Alibabas technischer Bericht zu Qwen-Image-2.0 beschreibt ein Bildgenerierungsmodell mit drei wesentlichen Neuerungen: Erstens komprimiert das Modell Bilder doppelt so aggressiv wie die meisten Konkurrenten, was den Speicher- und Rechenaufwand pro Bild reduziert. Zweitens wurde der Transformer-Kern überarbeitet, um das Training zu stabilisieren – ein häufiges Problem bei großen Diffusionsmodellen. Drittens enthält das Modell ein dediziertes Modul zur automatischen Prompt-Expansion, das kurze Nutzereingaben selbstständig in detaillierte Prompts ausbaut und so die Ausgabequalität bei minimaler Nutzereingabe verbessert. Eine destillierte Modellvariante reduziert die erforderlichen Denoising-Schritte von 40 auf lediglich 4, was die Inferenzgeschwindigkeit und -kosten erheblich senkt. Auf LMArena, einer Plattform für blinde Nutzervergleiche, belegt Qwen-Image-2.0 derzeit Rang 9 – ein Indikator für die wahrgenommene Qualität im direkten Vergleich mit anderen führenden Bildgenerierungsmodellen.