanny feel", ein anderer nannte es "pretty meh in my opinion in realistic images" im Vergleich zu Googles Nano Banana Pro. In der Text-zu-Bild-Arena von Artificial Analysis liegt die von uns getestete Version deutlich außerhalb der Top 50 von 163 gelisteten Modellen.

Eine separate Beschwerde hat nichts mit der Bildqualität zu tun: Alibaba hatte angekündigt, die Gewichte zu öffnen, und hatte es Monate später nicht getan. Ein HN-Kommentator merkte an, dass Alibaba "promised weights for Qwen Image 2 around 6 months ago", ohne dass etwas geliefert wurde — ein Kontrast zur vollständig offenen Lizenz von Alibabas eigenem Qwen Image 2.1, das einige Wochen nach Ende unseres Testfensters erschien.

Unsere eigenen Läufe landen näher an der Mitte: Der Realismus hält bei posierten Porträts und Produktfotos gut stand, das befremdliche Gefühl zeigt sich vor allem in belebten Actionszenen (Hände, Menschenmengen), und die Schrift- und Zweisprachigkeits-Stärken, bei denen die Community nicht lange verweilt, waren für uns der Höhepunkt in einem Feld von 18 Modellen.

• Größere Bilder für weniger? Seedream 4.0: $0.03 pro Bild bei jeder Größe bis 4096 Pixel Breite, mit bis zu zehn Referenzbildern beim Editor. Unser Test zu Seedream 4.0.
• Offene Gewichte und ein günstigerer Editor? Qwen Image 2.1, Alibabas Nachfolger, offen lizenziert und das Modell, das die Community für Textwiedergabe tatsächlich lobt.
• Ein Editor, den Wähler höher einstufen? Qwen Image 3.0 Pro, Alibabas neuestes geschlossenes Modell, teurer, aber in öffentlichen Arenen vor diesem hier platziert.
• Günstig, schnell und unzensiert, mit Seed? Z-Image Spicy: $0.01235 pro Bild, exakte Pixelmaße statt fester Seitenverhältnisse, und ein Seed für wiederholbare Serien.