广州一位设计师需要一张海报，三行中文要零错字。多数开源模型会把字糊成噪点。2025年8月通义万相（Qwen-Image）开源，对这条工作流来说，是第一次有开源模型不再毁掉排版。
核心事实
- 阿里通义千问团队的通义万相，于2025年8月以Apache-2.0协议开源。
- 它是一个200亿参数的MMDiT图像基础模型，通过Hugging Face与ModelScope分发。
- 主打强项是图像内中文与英文文字渲染——含段落级排版——以及精确编辑。
- 团队称在GenEval、DPG、OneIG-Bench、GEdit等九项公开榜单登顶；更新版Qwen-Image-2512于2025年12月31日发布。
- 社区反馈称，配合DFloat11量化，它可在单张消费级RTX 3090上跑起来。
为什么"图里的字"最难
图像模型常被人拿漂亮脸蛋和风景评判，但最不体面的失败是字。Logo、海报、信息图、漫画页都需要清晰且拼写正确的文字，而多数模型会幻觉字符或打乱版式。通义万相正是围绕这块缺口造的：用Qwen2.5-VL文本编码器配MMDiT主干，并按由易到难的文本提示渐进训练，目标是中英文都达到商用级渲染。
尤其对中文，段落级生存在开源权重里很稀罕。这也解释了为何需要双语菜单、招牌样稿、教学图示的设计师会盯上它，而不只是风格化人像。
开源权重，商用可行
Apache-2.0意味着企业可免授权费微调并上线通义万相，与按次计费的闭源图像服务形成对照。阿里打包了代码仓库、模型权重、技术论文与Demo，降低了小团队的门槛。它处在更广义的通义万相视觉套件里，覆盖图像、视频生成与数字人生成。
更新版Qwen-Image-2512于2025年12月31日到来，改进了皮肤质感、复杂文字渲染，并能产出漫画式幻灯片与数据信息图——从"做一张图"推向"做一份文档"。
榜单成绩——仔细读
通义团队称在GenEval、DPG、OneIG-Bench、GEdit等九项公开榜单取得第一，并在LongText-Bench、ChineseWord等文字渲染测试表现强劲。这些是真实的公开榜，但由模型作者自报，尚非多家实验室的独立审计。把"第一"当作团队的claim来理解：指明方向，而非证明在每一个真实任务上都称王。
单卡为什么重要
最实在的一点是可达性。社区指引称，通义万相同配合DFloat11量化与CPU卸载，可在单张RTX 3090——一张消费级卡，而非机房设备——上运行。这改变了谁能自托管：工作室可把敏感的品牌素材留在自己硬件上，而非把提示词发给云端API。对数据监管严或GPU预算薄的地区，本地部署就是用得上和用不上的分水岭。
编辑，而不只是生成
除首图生成，通义万相强调可控编辑：增删物体、改主体姿态、在原图内重写文字而不重绘整帧。阿里把它定位成模型的实用一半——设计师在接近成品的资产上迭代，而非靠运气摇提示词。对品牌资产要在几十个版本里保持一致的流程，图内编辑往往比原始生成更有用，而这也是多数闭源图像服务用积分墙挡住的能力。
在中国开源浪潮里的位置
通义万相是中国前沿权重开放大趋势的一部分——与开源视频、语言模型并列——让本地开发者脱离对国外API的依赖。对AIGC（生成式内容）赛道，开源图像权重意味着小工作室更便宜地试错，也多了对标全球设计工具的本地选项。代价是治理：开源也意味着同样权重能在没有平台内容标识护栏的情况下被使用，这恰是配套标识规则想补上的张力。
对普通创作者而言，通义万相的意义不在参数多寡，而在于把一个长期被闭源服务把持的能力放回自己手里。开源的另一面是要自己负责显存、提示词与输出合规——它降低了试错的钱，却没降低试错的脑子。
普通人现在能做什么
- 需要双语或文字密集图像的设计师，去Hugging Face或ModelScope试通义万相，把文字保真度跟你现在的工具比一比。
- 有隐私约束的团队，可以在单张够用的GPU上试点本地部署，而不是走云端API。
- 如果你出商业视觉，先盯住Qwen-Image-2512这条线，看它能否交付文档级、信息图级的成品，再下注。