Qwen Image 2 – recenzja: ostry tekst, bez cenzury, słabe w logice

Nie publikujemy naszych klatek ze skali treści; raportujemy wyniki prozą. Galeria poniżej zawiera przykłady bezpieczne do pracy ze strony modelu Qwen Image 2.

Neonowy bar, blask jednej latarni. Kobieta w czekoladowym satynowym szlafroku z akcesorium w postaci lisiego ogona opiera się o bar pod czerwonymi papierowymi lampionami, za nią świeci szyld "MIDNIGHT FOX" — ciepłe bursztynowe światło i drażniący półobrót w stronę kamery, dokładnie tak, jak poproszono.

Mosiężna tabliczka, którą naprawdę da się przeczytać. Nocny korytarz hotelu w stylu art déco, kobieta oparta o drzwi z jednym butem zwisającym z palców; mosiężna tabliczka "214" i wieszak "DO NOT KNOCK" wyszły ostre i czytelne w normalnym rozmiarze, nie tylko jako tekstura.

Światło lampionów na letnim festynie. Mężczyzna i kobieta idą krok od siebie pod papierowymi lampionami na nocnym festynie, nad nimi rozkwitają fajerwerki — miękka poświata i bogaty kolor, bez niczego dodanego ani zgubionego z briefu.

Jedna referencja, jedno nowe otoczenie. W naszej edycji z jedną referencją kobieta i jej satynowy szlafrok są zachowane ze zdjęcia źródłowego i umieszczone w nowym neonowym barze, a ciepłe światło dopasowane do jej twarzy i ramion tak, że wynik czyta się jak jedno zdjęcie, a nie kolaż.

Słowa namalowane na pustym szyldzie. W naszej edycji z liternictwem trzy nowe linijki tekstu menu i szyld sklepu zostały dodane na puste powierzchnie zdjęcia źródłowego, podczas gdy wszystko inne — lada, para, lampiony — zostało dokładnie tam, gdzie było.

Qwen Image 2 czyta zwykłą angielską lub chińską prozę, nie tagi, i nagradza prompt, który nazywa garderobę, źródło światła i obiektyw w jednym ciągu. W edytorze nazwij, co wnosi każda referencja, i zakończ frazą "change nothing else", jeśli reszta kadru ma znaczenie.

1. Scena barowa z nazwanym źródłem światła.

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.

Uruchom ten prompt w Qwen Image 2 →

2. Nazwany szyld, nazwane liternictwo. To jest struktura, która daje czytelny tekst: nazwij powierzchnię, zacytuj dokładne słowa, potem powiedz, co ma zostać takie samo.

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.

Uruchom ten prompt w Qwen Image 2 →

3. Jedna referencja, jedno nowe otoczenie (edycja). Wgraj swoje zdjęcie, potem wklej to.

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.

Uruchom tę edycję w Qwen Image 2 →

Słaby: "Wall clock showing ten past two." Qwen Image 2 czyta "zegar" i "liczby", ale nie geometrię wskazówek godzinowej i minutowej, więc czas zwykle wychodzi błędny. Mocny: prompt 2 powyżej — stały fragment tekstu na nazwanej powierzchni, z linijką mówiącą, żeby zostawić resztę bez zmian.

25 września 2026 przepuściliśmy każdy poziom naszej skali treści na obu punktach końcowych: L1 Sugestywny, L2 Dojrzałe motywy, L3 Mocny, L4 Intensywny (intymna scena między dwojgiem dorosłych) i oba typy testu L5 Ekstremalny. W tekście na obraz wszystko się wyrenderowało tak, jak napisano, ekstremalne próby włącznie. W edytorze L1 do L3 i oba typy testu L5 Ekstremalny też wyrenderowały się tak, jak napisano — L4 Intensywny był tym jednym poziomem, gdzie dwie z trzech edycji wróciły jako zwykły, nieintymny portret zamiast tego. Etykieta strony to Bez cenzury: nie dokładamy żadnego własnego filtra treści.

Jeszcze nie testowaliśmy: L4 Intensywny w tekście na obraz poza naszymi trzema przebiegami; kompozycji z wielu referencji (edytor przyjmuje tylko jeden obraz źródłowy); scen z dwiema kobietami lub dwoma mężczyznami powyżej L1 Sugestywny.

Tylko dorośli, na każdym obrazie. Prawdziwa, rozpoznawalna osoba musi wyrazić zgodę, a do każdego edytowanego zdjęcia musisz mieć prawa.

Nastroje społeczności wobec tej konkretnej wersji są chłodniejsze niż nasze własne wyniki. Jeden komentator w wątku premierowym Qwen Image 2 napisał, że "te wygenerowane 'realistyczne' obrazy mają wyraźnie niesamowity odcień", a inny nazwał go "dość przeciętnym w moim odczuciu przy realistycznych obrazach" obok Nano Banana Pro od Google. Na arenie tekst na obraz Artificial Analysis wersja, którą tu uruchomiliśmy, plasuje się wyraźnie poza pierwszą pięćdziesiątką wśród 163 wymienionych modeli.

Osobna skarga nie ma nic wspólnego z jakością obrazu: Alibaba zapowiedziała otwarcie wag i miesiące później tego nie zrobiła. Jeden komentator z HN zauważył, że firma "obiecała wagi dla Qwen Image 2 jakieś 6 miesięcy temu", bez niczego dostarczonego — kontrast z w pełni otwartą licencją własnego Qwen Image 2.1 Alibaby, wydanego kilka tygodni po zamknięciu naszego okna testowego.

Nasze własne przebiegi lądują bliżej środka: realizm trzyma się dobrze na pozowanych portretach i zdjęciach produktowych, niesamowity odcień pojawia się głównie w ruchliwych scenach akcji (dłonie, tłumy), a mocne strony w liternictwie i tekście dwujęzycznym, którymi społeczność się nie zajmuje, były dla nas najmocniejszym punktem w grupie 18 modeli.

• Większe kadry za mniej? Seedream 4.0: $0.03 za obraz w dowolnym rozmiarze do 4096 pikseli szerokości, z do dziesięciu obrazami referencyjnymi w edytorze. Nasza recenzja Seedream 4.0.
• Otwarte wagi i tańszy edytor? Qwen Image 2.1, następca od Alibaby, otwarcie licencjonowany i model, za który społeczność faktycznie chwali renderowanie tekstu.
• Edytor wyżej oceniany przez głosujących? Qwen Image 3.0 Pro, najnowszy zamknięty model Alibaby, droższy, ale plasujący się przed tym na publicznych arenach.
• Tanie, szybkie i bez cenzury, z seedem? Z-Image Spicy: $0.01235 za obraz, dokładne wymiary w pikselach zamiast stałych proporcji, i seed dla powtarzalnych zestawów.