Q-Judger ist ein von Qwen feingetuntes Vision-Language-Modell (VLM), das speziell für die automatisierte Evaluation von Text-to-Image-Modellen entwickelt wurde. Als Eingabe erhält es einen Textprompt sowie ein generiertes Bild; als Ausgabe liefert es strukturierte JSON-Scores mit Werten auf einer dreistufigen Skala (0 = Fail, 1 = Pass, 2 = Excel, N/A). Das Basismodell ist Qwen3.6-27B. Die Bewertung erfolgt über fünf übergeordnete Dimensionen: Qualität (Realismus, Detail, Auflösung), Ästhetik (Komposition, Farbharmonie, Beleuchtung, anatomische Treue), Alignment (Attribute, Aktionen, Layout, Relationen, Szene), Real-World-Fidelity (Fairness, Sicherheit, Weltwissen) sowie kreative Generierung (Imagination, Text-Rendering, Design-Anwendungen, Visual Storytelling). Thinking Mode ist aktiviert – das Modell durchläuft Chain-of-Thought-Reasoning, bevor es das finale JSON ausgibt. Das Modell und der zugehörige Benchmark wurden auf Hugging Face unter dem Qwen-Namespace veröffentlicht.