Qwen Image

Qwen image API（Qwen-VL-Max）是阿里巴巴推出的前沿視覺語言模型。它在高解析度 OCR、使用邊界框進行精確視覺定位以及複雜影片分析方面表現出色，在數學推理方面的效能超越 GPT-4o。

模態

Qwen Image 定價

先從單次樣本成本開始，再選擇測試預算。GPTProto 費率比標價低 10%。

你的用量

模型

$0.0315 / 張

每月圖片數

場景預設

相關模型

所有模型

Qwen Image

目前

byQwen$0.0315 / 每次1K

GPT Image 2.5 Sunburst

byOpenAI$7.6/M input$28.5/M output

GPT Image 2.5 Flare

byOpenAI$7.6/M input$28.5/M output

Grok Imagine Image 2.0

byGrok$0.04 / 每次1K · 2K · more

Seedream 5.0 Pro (Build 260628)

byBytedance$0.0405 / 每次1K · 2K

Nano Banana 2 Lite (Gemini 3.1 Flash-Lite Image)

byGoogle$0.0202 / 每次1K

Nano Banana 2 (Gemini 3.1 Flash Image)

byGoogle$0.0402 / 每次1K · 2K · 4K

GPT Image 2

byOpenAI$6.4/M input$24/M output

Nano Banana 2 (Gemini 3.1 Flash Image)

byGoogle$0.0402 / 每次1K · 2K · 4K

Seedream 5.0 (Build 260128)

byBytedance$0.0298 / 每次

Doubao Seedream 5.0 (Build 260128)

byBytedance$0.0298 / 每次

Grok Imagine Image

byGrok$0.012 / 每次

Kling Image o1

byKling$0.0224 / 每次

Grok Imagine 0.9

byGrok$0.135 / 每次

Image Watermark Remover

byGPTProto$0.01 / 每次

byGPTProto$0.02 / 每次

byFlux$0.064 / 每次

byFlux$0.032 / 每次

byIdeogram$0.048 / 每次

Ideogram Edit v3

byIdeogram$0.048 / 每次

Ideogram Remix v3

byIdeogram$0.048 / 每次

Midjourney

byMidjourney$0.0608 / 每次

模型			解析度	輸入 → 輸出
Qwen Image目前 $		$0.03 / 每次	1K	輸入: 文字輸出: 圖像
GPT Image 2.5 Sunburst $		$7.60 / $28.50 每 1M	—	輸入: 文字輸入: 圖像輸出: 圖像
GPT Image 2.5 Flare $		$7.60 / $28.50 每 1M	—	輸入: 文字輸入: 圖像輸出: 圖像
Grok Imagine Image 2.0 $	—	$0.04 / 每次	1K · 2K · more	輸入: 文字輸入: 圖像輸出: 圖像
Seedream 5.0 Pro (Build 260628) $		$0.04 / 每次	1K · 2K	輸入: 文字輸入: 圖像輸出: 圖像
Nano Banana 2 Lite (Gemini 3.1 Flash-Lite Image) $		$0.02 / 每次	1K	輸入: 文字輸入: 圖像輸出: 圖像
Nano Banana 2 (Gemini 3.1 Flash Image) $		$0.04 / 每次	1K · 2K · 4K	輸入: 文字輸入: 圖像輸出: 圖像
GPT Image 2 $		$6.40 / $24.00 每 1M	—	輸入: 文字輸入: 圖像輸出: 圖像
Nano Banana 2 (Gemini 3.1 Flash Image) $		$0.04 / 每次	1K · 2K · 4K	輸入: 文字輸入: 圖像輸出: 圖像
Seedream 5.0 (Build 260128) $		$0.03 / 每次	—	輸入: 文字輸入: 圖像輸出: 圖像
Doubao Seedream 5.0 (Build 260128) $		$0.03 / 每次	—	輸入: 文字輸入: 圖像輸出: 圖像
Grok Imagine Image $		$0.01 / 每次	—	輸入: 文字輸入: 圖像輸出: 圖像
Kling Image o1 $		$0.02 / 每次	—	輸入: 文字輸入: 圖像輸出: 圖像
Grok Imagine 0.9 $	—	$0.14 / 每次	—	輸入: 文字輸出: 圖像
Image Watermark Remover $	—	$0.01 / 每次	—	輸入: 圖像輸出: 圖像
Image Zoom $	—	$0.02 / 每次	—	輸入: 圖像輸出: 圖像
Flux Kontext Max $		$0.06 / 每次	—	輸入: 文字輸入: 圖像輸出: 圖像
Flux Kontext Pro $		$0.03 / 每次	—	輸入: 文字輸入: 圖像輸出: 圖像
Ideogram Reframe v3 $		$0.05 / 每次	—	輸入: 圖像輸出: 圖像
Ideogram Edit v3 $		$0.05 / 每次	—	輸入: 圖像輸出: 圖像
Ideogram Remix v3 $		$0.05 / 每次	—	輸入: 文字輸出: 圖像
Midjourney $		$0.06 / 每次	—	輸入: 文字輸入: 圖像輸出: 圖像

Qwen Image API 的核心功能

qwen image api 提供專門用於高解析度文件擷取與視覺推理的工具。

原生高解析度 OCR

即使在複雜版面中處理小字，也能保留清晰度，在密集文件擷取方面超越標準 LLM。

精準視覺定位

輸出物件的精確邊界框座標，支援進階視覺搜尋與 UI 自動化。

20 分鐘以上影片分析

透過動態取樣分析長時段影片，用於時間事件偵測與摘要。

複雜圖表推理

解讀圖表、表格與數學公式，在 MathVista 上展現業界領先的準確度。

Qwen Image API：常見問題

關於在 GPTProto 上實作 qwen image api，以執行 OCR、文件理解與視覺定位任務的常見問題。

qwen image api 如何處理高解析度文件？

不同於會縮小影像的模型，qwen image api 支援可變輸入解析度。因此，qwen api 能保留建築圖紙或密集學術論文中小字體與精細細節的清晰度，與固定網格模型相比，可帶來更優異的 OCR 準確度。

qwen api 能處理長篇影片內容嗎？

可以，qwen image api 能夠分析超過 20 分鐘的影片。它會使用動態影格取樣進行時間推理，讓使用者能針對長時間影片中發生的特定事件或模式提出問題。

qwen image api 是否相容於 OpenAI SDK？

當然可以。我們為 qwen image api 提供相容於 OpenAI 的端點。您只需更新基礎 URL，並將模型名稱設定為 qwen-image，即可使用現有的 Python 或 Node.js OpenAI 用戶端，輕鬆完成整合。

qwen image api 的定價結構為何？

qwen image api 極具成本效益，輸入與輸出的價格均約為每 1M 個 token 2.80 美元。與 Claude 3.5 Sonnet 相比，價格實惠許多，尤其適合大量文件擷取或大規模 OCR 等高用量任務。

qwen api 是否支援視覺定位座標？

可以，qwen image api 能為其偵測到的物件輸出精確的正規化座標 [ymin, xmin, ymax, xmax]。這使 qwen api 非常適合用於建構視覺搜尋引擎、自動化安全稽核或 UI 互動工具。

傳送至 qwen image api 的資料會用於訓練嗎？

不會。透過 GPTProto qwen image api 提交的資料不會用於模型訓練。我們重視企業級隱私，確保您的影像與提示始終保持機密與安全。