一张图生成9页PPT?我把Qwen-Image-3.0往死里测了一遍

大家好，我是吾鳴。专注于分享提升工作与生活效率的工具，无偿分享AI领域相关的精选报告，持续关注AI的前沿动向。

这两天，千问又扔出来了一个新的图片生成大模型——Qwen-Image-3.0。

第一次看官方的展示图的时候，我确实是有点儿没有反应过来，它生成的不是一张普通的海报，也不是我们已经看腻了的AI美女，而是直接在一张图片中塞进了9张风格完全不同的PPT，每一页都有独立的标题、正文、公式和插图。

更为夸张的是，官方还表示Qwen-Image-3.0可以接受最长约4500 Token的输入，生成报纸、试卷、分镜、知识信息图等复杂的图片排版；能够渲染小到10像素的文字，支持12种语言、多种字体、100多种艺术风格，还能模拟网页、游戏、直播等不同UI界面。

看起来确实是很不错。

但是看完这些案例，我脑子里面冒出来的第一个问题不是“这模型到底有多强？”，而是“ **普通用户随手输入一段提示词，也能得到这样的结果吗？ **”。

毕竟AI图片模型的官方演示，我们已经看得太多了。

缩略图看起来很惊艳，放大之后，全是错别字；海报第一眼看有模有样，仔细一看，日期、价格、地址没有一个是对的；信息图排得密密麻麻，看起来知识量很大，实际则是在一本正经胡说八道。

所以，这一次我不打算拿几条“一个女孩站在海边”之类的简单提示词跑一遍，然后挑几张好看的图片夸它厉害。

既然Qwen-Image-3.0敢说自己能生成9页PPT、报纸、试卷、信息图和复杂UI，那我就按照真正干活的标准，把它往死里测一遍。

案例1： 一张图片，真的能生成9页PPT吗？

我希望Qwen-Image-3.0可以按照官方给的样例图，去生成一张塞进了九张不同风格PPT的图片。

提示词很长（近2500字），这里我只截取了部分，提示词中详细描述每一个格子的内容的部分已经被我省略。

生成一张超高清16:9横屏图片。

整张图片是一面由9张独立知识课件组成的九宫格展示墙，按照3列×3行排列。每一个格子都是一张完整、独立、横向16:9比例的微型课件或知识信息图。

重要要求：

1. 九个格子大小完全一致，排列整齐，格子之间保留窄而均匀的白色间距。
2. 九个格子必须拥有各自独立的标题、内容、构图和视觉风格。
3. 不要设置整张图片共同的大标题。
4. 不要让任何文字、人物、箭头或图形跨越格子边界。
5. 不同格子的内容不得互相混合，不得重复。
6. 每一格都必须像一张可以独立使用的完整课件，而不是简单图标或缩略图。
7. 所有指定文字、数字、公式、单位和符号必须准确显示。
8. 中文使用规范简体中文，英文不得出现拼写错误。
9. 所有小字在放大后仍然清楚可读。
10. 九个格子可以使用不同的设计语言，但每一格内部必须风格统一、信息层级清楚。
11. 不得增加第10个格子，不得缺少任何格子。
12. 图片中不要出现水印、品牌Logo、页码或无意义乱码。

按照从左到右、从上到下的顺序生成以下九张独立课件。

━━━━━━━━━━━━━━━━━━
【第1格：交通安全三格漫画】
━━━━━━━━━━━━━━━━━━

......

生成的图片完整的按照提示词的指示生成了9个独立的PPT页面，每个页面中的标题都严格按照提示词中指定的文案生成，这张图中出现的文字，放大去看，都没有出现乱码，中文文字渲染稳定，看来官方的案例也不是吹的。

案例2：中文文字海报，能不能一次交付？

很多图片模型已经能够生成几个醒目的大标题海报，但是真正做商业化的设计，不可能只有一个标题，还会有时间、地点、嘉宾、活动流程等等信息。

所以这个案例，不要让大模型自己去发挥，而是海报中的内容都通过提示词去严格的指定。

设计一张竖版科技活动海报，比例3:4，整体风格简洁、高级、现代，背景使用深蓝色渐变和少量发光线条。

海报必须准确包含以下文字：

主标题：2026杭州AI创作者大会

英文副标题：AI CREATOR CONFERENCE

日期：2026年8月16日

时间：09:30—17:30

地点：杭州未来科技城国际会议中心

活动主题：从使用AI，到建立自己的AI生产力

嘉宾：

陈晨｜AI产品独立开发者

林晓｜品牌视觉设计师

周远｜内容创业者

上午议题：AI工具、智能体与自动化工作流

下午议题：AI图片、短视频与商业变现

按钮文字：立即报名

底部小字：限额300人，报名成功后将通过短信通知

主办方：未来创作实验室

右下角保留一个清晰的正方形二维码占位框，框内写“扫码报名”。

所有文字必须使用规范简体中文，信息不得遗漏，不得自行修改姓名、日期、时间和地点。

生成的海报中的标题、时间、地点、嘉宾等信息都是按照提示词严格生成，并且最下方的小字没有乱码。

测到这里，Qwen-Image-3.0在文字处理上确实是有了质的飞跃，不会像之前的模型，生成的图片文字乱七八糟的。

案例3：密密麻麻的小字，究竟能小到什么程度？

因为官方提到了10像素级别的小字，所以不能放过小字的测试，这个案例让它去生成一张商品参数说明书。

生成一张横版产品规格说明图，比例16:9，白色背景，专业工业设计风格。

产品名称：M-ONE桌面AI工作站

左侧展示一台银灰色小型桌面电脑的三视图，包括正面、侧面和背面。

右侧是一张整齐的参数表，必须准确包含：

处理器：12核心高性能处理器

内存：32GB统一内存

存储：1TB固态硬盘

网络：Wi-Fi 7与2.5G有线网络

接口：2个USB-C、3个USB-A、1个HDMI

显示输出：最高支持两台6K显示器

整机重量：1.28千克

产品尺寸：197毫米×197毫米×36毫米

保修期限：两年有限保修

包装清单：主机、电源适配器、USB-C数据线、快速入门指南

图片最下方增加一段小字：

“本页面展示的产品为虚构测试产品，所有参数仅用于测试AI图片模型的中文小字渲染、数字准确性和复杂排版能力，不代表任何真实商品。”

所有参数必须保持原文，不得修改数字、单位或接口数量。表格线条清晰，文字从大标题到小字形成明显字号层级。

可以看到生成的图片最下方的小字，这个级别的字体，其实已经是够小的了，可以把图片放大去看，会发现小字的支持也是非常的好的，这里需要站起来点赞。

案例4：数学公式，不允许差一个字符

文字写错一个字，那可能只是尴尬一下，但是公式写错了一个符号，那意思可能就完全不相同，这一轮专门测试上下标、根号、分数和希腊字母。

生成一张横版“高中数学核心公式速查表”，比例16:9，排版像专业教育机构制作的知识海报，米白色背景，分成6个清晰区域。

必须准确展示以下公式：

勾股定理：a² + b² = c²
一元二次方程求根公式：x = (-b ± √(b² - 4ac)) / 2a
等差数列通项公式：aₙ = a₁ + (n - 1)d
等差数列前n项和：Sₙ = n(a₁ + aₙ) / 2
等比数列前n项和：Sₙ = a₁(1 - qⁿ) / (1 - q)，q ≠ 1
圆的面积：S = πr²

每个公式下方增加一个简洁的中文说明和一个小型示意图。

所有上下标、括号、根号、正负号、分数线、π和不等号必须准确，不得缺失或替换。

可以看到生成的图片中的公式那可是100%的准确率，这个水平，生成的图片都可以直接拿去当教程了。

案例5：12种语言同时出现，还能不能保证正确

官方表示模型具备12种语言的渲染能力，单独生成一种语言不算极限，这个案例直接让12种语言都生成到一张图片中。

生成一张竖版国际文化节海报，比例3:4，主题为“你好，世界”，设计风格热情、现代、多元文化。

海报中央使用12个整齐排列的彩色卡片，每张卡片准确展示一种语言及其问候语：

中文：你好

English：Hello

日本語：こんにちは

한국어：안녕하세요

Español：Hola

Français：Bonjour

Deutsch：Hallo

Italiano：Ciao

Português：Olá

Русский：Привет

العربية：مرحبًا

ไทย：สวัสดี

顶部标题准确写成“世界文化交流日”。

底部文字准确写成“语言不同，表达友好的心意相同”。

必须保留每种语言原有的字母、重音符号、字符方向和书写方式，不得把不同语言混在一起。

12种语言，数量上没有错误，同时有些语言上面会有一些奇奇怪怪的字符，我看都有还原，懂的朋友可以看看这个案例有没有错？

案例6：数量、位置和空间关系

图片模型都有一个很大的通病，那就是不太会数数，所以这个案例不堆审美，专门堆硬核的约束。

生成一张四层垂直农场的建筑剖面信息图，比例16:9，可以清楚看到建筑内部四层空间。

第一层位于最下方，有且只有2名工作人员，1男1女，两人正在检查3个蓝色储水罐。

第二层有且只有3台白色农业机器人，机器人分别位于左侧、中间和右侧，正在照料5排生菜。

第三层有且只有4排草莓种植架，每排种植架上方有1盏紫色植物灯，共4盏灯。

第四层位于最上方，有1架黄色无人机和2个大型通风风扇，无人机位于两个风扇之间。

建筑最左侧有一部透明电梯，从第一层贯穿到第四层。

建筑右侧外部停着2辆绿色运输车，车辆不能出现在建筑内部。

屋顶安装6块太阳能板，按照2行×3列排列。

所有数量和位置必须严格准确，不得增加人物、机器人、车辆、风扇、太阳能板或其他物体。

生成的图片严格按照提示词要求的四层垂直农场剖面图，第一层只有两人，一男一女加三个蓝色储水罐；第二层，3个白色机器人，左、中、右照顾着5排生菜；第三层，4排草莓种植架，4盏灯；第四层，1架无人机，2个通风扇，无人机位于中间。

这个案例生成的图片，数量、位置和空间关系，与提示词完全对应上了，很少有模型能做到。

案例7：知识型信息图，是知识还是“知识感”？

很多AI图片的最大问题，不是不会排版，而是特别擅长制作一种好像很专业的感觉，这个案例就用基础天文知识进行检查。

生成一张横版太阳系知识信息图，比例16:9，深色宇宙背景，科学教育插画风格。

从左到右依次展示太阳和八大行星，顺序必须准确：

水星、金星、地球、火星、木星、土星、天王星、海王星。

每颗行星下方准确标注中文名称，不得颠倒顺序。

地球旁边只画1个月球。

火星使用红褐色外观。

木星体积最大，并展示明显的大红斑。

土星展示清晰的行星环。

天王星使用浅青色，并表现出明显倾斜的自转轴。

海王星使用深蓝色。

图片底部写出：

“距离太阳越远，行星公转一周所需的时间通常越长。”

不要添加冥王星，不要出现第九颗行星，不要把月球画成独立行星。

从生成的图片来看，行星的顺序从左到右完全正确，对应的文字也正确，行星的视觉特征与提示词描述的吻合。

案例8：模拟一个真的能用的网页界面

官方展示了网页、游戏、直播等UI模拟能力，所以我让它生成一个AI图片工作台。

生成一张桌面端网页界面截图，比例16:9，网页名称为“PixelFlow AI图片工作台”，整体风格简洁、现代，浅色界面。

顶部导航栏从左到右依次为：

PixelFlow

图片生成

图片编辑

灵感广场

我的项目

右上角显示“剩余积分：1280”以及圆形用户头像。

左侧是参数设置栏，包含：

模型：Qwen-Image-3.0

图片比例：16:9

生成数量：4

清晰度：2K

风格：商业摄影

中间是一个大输入框，输入框中准确显示：

“一杯放在木质桌面上的冰拿铁，清晨阳光从左侧照入，杯壁有真实水珠，背景为安静的现代咖啡馆。”

输入框下方有一个蓝色按钮，文字为“开始生成”。

右侧展示4张生成结果缩略图，按照2×2排列。

页面底部显示任务状态：

生成时间：12.8秒

本次消耗：8积分

任务状态：生成完成

所有按钮、数值和中文文字必须清晰，网页元素之间对齐，不得出现重叠。

可以看到这整个网页的排版设计都是和生产上的网页相似，提示词中只是描述了网页有的内容、风格、配色，但是网页是否合理，这个在提示词中是没有要求的，靠的是模型的自由发挥。

案例9：写实人像和复杂材质

前面的测试都是偏向理性的，这个案例开始回到传统图片模型最擅长的领域——写实，但是我会把最容易翻车的材质放在一起。

生成一张电影感写实摄影作品，比例16:9。

一位约65岁的亚洲男性坐在雨后夜市的一家小面馆门口，人物位于画面右侧，侧脸看向左方。

他的脸上有自然皱纹、毛孔、少量胡茬和被雨水打湿的头发，不要磨皮，不要塑料皮肤。

他右手握着一个透明玻璃杯，杯中是热茶，杯壁有水汽；左手放在膝盖上，五根手指结构自然。

人物穿着一件深棕色旧皮夹克，皮革表面有使用痕迹，内搭粗织灰色毛衣。

前方是不锈钢桌面，桌面同时反射红色灯笼和蓝色霓虹灯。

背景有人群、蒸汽、玻璃窗、湿润地面和模糊的中文招牌，但背景文字不需要清晰。

使用85毫米镜头效果，浅景深，真实摄影质感，不要插画感，不要过度锐化，不要夸张HDR。

生产的这张图片，我们可以看看皮革、毛衣的材质，玻璃杯和冒出来的水汽，手指的关节，毛发这些细节，觉得处理得还是很不错的。

案例10：电商产品图能不能直接拿来卖货？

对于普通用户来说，生成一张普通的艺术图或许只是好玩，但能不能做商品主图、广告海报和详情页，才是真正的生产力。

生成一张竖版高端护肤品商业广告，比例3:4。

产品是一瓶虚构的精华液，品牌名称必须准确写成“AERINOVA”，产品名称为“焕亮修护精华液”。

瓶身为磨砂半透明玻璃，银色金属瓶盖，瓶内液体呈淡金色。

瓶身文字从上到下依次为：

AERINOVA

焕亮修护精华液

BRIGHTENING REPAIR SERUM

30 mL

产品位于画面中央，放在湿润的浅色岩石上，周围有少量透明水珠和白色花瓣。

海报左上方标题准确写成：

“让肌肤重新透出光”

下方展示三个卖点：

“改善暗沉”

“补水保湿”

“强韧屏障”

右下角写：

“新品体验价 ¥199”

整体使用真实商业摄影风格，光线柔和高级，产品瓶身结构、反射、标签和所有文字必须清晰准确。

品牌名、瓶身文字、价格等信息与提示词完全一致，磨砂玻璃和金属瓶盖的材质非常的真实有木有？

案例11：六格故事，人物会不会每一格都换脸？

单张图好看不难，难的是让一个人物连续出现。所以这个案例想测试一下模型的人物一致性。

生成一张横版六格电影分镜图，比例16:9，六个画面按照2行×3列排列，格子边界清晰。

故事主角始终是同一个24岁亚洲女孩。

她有齐肩黑色短发，左眼下方有一颗小痣，穿黄色雨衣、黑色长裤和白色运动鞋，手中始终拿着一把红色雨伞。

一只橘色小猫贯穿整个故事，小猫右耳尖有一小块白色毛。

第1格：女孩在雨夜街边发现躲在纸箱里的小猫。

第2格：女孩蹲下，把红色雨伞移到小猫上方。

第3格：小猫从纸箱中走出来，女孩伸出左手。

第4格：女孩抱起小猫，红色雨伞放在她右肩上。

第5格：女孩抱着小猫走进一家亮着暖黄色灯光的宠物医院。

第6格：雨停了，女孩坐在医院门口，小猫趴在她腿上，远处出现一道彩虹。

六格中的女孩必须保持相同脸型、发型、痣的位置、服装和年龄；小猫必须保持相同毛色和右耳白色特征。每一格动作和故事顺序必须准确。

可以看到生成的六宫格图片中，每一个的女孩的一致性都保持的很好，无论是发型，服饰，样貌等；但是也有一些瑕疵，比如第三张图只有伞柄，第二和第四张图有两把伞。

还有女孩脸上的痣的位置最后一张图的时候乱掉了，以及毛耳朵的毛的颜色，这些小细节上还是处理的不够好。

案例12：100多种风格，不如先让16种同框

官方提到Qwen-Image-3.0覆盖100多种艺术风格，我不准备真的生成100张，但可以把同一个主题做成16宫格，看风格之间是不是真的有明显差异。

生成一张正方形16宫格艺术风格对照图，画面按照4行×4列排列。

16个格子表现完全相同的主体：一只坐在窗边看雨的橘猫，窗台上放着一杯咖啡和一本打开的书。

每个格子使用不同艺术风格，并在格子底部准确标注风格名称：

写实摄影

中国水墨

工笔画

油画

水彩画

彩色铅笔

儿童绘本

日系动漫

美式漫画

像素艺术

黏土定格

低多边形3D

剪纸艺术

木刻版画

复古海报

赛博朋克

16个格子的主体、动作和物品数量保持一致，但艺术风格必须具有明显区别。格子不得缺失或重复。

最后总结

把这12个案例跑完之后，我对Qwen-Image-3.0最大的感受，不是它又把图片画得更漂亮了，而是它开始真正具备了“把一份复杂需求做完整”的能力。

九宫格PPT、中文海报、小字参数表、数学公式、12种语言、数量关系、知识信息图、网页UI，这些任务放在以前，通常要在文字、排版和画面之间做取舍：要么图很好看，但文字不能读；要么字勉强正确，但整个设计像一张粗糙的草稿。Qwen-Image-3.0这一次最明显的进步，就是把这几件事情同时往前推了一大步。

尤其是中文文字渲染，已经不再只是“偶尔能写对几个大字”。从标题、姓名、日期、价格，到参数表、公式和页面底部的小字，它在大部分案例中的表现都相当稳定。数量、位置和空间关系这些传统图片模型经常翻车的地方，这次也给了我不少惊喜。

当然，它还远远没有到可以闭着眼睛直接交付的程度，六格分镜中会凭空多出一把伞，人物脸上的痣会移动，小猫耳朵的特征也会在连续画面中发生变化。换句话说，它已经能把一张复杂图片的“大框架”做得非常完整，但在人物一致性、局部细节和连续逻辑上，仍然会露出AI的马脚。

所以，Qwen-Image-3.0并不是一个完全不会出错的自动设计师。它更像是一名能力很强、执行速度很快，但交稿后仍然需要你认真检查一遍的视觉助手。

好了，本文的分享就到这里，如果您觉得有收获的话，可以给个一键三连，您的鼓励是吾鳴持续输出的最大动力。