Qwen Image 3.0 API 接口、参数 & 代码示例

qwen/qwen-image-3.0

Qwen-Image-3.0 Standard（标准版）是阿里巴巴推出的高性价比图像生成模型，专为大批量日常生成场景打造。模型支持 4.5k token 超长指令与 12 国语言原生渲染，能精准还原 10px 小字及学术论文公式，轻松胜任复杂版面生成、超写实人像与多场景界面仿真。

模型 ID: qwen/qwen-image-3.0
模型系列: Qwen
更新日期: 2026-08-05
模型能力: 图片生成、长指令支持
模型价格（每张）: ¥ 0.2

Qwen Image 3.0 模型介绍：

Qwen-Image-3.0 Standard（标准版）是阿里巴巴千问AI平台最新推出的图像生成模型 Qwen-Image-3.0 的两个版本之一。其核心信息与定位如下：

1. 定位与适用场景

应用定位：专为大批量日常生成场景设计。
优势平衡：在保持 Qwen-Image-3.0 系列强大生成能力的同时，提供更高性价比，适合日常高频、大规模的图像生成需求。

2. 继承的核心能力（Qwen-Image-3.0 系列通用特性） 作为 Qwen-Image-3.0 家族的一员，Standard 版同样具备该系列的核心技术能力：

超长指令支持：支持最高 4.5k token 的指令输入，可一次性生成报纸、分镜、试卷、菜单等复杂版面（如3.7k token的九宫格知识信息图）。
极致细节与文字还原：支持 10px 小字清晰可辨，可还原整页学术论文的LaTeX公式、上下标和定理编号。
写实画质与古画修复：人像的毛孔、发丝及微表情经得起放大，具备近乎实拍的照片质感，并能以原画笔法修复破损古画。
多语言与多风格：支持包括中、英、日、韩、阿、法、俄等 12国语言原生渲染、20+种字体以及 100+种艺术风格，并内置世界知识及联网能力。
仿真与多工作流应用：支持主流网页、游戏、直播界面仿真生成，适用于电商商品图、影视分镜故事板、营销海报及建筑设计等场景。

API 接口地址：

https://wcode.net/api/gpt/v1/images/generations

此 API 接口兼容 OpenAI 的 Images 接口规范，可直接使用 OpenAI 的 SDK 来调用。仅需替换以下配置即可：

base_url 替换为 https://wcode.net/api/gpt/v1

api_key 替换为从 https://platform.wcode.net 获取到的 API Key

具体可参考下方的各编程语言代码示例中的 OpenAI SDK 调用示例。

请求方法：

POST

各编程语言代码示例：

# TODO: 以下代码中的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

curl --request POST 'https://wcode.net/api/gpt/v1/images/generations' \
  --header 'Content-Type: application/json' \
  --header 'Authorization: Bearer API_KEY' \
  --data '{
    "model": "qwen/qwen-image-3.0",
    "prompt": "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
  }'

import Foundation

let headers = [
  "Authorization": "Bearer API_KEY",  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  "Content-Type": "application/json"
]
let parameters = [
  "model": "qwen/qwen-image-3.0",
  "prompt": "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
] as [String : Any]

let postData = try! JSONSerialization.data(withJSONObject: parameters, options: [])
let request = NSMutableURLRequest(url: NSURL(string: "https://wcode.net/api/gpt/v1/images/generations")! as URL,
                                        cachePolicy: .useProtocolCachePolicy,
                                    timeoutInterval: 60.0)
request.httpMethod = "POST"
request.allHTTPHeaderFields = headers
request.httpBody = postData as Data

let session = URLSession.shared
let dataTask = session.dataTask(with: request as URLRequest, completionHandler: { (data, response, error) -> Void in
  if let data = data {
    print(String(data: data, encoding: .utf8) ?? "")
  }
})
dataTask.resume()

import 'dart:convert';
import 'package:http/http.dart' as http;

Future<void> main() async {
  final response = await http.post(
    Uri.parse('https://wcode.net/api/gpt/v1/images/generations'),
    headers: {
      'Authorization': 'Bearer API_KEY',  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
      'Content-Type': 'application/json',
    },
    body: jsonEncode({
      'model': 'qwen/qwen-image-3.0',
      'prompt': '一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云',
    }),
  );

  print(response.body);
}

require 'uri'
require 'json'
require 'net/http'

url = URI("https://wcode.net/api/gpt/v1/images/generations")

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true

request = Net::HTTP::Post.new(url)
request["Authorization"] = 'Bearer API_KEY'  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
request["Content-Type"] = 'application/json'
request.body = {
  model: 'qwen/qwen-image-3.0',
  prompt: '一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云'
}.to_json

response = http.request(request)
puts response.read_body

#[tokio::main]
pub async fn main() {
  let client = reqwest::Client::new();
  let response = client.post("https://wcode.net/api/gpt/v1/images/generations")
    .header("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
    .header("Content-Type", "application/json")
    .json(&serde_json::json!({
      "model": "qwen/qwen-image-3.0",
      "prompt": "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
    }))
    .send()
    .await
    .unwrap();

  println!("{}", response.text().await.unwrap());
}

CURL *hnd = curl_easy_init();

curl_easy_setopt(hnd, CURLOPT_CUSTOMREQUEST, "POST");
curl_easy_setopt(hnd, CURLOPT_URL, "https://wcode.net/api/gpt/v1/images/generations");

struct curl_slist *headers = NULL;
headers = curl_slist_append(headers, "Content-Type: application/json");
headers = curl_slist_append(headers, "Authorization: Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
curl_easy_setopt(hnd, CURLOPT_HTTPHEADER, headers);

const char *data = "{\"model\":\"qwen/qwen-image-3.0\",\"prompt\":\"一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云\"}";
curl_easy_setopt(hnd, CURLOPT_POSTFIELDS, data);

CURLcode ret = curl_easy_perform(hnd);

package main

import (
  "bytes"
  "fmt"
  "io"
  "net/http"
)

func main() {
  url := "https://wcode.net/api/gpt/v1/images/generations"
  payload := []byte(`{"model":"qwen/qwen-image-3.0","prompt":"一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"}`)

  req, _ := http.NewRequest("POST", url, bytes.NewBuffer(payload))
  req.Header.Add("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  req.Header.Set("Content-Type", "application/json")

  res, _ := http.DefaultClient.Do(req)
  defer res.Body.Close()
  respBody, _ := io.ReadAll(res.Body)

  fmt.Println(string(respBody))
}

using System.Net.Http.Json;

var client = new HttpClient();
client.DefaultRequestHeaders.Add("Authorization", "Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

var payload = new {
  model = "qwen/qwen-image-3.0",
  prompt = "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
};

var response = await client.PostAsJsonAsync("https://wcode.net/api/gpt/v1/images/generations", payload);
Console.WriteLine(await response.Content.ReadAsStringAsync());

var client = new RestClient("https://wcode.net/api/gpt/v1/images/generations");

var request = new RestRequest("", Method.Post);
request.AddHeader("Authorization", "Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
request.AddHeader("Content-Type", "application/json");
request.AddJsonBody(new {
  model = "qwen/qwen-image-3.0",
  prompt = "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
});

var response = client.Execute(request);
Console.WriteLine(response.Content);

const axios = require('axios');

let config = {
  method: 'post',
  maxBodyLength: Infinity,
  url: 'https://wcode.net/api/gpt/v1/images/generations',
  headers: {
    'Authorization': 'Bearer API_KEY',  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
    'Content-Type': 'application/json'
  },
  data: {
    model: 'qwen/qwen-image-3.0',
    prompt: '一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云'
  }
};

axios.request(config).then((response) => {
  console.log(JSON.stringify(response.data));
}).catch((error) => {
  console.log(error);
});

OkHttpClient client = new OkHttpClient();

MediaType mediaType = MediaType.parse("application/json");
RequestBody body = RequestBody.create(mediaType, "{\"model\":\"qwen/qwen-image-3.0\",\"prompt\":\"一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云\"}");

Request request = new Request.Builder()
  .url("https://wcode.net/api/gpt/v1/images/generations")
  .post(body)
  .addHeader("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  .addHeader("Content-Type", "application/json")
  .build();

Response response = client.newCall(request).execute();

$client = new \GuzzleHttp\Client();

$response = $client->post('https://wcode.net/api/gpt/v1/images/generations', [
  'headers' => [
    'Authorization' => 'Bearer API_KEY',  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  ],
  'json' => [
    'model' => 'qwen/qwen-image-3.0',
    'prompt' => '一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云',
  ],
]);

echo $response->getBody();

$curl = curl_init();

curl_setopt_array($curl, [
  CURLOPT_URL => "https://wcode.net/api/gpt/v1/images/generations",
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_ENCODING => "",
  CURLOPT_MAXREDIRS => 5,
  CURLOPT_TIMEOUT => 300,
  CURLOPT_CUSTOMREQUEST => "POST",
  CURLOPT_POSTFIELDS => json_encode([
    'model' => 'qwen/qwen-image-3.0',
    'prompt' => '一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云',
  ]),
  CURLOPT_HTTPHEADER => [
    "Authorization: Bearer API_KEY",  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
    "Content-Type: application/json",
  ],
]);

$response = curl_exec($curl);
$error = curl_error($curl);

curl_close($curl);

if ($error) {
  echo "cURL Error #:" . $error;
} else {
  echo $response;
}

import requests
import json

url = "https://wcode.net/api/gpt/v1/images/generations"

headers = {
  "Authorization": "Bearer API_KEY",  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  "Content-Type": "application/json",
}

payload = {
  "model": "qwen/qwen-image-3.0",
  "prompt": "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
}

response = requests.post(url, headers=headers, json=payload)

print(json.dumps(response.json(), indent=4, ensure_ascii=False))

from openai import OpenAI

client = OpenAI(
  base_url="https://wcode.net/api/gpt/v1",
  api_key="API_KEY"  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
)

response = client.images.generate(
  model="qwen/qwen-image-3.0",
  prompt="一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云",
)

print(response.data[0].url)

重要提示：由于模型架构不同，部分参数可能仅适用于特定的模型。

model（模型 ID）

参数：model
必选，string

图像生成模型 ID。调用时使用模型详情页的模型 ID。

prompt（提示词）

参数：prompt
必选，string

描述所需生成图像内容的文本提示。

n（生成数量）

参数：n
可选，integer，1–6
默认：1

单次请求生成的图片数量。

qwen-image-2.0 系列支持输出 1–6 张图片。

negative_prompt（反向提示词）

参数：negative_prompt
可选，string，≤ 500 字符

描述不希望在图像中出现的内容，用于限制画面。

支持中英文，超出长度将自动截断。

image（输入图片）

参数：image
可选，string | array，1–3 张

输入图像的 URL 或 Base64 编码；支持图生图与多参考图生图。

URL：支持 HTTP/HTTPS 公网地址。
Base64：格式 data:image/<格式>;base64,<编码>。
支持 JPG、JPEG、PNG、BMP、TIFF、WEBP、GIF；单张不超过 10MB。
多图时按数组顺序传入，输出比例以最后一张为准；prompt 仍必填。

seed（随机数种子）

参数：seed
可选，integer，0–2147483647

随机数种子；相同 seed 可使生成内容相对稳定。

模型生成具有概率性，即使使用相同 seed 也不能保证每次结果完全一致。

prompt_extend（提示词智能改写）

参数：prompt_extend
可选，boolean
取值范围：true | false
默认：true

是否开启 Prompt 智能改写，对正向提示词进行优化与润色。

true 开启（默认），模型可补充细节；false 关闭，图像细节更可控。

size（图片尺寸）

参数：size
可选，string
取值范围：2048*2048 | 2688*1536 | 1536*2688 | 2368*1728 | 1728*2368
默认：2048*2048

生成图像的尺寸。

格式为 宽*高，默认 2048*2048；总像素须在 512×512 至 2048×2048 之间。

watermark（水印）

参数：watermark
可选，boolean
取值范围：true | false
默认：false

是否在图像右下角添加「Qwen-Image」水印。

response_format（图像的返回格式）

参数：response_format
可选，string
取值范围：url
默认：url

指定生成图像的返回格式。

当前模型仅支持 url；请勿设置 b64_json。

以上文档为标准版 API 接口文档，可直接用于项目开发和系统调用。如果标准版 API 接口无法满足您的需求，需要定制开发 API 接口，请联系我们的 IT 技术支持工程师：

（沟通需求✅ → 确认技术方案✅ → 沟通费用与工期✅ → 开发&测试✅ → 验收交付✅ → 维护升级✅）

最受关注模型

2026-08-02

DeepSeek V4 Pro

文本生成、深度思考

2026-08-02

DeepSeek V4 Flash

文本生成、深度思考

2026-05-21

Qwen3.7 Max

文本生成、深度思考

2026-05-08

Doubao Seed 2.0 Lite

文本生成、深度思考、多模态

2026-07-06

Tencent Hunyuan Hy3

文本生成、深度思考、Agent增强

Qwen Image 3.0

图片生成、长指令支持

2026-08-05

Qwen3.8 Max

深度思考、视觉理解、文本生成

2026-08-02

DeepSeek V4 Flash

文本生成、深度思考

2026-08-02

DeepSeek V4 Pro

文本生成、深度思考

2026-07-21

Qwen Audio 3.0 TTS Flash

语音合成

向量化模型

2026-07-21

Qwen3.7 Text Embedding

文本向量化

2026-04-20

GLM Embedding 3

文本向量化

2025-10-28

Qwen3 Embedding 8B

文本嵌入、文本向量化

2025-05-15

Doubao Embedding Large Text 250515

文本向量化

2025-06-05

Qwen Text Embedding V4

文本向量化

语音识别模型

2026-07-08

MiMo V2.5 ASR

音频识别

2026-06-27

Fun ASR Flash

语音识别、方言识别

2026-06-27

Qwen3 ASR Flash

语音识别

2026-06-24

GLM ASR 2512

语音识别

语音合成模型

2026-07-21

Qwen Audio 3.0 TTS Plus

语音合成

2026-07-21

Qwen Audio 3.0 TTS Flash

语音合成

2026-06-28

CosyVoice V3 Plus

语音合成

2026-06-27

CosyVoice V3 Flash

语音合成

2026-06-25

GLM TTS

语音合成

Qwen Image 3.0 API 接口、参数 & 代码示例

Qwen Image 3.0 模型介绍：

API 接口地址：

请求方法：

各编程语言代码示例：

请求参数：

🔗model（模型 ID）

🔗prompt（提示词）

🔗n（生成数量）

🔗negative_prompt（反向提示词）

🔗image（输入图片）

🔗seed（随机数种子）

🔗prompt_extend（提示词智能改写）

🔗size（图片尺寸）

🔗watermark（水印）

🔗response_format（图像的返回格式）

最受关注模型

DeepSeek V4 Pro

DeepSeek V4 Flash

Qwen3.7 Max

Doubao Seed 2.0 Lite

Tencent Hunyuan Hy3

最新发布模型

Qwen Image 3.0

Qwen3.8 Max

DeepSeek V4 Flash

DeepSeek V4 Pro

Qwen Audio 3.0 TTS Flash

向量化模型

Qwen3.7 Text Embedding

GLM Embedding 3

Qwen3 Embedding 8B

Doubao Embedding Large Text 250515

Qwen Text Embedding V4

语音识别模型

MiMo V2.5 ASR

Fun ASR Flash

Qwen3 ASR Flash

GLM ASR 2512

语音合成模型

Qwen Audio 3.0 TTS Plus

Qwen Audio 3.0 TTS Flash

CosyVoice V3 Plus

CosyVoice V3 Flash

GLM TTS

model（模型 ID）

prompt（提示词）

n（生成数量）

negative_prompt（反向提示词）

image（输入图片）

seed（随机数种子）

prompt_extend（提示词智能改写）

size（图片尺寸）

watermark（水印）

response_format（图像的返回格式）