Обзор Qwen Image 2: чёткий текст, без цензуры, слабая логика

Мы не публикуем кадры наших прогонов по шкале; результаты мы описываем словами. В галерее ниже — безопасные для работы примеры со страницы модели Qwen Image 2.

Неоновый бар, свет одного фонаря. Женщина в шоколадном атласном халате с аксессуаром в виде лисьего хвоста облокачивается на барную стойку под красными бумажными фонарями, за спиной у неё светится вывеска «MIDNIGHT FOX» — тёплый янтарный свет и дразнящий полуразворот к камере, ровно как просили.

Латунная табличка, которую действительно можно прочитать. Ар-деко коридор отеля ночью, женщина прислонилась к двери, держа одну туфлю за каблук; латунная табличка «214» и табличка «НЕ БЕСПОКОИТЬ» на ручке вышли чёткими и читаемыми в обычном размере чтения, а не просто текстурой.

Свет фонарей для летнего фестиваля. Мужчина и женщина идут на шаг друг от друга под бумажными фонарями на ночном фестивале, над ними распускается фейерверк — мягкое свечение и насыщенный цвет, в брифе ничего не добавлено и ничего не пропущено.

Один референс, новая обстановка. В нашей правке с одним референсом женщина и её атласный халат сохранены с исходного фото и помещены в новый неоновый бар, тёплый свет наложен на её лицо и плечи так, что результат читается как одна фотография, а не коллаж.

Слова, нарисованные на пустой вывеске. В нашей правке с надписью три новые строки текста меню и вывеска магазина добавлены на пустые поверхности исходного фото, а всё остальное — стойка, пар, фонари — осталось точно на своих местах.

Qwen Image 2 читает простую английскую или китайскую прозу, а не теги, и вознаграждает промпт, где в один заход названы наряд, источник света и объектив. В редакторе назовите вклад каждого референса и закончите фразой «ничего больше не меняй», если важен остальной кадр.

1. Барная сцена с названным источником света.

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.

Запустить этот промпт на Qwen Image 2 →

2. Названная вывеска, названные буквы. Именно такая форма даёт читаемый текст: назовите поверхность, процитируйте точные слова, потом скажите, что должно остаться неизменным.

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.

Запустить этот промпт на Qwen Image 2 →

3. Один референс, новая обстановка (правка). Загрузите своё фото, затем вставьте это.

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.

Запустить эту правку на Qwen Image 2 →

Слабо: «Настенные часы, показывающие десять минут третьего.» Qwen Image 2 читает «часы» и «цифры», но не геометрию часовой и минутной стрелок, поэтому время обычно неверное. Сильно: промпт 2 выше — фиксированный текст на названной поверхности со строкой о том, что всё остальное нужно оставить без изменений.

25 сентября 2026 года мы прогнали каждую ступень нашей шкалы контента на обоих эндпоинтах: L1 Намёк, L2 Взрослые темы, L3 Сильный, L4 Интенсивный (интимная сцена между двумя взрослыми) и оба типа теста L5 Экстрим. На тексте-в-изображение всё вышло как написано, включая экстремальные пробы. В редакторе L1–L3 и оба теста L5 Экстрим тоже вышли как написано — L4 Интенсивный был единственной ступенью, где два из трёх редактирований вернулись обычным неинтимным портретом вместо запрошенной сцены. Метка на странице — Без цензуры: мы не добавляем своих фильтров контента.

Ещё не проверено: L4 Интенсивный на тексте-в-изображение сверх наших трёх прогонов; композиции из нескольких референсов (редактор принимает только одно исходное изображение); сцены с двумя женщинами или двумя мужчинами выше ступени L1 Намёк.

Только взрослые, в каждом изображении. Реальный узнаваемый человек должен дать согласие, и у вас должны быть права на любое фото, которое вы редактируете.

Настрой сообщества к этой конкретной версии холоднее наших собственных результатов. Один комментатор в ветке запуска Qwen Image 2 написал, что "эти сгенерированные 'реалистичные' изображения производят отчётливо жутковатое впечатление", другой назвал её "довольно так себе, на мой взгляд, в реалистичных изображениях" на фоне Nano Banana Pro от Google. На арене текст-в-изображение Artificial Analysis версия, которую мы тестировали, стоит далеко за пределами топ-50 среди 163 перечисленных моделей.

Отдельная претензия не связана с качеством изображений: Alibaba заявила, что откроет веса, а месяцы спустя этого не сделала. Один комментатор на HN отметил, что компания "обещала веса для Qwen Image 2 около 6 месяцев назад", ничего не выпустив — контраст с полностью открытой лицензией на собственную Qwen Image 2.1 от Alibaba, вышедшую через несколько недель после закрытия нашего тестового окна.

Наши собственные прогоны ближе к середине: реализм хорошо держится на постановочных портретах и предметной съёмке, жутковатость проявляется в основном в насыщенных экшн-сценах (руки, толпы), а сильные стороны в буквах и двуязычном тексте, о которых сообщество не задерживается, стали для нас главным плюсом в поле из 18 моделей.

• Кадры крупнее за меньшие деньги? Seedream 4.0: $0.03 за изображение любого размера до 4096 пикселей в ширину, до десяти референсных изображений в редакторе. Наш обзор Seedream 4.0.
• Открытые веса и более дешёвый редактор? Qwen Image 2.1, продолжение от Alibaba, с открытой лицензией — именно эту модель сообщество хвалит за рендер текста.
• Редактор, который голосующие ставят выше? Qwen Image 3.0 Pro, самая свежая закрытая модель Alibaba, дороже, но занимает более высокое место на публичных аренах.
• Дёшево, быстро, без цензуры, с seed? Z-Image Spicy: $0.01235 за изображение, точные пиксельные размеры вместо фиксированных пропорций и seed для повторяемых серий.