L’équipe Qwen d'Alibaba a dévoilé Qwen-Image 3.0, la troisième génération de son modèle de génération d'images. Sur le papier, la mise à jour est impressionnante. Dans les faits, c'est ce qui n'accompagne pas l'annonce qui devrait retenir l'attention de tous ceux qui font tourner leurs modèles à la maison : ni poids téléchargeables, ni rapport technique, ni benchmark, ni même un nombre de paramètres.
Pour un modèle dont l'ancêtre direct était l'un des piliers de l’IA créative en open source, le changement est majeur.
Alibaba organise sa communication autour d'une idée simple : l'image générée doit cesser d'être une jolie illustration pour devenir un document utilisable.
Le modèle accepte désormais des prompts allant jusqu'à 4 500 tokens, contre environ 1 000 pour la version 2.0. Concrètement, on ne décrit plus une scène, on rédige un brief de mise en page complet : titre, sections, encadrés, légendes, diagrammes. La démonstration phare montre une grille de neuf infographies totalement différentes (un schéma de physique, une explication de biologie, une démonstration mathématique) produites en une seule passe à partir d'une unique instruction de 3 700 tokens.
Cette image a été entièrement générée par Qwen-Image-3.0 en un seul passage.
Deuxième promesse, le texte lisible jusqu'à 10 pixels, avec un rendu natif dans douze langues. Alibaba montre une page d'article scientifique avec ses équations sur plusieurs lignes, une une de journal fictive, des maquettes d'interfaces imbriquées les unes dans les autres. Le modèle sait même aller chercher des données en ligne pour produire, par exemple, un bulletin météo daté pour une ville précise.
C'est cohérent avec l'ADN de la gamme : depuis le début, Qwen-Image s'est distingué sur le rendu du texte dans l'image, particulièrement en chinois. La 3.0 pousse simplement le curseur beaucoup plus loin.
Mais on ne peut s’empêcher de remarquer que l’annonce officielle ne contient aucun tableau de résultats, aucune licence, aucun rapport technique décrivant l'entraînement, et aucun poids à télécharger. Le modèle est accessible via Qwen Chat, Qwen Studio et l'API d'Alibaba Cloud, dont la tarification n'a d'ailleurs pas été communiquée. Toutes les capacités annoncées reposent donc sur une galerie d'exemples choisis par Alibaba.
C'est un vrai problème méthodologique, et pas seulement une question de principe. Le rendu de texte est précisément le domaine où les modèles brillent sur des démos sélectionnées et trébuchent en usage réel.
Du coup, ca n'a pas manqué : dès le jour de la sortie, des testeurs indépendants ont relevé des fautes d'orthographe dans la démonstration coréenne officielle, vérifiées caractère par caractère par un lecteur natif. D'autres ont demandé un graphique d'évolution du PIB polonais sur vingt ans : le modèle reproduit correctement le texte du tableau fourni, mais aligne les points n'importe comment sur l'axe temporel. Plusieurs utilisateurs jugent par ailleurs la qualité générale en retrait face à GPT Image 2 ou Nano Banana Pro.
La trajectoire open-source de Qwen-Image n’est pas brillante. En août 2025, Qwen-Image sortait en 20 milliards de paramètres sous licence Apache 2.0, avec son rapport technique publié le jour même et une prise en charge native dans ComfyUI dès le lendemain. Une communauté entière s'est construite dessus : LoRA, ControlNets, versions quantifiées pour petites cartes graphiques, outils d'accélération.
Décembre 2025 marque l'apogée de cette politique : trois modèles ouverts en douze jours, dont Qwen-Image-2512, que l'équipe présentait alors comme le meilleur modèle open source du marché après plus de 10 000 comparaisons à l'aveugle.
Puis février 2026 : Qwen-Image-2.0 arrive, plus léger, plus performant… et accessible uniquement par API. Sur Hugging Face, la discussion demandant l'ouverture des poids s'est étirée pendant des mois sans réponse. Aujourd'hui, le dépôt GitHub officiel liste toujours Qwen-Image-2512 comme dernier modèle téléchargeable. Cela fait presque sept mois. Avec la 3.0, l'exception ressemble désormais à une règle.
