6
8 月
Qwen-Image-3.0：复杂排版能力与图像模型选型边界
更正记录，2026 年 8 月 31 日：旧文把风格数量混写成“准确率超过 100%”，并误写了发布日。本次删除这项错误指标、无来源的价格对照和推导结论。以下将官方能力声明与智盒的验收建议分开呈现。
官方发布页实际说明了什么
Qwen 官方发布页日期为 2026 年 7 月 21 日，介绍 Qwen-Image-3.0 支持最长约 4.5 K Token 输入、12 种语言及 100 多种艺术风格。这里的“100+”不是文本准确率。官方还展示了复杂排版和小字号文字表现，但这些能力展示不代表每张生成图片都无需校对。来源：Qwen-Image-3.0 官方发布页。
智盒建议：用可复查的任务验收图像模型
选型的单位不应是“最漂亮的一张样图”，而是同一组输入下可交付的结果。准备电商主图、中文活动海报、多语言说明图各一组，固定原始文案、尺寸、生成次数和验收人。保存成功样本，也保存被退回的样本。
- 文字：逐项检查人名、价格、小数点、日期和单位；错一个关键字段也应记录失败，不能只看整体像不像。
- 布局：检查阅读顺序、边距和长句换行，尤其是手机端缩小后的可读性。
- 一致性：同一商品多次生成时，检查商标、颜色和细节是否漂移。
- 交付成本：分别记录生成、重试、人工修图和审核时间，不把 API 单价当作总成本。
- 失败边界：明确哪些内容必须人工制作或复核，例如合同文字、医学图示和促销价格。
接入之前还要确认什么
先在阿里云 Model Studio 文档与实际账号中确认模型标识、区域、访问资格、计费方式及用量限制，再做小规模验证。不要从新闻中的产品名称推断账号已经可以调用，也不要把其他版本的开源许可证套到当前版本。
如何做选择
需要复杂中文排版的团队，可以把它放进候选清单；要求每个文字字段一次生成即正确的流程，则仍应保留审核。上文是智盒的选型方法，不是本站完成的实测榜单。进一步比较可查看国产模型选型框架和工具入口。引用、更正和测试声明遵循智盒编辑政策。
分享这篇文章
RELATED
Posts
阿里 QwenGyre 论文解读：训练长程 Agent 快 1.78 倍，代码还没公开
一句话结论：阿里通义团队 9 月 27 日在 arXiv 发布 QwenGyre 论文，这是一套专门训练「一次要跑几个小时」的 AI Agent 的在线强化学习框架。用在 2.4 万亿参数的 Qwen 3.8 上，48 步训练让 NL2RepoBench 得分从 52.5% 升到 58.5%，耗时 75.42 小时，比 Async 方案的 134.55 小时快 1.78 倍。不过截至 2026-10-14，我们没有找到公开的代码仓库，部分报道说的「开源」目前只指论文公开。 AI 摘要 发生了什么：阿里 Token Hub 联合中国科大、清华发布 QwenGyre 论文（arXiv 2609.33848，2026-09-27），10 月...
给 AI 读图前怎么压缩？用 Squoosh 保住小字、图表和透明边缘
Squoosh 图片压缩不应只比较文件大小，AI 读图还需要保留小字、小数点和表格细线。本文提供原图与两份候选的三路对照方法，说明怎样记录像素尺寸、编码参数、十个关键字段和识别退化，并连接 aiKit 在线工具。文章不承诺压缩率或模型费用下降，也不把肉眼清晰当作 OCR 正确率证明，适合建立图片输入验收流程。
提示词改短以后真的更好吗？用保留集做一次回归检查
提示词回归检查要看新版修好了什么，也要看原本正确的任务有没有退步。本文以三类客服工单为例，说明调试集与保留集如何拆分、怎样冻结标签规则、记录逐条差异并处理空输出和超时。附模板、CSV 示例及人工复核门槛，帮助团队建立可追溯的上线依据与版本回退记录；样本数量是教学建议，不是实测成绩，也不承诺准确率提升。
用 Mermaid 审查 AI Agent：把审批、失败和停止条件画清楚
用 Mermaid 审查 AI Agent，重点不是把正常流程画得漂亮，而是确认审批、超时、拒绝和停止条件。本文提供可粘贴的流程图代码及四类路径检查方法，说明幂等键、人工批准、状态查询和版本管理的边界，并连接 aiKit 在线编辑器。模板未经运行验证，不把渲染成功当作权限安全证明，也不要求上传真实客户数据。
国产模型怎么比成本？把重试、缓存和失败任务记进同一本账
国产模型成本核算不能只看每百万 token 单价。本文用一份任务账本说明输入、输出、缓存命中、重试和未知费用怎样归集，并用四个虚构任务演示合格任务平均成本的计算。附日志字段、Python 算术示例和公平比较清单，帮助开发者保留质量门槛、延迟与实际费用证据，不提供实时模型价格，也不把失败调用误记为免费。
国产模型输出 JSON 就能上线？先做这套结构化验收
国产模型能输出 JSON，不代表字段正确或可以直接入库。本文提供一套包含三层校验、12 条冒烟样本设计、异常分类和人工审核门槛的验收方法，帮助开发者比较候选模型的实际业务适配性。附可复用的数据合同与测试示例，解释空响应、截断、额外字段和语义错误的处理边界，不提供未经验证的模型排名、成功率或价格结论。
Claude Opus 5.5 发布：编程基准最强，价格砍 40%，Amodei 两个月前喊的减速呢
Anthropic 9 月 22 日发布 Claude Opus 5.5：编程基准最强、价格砍 40%、缓存读取降 60%；这是 CEO Dario Amodei 两个月前呼吁给安全让出空间后，公司的第一份商业答卷。
OpenAI 同日双发 GPT-6 Sol 和 Luna：API 价格再砍 50%，把旗舰能力蒸进便宜档位
OpenAI 同日双发 GPT-6 Sol 和 Luna，API 价格较上一代促销定价再降 50%，Sol 单任务成本只有 Astra 约四分之一；事实错误率降一半但回答率也跟着降，模型变得更「保守」。
Claude Opus 5.5 发布：编程基准最强，价格砍 40%，Amodei 两个月前喊的减速呢
Anthropic 9 月 22 日发布 Claude Opus 5.5：编程基准最强、价格砍 40%、缓存读取降 60%；这是 CEO Dario Amodei 两个月前呼吁给安全让出空间后，公司的第一份商业答卷。
小米 MiMo-V2.6 开源：AA 指数 46 分登顶开源权重，6 天 RL 训练暴涨 20 分
小米开源 MiMo-V2.6，AA 指数 46 分登顶开源权重，超 Kimi K3 和 GLM-5.3；6 天 RL 训练成本 262 万美元，一代暴涨 20 分。