Qwen-Image 3.0 API: 9 scene in un'immagine da $0.03

Qwen-Image 3.0 costa $0.03 per immagine generata, meno dei $0.035 del modello precedente. Il prompt non viene addebitato: nei nostri test, un prompt di circa 5.000 token è costato esattamente quanto uno di undici parole. Questo lo distingue dai concorrenti con tariffazione a token e rende davvero conveniente la funzione più vistosa del modello: si possono chiedere nove scene diverse in una griglia 3x3, riceverle tutte e pagare una sola immagine. Abbiamo testato qwen-image-3.0 il giorno in cui è arrivato su una route API commerciale. Al lancio non erano disponibili listino, benchmark, pesi né report tecnico. Abbiamo quindi verificato il modello di fatturazione, la promessa del nove-in-uno, la resa del testo da 10 pixel, compresa la controversia sui caratteri piccoli in giapponese, la finestra di prompt da 4.500 token e il posizionamento rispetto al modello precedente e agli altri modelli di generazione di immagini.

TL;DR

• qwen-image-3.0 costa $0.03 per immagine generata, meno dei $0.035 del predecessore; i prompt non vengono addebitati, indipendentemente dalla lunghezza testata.
• La promessa delle “nove immagini contemporaneamente” è reale sotto forma di un’unica griglia: sono state generate 9 scene su 9, pagando una sola immagine; il limite batch dell’API è n=4.
• I testi piccoli dettati nel prompt sono il punto debole: la nota a piè di pagina conteneva errori in 3 test inglesi su 3; i testi inventati dal modello risultano invece nitidi e corretti.
• La generazione è lenta: 58-85 secondi in condizioni standard, contro i 10 di qwen-image-2.0; con prompt lunghi siamo arrivati a 241 secondi.

Come funziona davvero la fatturazione di Qwen-Image 3.0?

Si paga per immagine e per fascia di risoluzione; il prompt è incluso. Ogni risposta contiene un blocco usage con il numero di immagini e la fascia, senza campi relativi ai token. Una richiesta da 1024x1024, o con proporzioni diverse ma area equivalente, addebita un’immagine nella fascia 1K. Una richiesta da 2048x2048 usa la fascia 2K. Il prompt non compare nel conteggio dei consumi. Abbiamo inviato la stessa scena con un prompt di undici parole e con testi aggiuntivi stimati in 1.000, 4.200 e 5.000 token: l’addebito è rimasto identico. Il listino pubblicato da DashScope dopo la settimana di lancio conferma esattamente questo schema: $0.03 per immagine generata in entrambe le fasce per qwen-image-3.0, $0.003 per immagine di input nei workflow di editing e soglia tra le fasce fissata a 2.250.000 pixel di area in output. Solo la SKU pro applica prezzi diversi per fascia: $0.04 per output di classe 1K e $0.075 per 2K. Il dato più interessante è la direzione del prezzo: $0.03 è meno dei $0.035 di qwen-image-2.0. L’aumento delle capacità arriva quindi insieme a un taglio del prezzo, nonostante ci si aspettasse un lancio in fascia premium.

La differenza rispetto alle API di generazione di immagini tariffate a token è strutturale. gpt-image-2 addebita sia i token del prompt sia quelli dell’immagine in output, che peraltro non sono costanti: lo stesso prompt di undici parole ha prodotto 215 token di output in un test e 744 in un altro, con una variazione di 3,5 volte nel costo misurato per richieste identiche. Con un prezzo fisso per immagine questa variabilità non esiste: il costo previsto coincide con quello effettivo. Lo stesso compromesso emergeva dal nostro studio sui costi di cinque modelli: la fatturazione per immagine è prevedibile, e per un budget è un vantaggio.

Le “nove immagini contemporaneamente” sono reali?

Sì, ma non nel senso suggerito dalla frase. La modalità effettiva è più conveniente. Il parametro batch dell’API rifiuta valori superiori a quattro (n must be between 1 and 4), quindi non si possono ottenere nove file separati con una sola chiamata. Le demo di lancio mostrano invece una composizione: si chiede una griglia 3x3 con nove scene diverse all’interno di una sola immagine e il modello la genera. Nel nostro test abbiamo richiesto un faro al tramonto, una partita a scacchi, una ciotola di ramen, una gru di carta, una banchina della metropolitana, un cactus sotto la pioggia, un violino, una volpe delle nevi e una mongolfiera:

Nove scene su nove, tutte coerenti, con l’addebito di una sola immagine: $0.03 per l’intera tavola, cioè $0.0033 per riquadro utilizzabile. Le demo di Alibaba spingono lo stesso meccanismo ancora oltre, inserendo nove infografiche complete con testo e formule in un’unica griglia. Se il workflow richiede miniature, mood board o tavole di alternative invece di nove file autonomi, il risparmio è concreto: una generazione a prezzo fisso ne sostituisce nove, e ritagliare la griglia richiede una sola riga di codice.

Il testo da 10 pixel regge quando si ingrandisce l’immagine?

Solo in parte, e il problema riguarda proprio il testo destinato alla pubblicazione. Secondo la promessa, il modello riesce a renderizzare testo fino a 10 pixel. A livello di layout supera le aspettative: nel nostro test con una scheda tecnica ha aggiunto barre laterali, diagrammi delle porte, righe con il contenuto della confezione e badge di sicurezza. Decine di etichette piccole, tutte leggibili e scritte correttamente. L’errore si nasconde nell’unica stringa dettata alla lettera nel prompt. In tre esecuzioni, la nota richiesta “All measurements at 25 degrees Celsius” è stata renderizzata come “Celkaus”, “Celuse” e “Celsue”: nessun risultato corretto, sempre nel testo più piccolo della pagina.

Il giapponese presenta lo stesso comportamento, confermando una discussione nata durante la settimana di lancio. Test indipendenti hanno segnalato che i testi piccoli in giapponese apparivano “poco naturali” rispetto alle demo ufficiali, e i nostri risultati lo confermano. In tre test con un’etichetta giapponese contenente un’avvertenza di conservazione su due righe, uno è risultato completamente corretto, uno ha deformato un solo carattere e uno ne ha sostituiti due (読 è diventato 認, 保管 è diventato 保宜), mentre il resto dell’etichetta minimalista era impeccabile:

Lo schema è costante e molto specifico: il testo composto autonomamente dal modello è corretto; i glifi iniziano a rompersi quando deve trascrivere un testo dettato. Un test con prompt in cinese lo ha dimostrato dal lato opposto: il modello ha inventato tre etichette per i contenitori (加急, 普通, 存档) e le ha scritte in hanzi perfetti, senza che fossero state richieste:

I testi creati dal modello hanno funzionato in tutte le lingue testate. Per mockup, storyboard e bozze di layout, la resa del testo è davvero adatta alla produzione. Se invece una stringa dettata deve essere esatta, come un’avvertenza normativa, un valore tecnico o una dicitura legale, bisogna controllare ogni glifo oppure sovrapporre successivamente il testo reale.

A cosa serve davvero la finestra di prompt da 4.500 token?

Offre spazio gratuito, ma aumenta i tempi di attesa. La capacità principale di questa versione è il volume di istruzioni: prompt 4,5 volte più lunghi rispetto alla generazione precedente. Nei nostri test progressivi non abbiamo trovato un limite rigido. Sono stati accettati senza errori prompt di riempimento stimati in 4.200 e perfino 5.000 token. Il limite documentato non viene quindi applicato tramite un errore in corrispondenza della soglia che siamo riusciti a testare. Inoltre, con la fatturazione per immagine, i token aggiuntivi non costano nulla. I prompt lunghi incidono invece sulla latenza, con risultati molto variabili: le generazioni standard con prompt brevi hanno richiesto 58-85 secondi; due test da 1.000 token hanno impiegato 85 e 120 secondi; quello da 4.200 token è arrivato a 241 secondi, mentre quello da 5.000 ne ha richiesti solo 88. La tendenza è in crescita, ma la variabilità è ampia. Quando si usa l’intera finestra, va pianificato il tempo di esecuzione, non il costo.

Come si posiziona rispetto agli altri modelli di generazione di immagini?

È di gran lunga il più lento del catalogo. È il vero costo del posizionamento “utile, non solo bello”. Tempi misurati nello stesso giorno e con lo stesso prompt per tutti i modelli:

Due osservazioni sul posizionamento. Primo, il predecessore non è diventato obsoleto: qwen-image-2.0 genera in un sesto del tempo e mantiene un vantaggio nei carichi ad alto volume con asset semplici. Il tempo aggiuntivo di 3.0 è giustificato per lavori con layout complessi, molto testo o istruzioni dense che 2.0 non riesce a seguire. Secondo, Alibaba offre ora due linee di generazione di immagini in parallelo: Qwen-Image e wan2.7-image della famiglia Tongyi Wanxiang. Il secondo è tre volte più veloce. Se si usa già l’ecosistema Alibaba e l’obiettivo è l’estetica anziché la generazione di documenti, vale la pena confrontare anche l’altra linea.

La capacità disponibile è ancora quella limitata di una beta e va considerata in qualsiasi piano di rollout. A metà dello studio abbiamo raggiunto le quote di rate limit upstream dopo circa una dozzina di generazioni. Anche le segnalazioni sul piano gratuito descrivono gli stessi errori 429 con chiamate consecutive. Manca inoltre il consueto confronto con i benchmark: il lancio non includeva benchmark, pesi né report tecnico, e il listino è arrivato solo dopo la settimana di lancio. Per la maggior parte delle affermazioni non esiste quindi una fonte ufficiale con cui verificare i risultati. Tutti i dati riportati sopra provengono dai nostri contatori e test. Le tariffe per immagine possono variare in base al provider: vanno controllate sulla prima fattura, non ricavate da stime di terze parti.

FAQ

Quanto costa Qwen-Image 3.0 per immagine?

Secondo le tariffe pubblicate da DashScope, costa $0.03 per immagine generata in entrambe le fasce di risoluzione. Le immagini di input nei workflow di editing costano $0.003, mentre i prompt testuali non vengono addebitati, indipendentemente dalla lunghezza. Il prezzo è inferiore ai $0.035 di qwen-image-2.0. La SKU pro differenzia invece le fasce: $0.04 per output di classe 1K e $0.075 per 2K.

Qwen-Image 3.0 può davvero generare 9 immagini contemporaneamente?

Sì, come singola immagine: un prompt per una griglia 3x3 ha restituito tutte le nove scene richieste in modo distinto, con l’addebito di una sola immagine nella fascia 1K. Non come batch API: n è limitato a 4 e ogni immagine del batch viene addebitata separatamente. La griglia è la soluzione più conveniente quando serve una tavola contatti anziché file autonomi.

I testi piccoli di Qwen-Image 3.0 sono utilizzabili in produzione?

Sì, se sono composti autonomamente dal modello: nei nostri test, etichette e testi inventati sono risultati corretti in inglese, cinese e giapponese. Non se si tratta di stringhe dettate: la nota esatta che avevamo specificato conteneva errori in 3 test inglesi su 3, mentre 2 test giapponesi su 3 hanno modificato almeno un carattere. I testi piccoli dettati vanno verificati oppure aggiunti in compositing con un font reale.

Conviene passare da Qwen-Image 2.0 a Qwen-Image 3.0?

Solo per i lavori che 2.0 non riesce a gestire: layout densi, pagine in stile documento, lunghe istruzioni in più parti e testo all’interno delle immagini. A parità di fatturazione per immagine, 2.0 genera una scena standard in circa 10 secondi, contro i 58-85 di 3.0. I workload in cui conta il throughput dovrebbero restare su 2.0. 3.0 va considerato un modello specializzato per generazioni con istruzioni complesse, non un sostituto immediato.

Misurazioni effettuate dal 2026-08-05 al 2026-08-06 tramite il gateway Synthorai, il giorno in cui qwen-image-3.0 è arrivato su questa route commerciale; la fascia -pro non era ancora disponibile. I test hanno coperto schema di fatturazione e fasce di risoluzione, limite dei batch e composizione a griglia, accettazione progressiva di prompt lunghi con testi di riempimento stimati in 1.000 / 4.200 / 5.000 token in base al conteggio delle parole, poiché l’API immagini non restituisce il numero di token del prompt, prompt in cinese e giapponese, rendering ripetuti di testo piccolo e misurazioni nello stesso giorno e con lo stesso prompt su sei modelli del catalogo. Le immagini mostrate sono output dei test non modificati. Gli importi in dollari usano il listino DashScope, pubblicato dopo la settimana di lancio e coerente con la struttura di contabilizzazione misurata; l’intervallo per immagine di gpt-image-2 deriva dai token rilevati, applicando le tariffe verificate nel nostro precedente studio sulla generazione di immagini. Il comportamento può cambiare con la maturazione della beta.

← Torna al blog