Review do Qwen Image 2: texto nítido, sem censura e fraco em lógica

Não publicamos os quadros da nossa escala de conteúdo; relatamos os resultados em prosa. A galeria abaixo traz exemplos publicados e seguros para o trabalho da página do modelo Qwen Image 2.

Um bar de neon, o brilho de uma lanterna. Uma mulher num robe de cetim cor de chocolate com um acessório de rabo de raposa se apoia num balcão sob lanternas de papel vermelhas, um letreiro «MIDNIGHT FOX» brilhando atrás dela — luz âmbar quente e uma meia-volta provocante para a câmera, exatamente como pedido.

Uma placa de latão que dá para ler de verdade. Um corredor de hotel art déco à noite, uma mulher encostada numa porta com um salto alto pendurado nos dedos; a placa de latão «214» e o aviso «DO NOT KNOCK» pendurado na maçaneta saíram nítidos e legíveis em tamanho normal de leitura, não só como textura.

Luz de lanterna para o festival de verão. Um homem e uma mulher caminham a um passo de distância sob lanternas de papel num festival noturno, fogos de artifício explodindo acima — brilho suave e cor rica sem nada acrescentado ou faltando do briefing.

Uma referência, um cenário novo. Na nossa edição de referência única, uma mulher e seu robe de cetim são mantidos intactos da foto de origem e colocados num novo bar iluminado a neon, a luz quente combinada no rosto e nos ombros dela para que o resultado pareça uma única fotografia em vez de uma colagem.

Palavras pintadas num letreiro em branco. Na nossa edição de letreiro, três novas linhas de texto de cardápio e uma placa de loja foram acrescentadas a superfícies em branco na foto de origem enquanto tudo o resto — o balcão, o vapor, as lanternas — ficou exatamente onde estava.

O Qwen Image 2 lê prosa simples em inglês ou chinês em vez de tags, e recompensa um prompt que nomeia figurino, fonte de luz e lente numa só passada. No editor, nomeie o que cada referência contribui e termine com «change nothing else» se o resto do quadro importar.

1. Cena de bar com uma fonte de luz nomeada.

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.

Rodar este prompt no Qwen Image 2 →

2. Letreiro nomeado, letra nomeada. Essa é a fórmula que dá texto legível: nomeie a superfície, cite as palavras exatas e depois diga o que precisa ficar igual.

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.

Rodar este prompt no Qwen Image 2 →

3. Uma referência, um cenário novo (edição). Envie sua foto e depois cole isto.

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.

Rodar esta edição no Qwen Image 2 →

Fraco: «Wall clock showing ten past two.» O Qwen Image 2 lê «clock» e «numbers» mas não a geometria dos ponteiros de hora e minuto, então a hora costuma sair errada. Forte: o prompt 2 acima — um texto fixo numa superfície nomeada, com uma linha dizendo para manter tudo o resto igual.

Rodamos cada nível da nossa escala de conteúdo nos dois endpoints em 25 de setembro de 2026: L1 Sugestivo, L2 Parcial, L3 Forte, L4 Intenso (uma cena íntima entre dois adultos) e os dois tipos de sonda de L5 Extremo. No texto para imagem, tudo renderizou como escrito, sondas extremas incluídas. No editor, L1 a L3 e os dois tipos de sonda de L5 Extremo também renderizaram como escritos — L4 Intenso foi o único nível em que duas de três edições voltaram como um retrato simples e não íntimo em vez disso. O rótulo da página é Sem censura: não adicionamos nenhum filtro de conteúdo do nosso lado.

Ainda não testado: L4 Intenso no texto para imagem além das nossas três execuções; composições com várias referências (o editor só aceita uma imagem de origem); cenas com duas mulheres ou dois homens acima de L1 Sugestivo.

Só adultos, em cada imagem. Uma pessoa real e identificável precisa ter consentido, e você precisa dos direitos de qualquer foto que editar.

O sentimento da comunidade sobre essa versão específica é mais frio do que os nossos próprios resultados. Um comentarista no tópico de lançamento do Qwen Image 2 escreveu que «essas imagens 'realistas' geradas têm uma sensação nitidamente estranha», e outro o chamou de «bem mediano na minha opinião em imagens realistas» ao lado do Nano Banana Pro do Google. Na arena de texto para imagem da Artificial Analysis, a versão que testamos aqui fica bem fora do top 50 entre 163 modelos listados.

Uma reclamação separada não tem nada a ver com a qualidade da imagem: a Alibaba disse que abriria os pesos e, meses depois, não tinha feito isso. Um comentarista do HN notou que ela tinha «prometido pesos para o Qwen Image 2 há cerca de 6 meses» sem nada entregue — um contraste com a licença totalmente aberta do próprio Qwen Image 2.1 da Alibaba, lançado poucas semanas depois do fim da nossa janela de teste.

Nossas próprias execuções ficam mais perto do meio-termo: o realismo se sustenta bem em retratos posados e still de produto, a sensação estranha aparece principalmente em cenas de ação agitadas (mãos, multidões), e as forças em letreiros e texto bilíngue que a comunidade não destaca foram o ponto alto para nós num campo de 18 modelos.

• Quadros maiores por menos? Seedream 4.0: $0.03 por imagem em qualquer tamanho até 4096 pixels de largura, com até dez imagens de referência no seu editor. Nosso review do Seedream 4.0.
• Pesos abertos e um editor mais barato? Qwen Image 2.1, o sucessor da Alibaba, com licença aberta e o modelo que a comunidade realmente elogia pela renderização de texto.
• Um editor que os votantes colocam mais acima? Qwen Image 3.0 Pro, o modelo fechado mais novo da Alibaba, com preço mais alto mas colocado à frente deste nas arenas públicas.
• Barato, rápido e sem censura, com seed? Z-Image Spicy: $0.01235 por imagem, dimensões exatas em pixels em vez de proporções fixas, e uma seed para conjuntos repetíveis.