Qwen Image 2.0 Pro、多言語文字描画を磨き世界のText-to-Imageランキング9位へ一気に浮上

Qwenは今回の投稿で、曖昧な出来栄えの自慢ではなく、比較可能な数字を前面に出した。新しい画像モデルQwen-Image-2.0-ProがArenaのText-to-Image評価で世界9位に入ったという主張だ。ここが重要なのは、画像モデルが実務で崩れやすいのが文字描画、レイアウト保持、複雑な指示への追従だからだ。ポスター、UIモック、広告クリエイティブのように文字が多い用途では、見た目の派手さよりも文字の正確さと構図の安定性が効いてくる。

“Qwen-Image-2.0-Pro is now live… We’ve pushed image quality, multilingual text rendering, and instruction following to a new level… Ranked #9 worldwide for Text-to-Image.”

その数分後、Qwenは連投で改善点を分解した。複数オブジェクトや位置関係を含む複雑な指示への追従、質感とライティングの整合性、多言語グリフの精度、そして画風ごとの品質ばらつきの縮小である。引用されたArena側の数字も具体的だ。単一画像編集で17位、Portraitsで6位、Photorealistic/CinematicとArtでそれぞれ7位。単なる「高品質」という言い方より、どの作業で強いのかが見えるため、実運用を考える開発者にはこちらの方が判断材料になる。

Alibaba_QwenはQwenのオープン基盤モデルを扱う公式アカウントで、プロフィールはqwen.aiにつながっている。今回の投稿に長い技術論文は付いていないが、公開ベンチマークを引用し、ModelScopeでの試用へ誘導した点は実践的だ。特に多言語文字描画を強く押し出したことで、英語だけのデモではなく、地域化された制作物まで視野に入れていることが伝わる。

次に見るべきなのは、より深い技術ノートが出るか、APIや商用導線がどこまで広がるか、そして初期利用者が多言語ポスターやUI案のような難所で同じ改善を再現できるかだ。そこが揃えば、今回の更新は単なる新作画像モデルではなく、実務向けデザイン基盤としての存在感を強める。出典: 元ツイート.