Qwen-Image-3.0 공개, 원문은 빈약하고 댓글은 엇갈림

Who Should Read

이미지 생성 모델을 서비스에 붙일지 고민하는, 텍스트 렌더링·다국어 품질이 중요한 백엔드 개발자

Core Mechanics

• 원문에서 확인되는 내용은 제목뿐
  • 본문에는 'Qwen'이라는 단어만 있다.
  • 제목은 Rich Content, Authentic Details, Deep Knowledge다.
• 성능 수치는 원문에서 확인 불가
  • 벤치마크와 가격표는 원문에 담겨 있지 않다.
  • 가중치 공개 여부도 원문에서는 확인되지 않는다.

Community Reactions

• 가중치 비공개 같다는 의견
  • 가중치 공개 일정에 대한 언급이 전혀 없다는 댓글이 여러 개 있었다.
  • 로컬로 돌릴 수 없어 아쉽다는 반응이다.
• 텍스트 렌더링은 좋아졌지만 오타가 남는다는 경험
  • 한국어가 깨지지 않고 나오긴 하지만 '초웜한', '신키한'처럼 틀린 글자가 많다는 지적이 있었다.
  • 소개 글이 정확하다고 한 일본어·한국어·스페인어 예시도 완전하지 않다는 것이다.
• 직접 써 봤더니 품질이 별로였다는 경험
  • chat.qwen.ai에서 테스트했더니 다리가 세 개이거나 눈이 빛나는 결과가 나왔다는 댓글이 있었다.
  • 로고 두 개와 스크린샷을 줬더니 로고가 다르게 나왔다는 경험, 지도 오버레이를 못 했다는 경험도 있었다.
• 데모 신뢰성에 의문을 제기한 의견
  • 3×3 그리드 데모에 3.7k 토큰이 들었는데 프롬프트를 공개하지 않았다는 지적이 있었다.
  • 노란 색조가 GPT Image 1과 비슷하다는 의견도 있었다.

How to Apply

• 자사 다국어 문구로 텍스트 렌더링 테스트
  • 서비스에 쓸 한국어 문구 20개를 프롬프트에 넣고 생성해 보자.
  • 오타 비율을 직접 세어 기록한다.
• 로고·UI 스크린샷 일관성 테스트
  • 실제 로고와 스크린샷을 입력으로 넣어 같은 로고가 나오는지 확인한다.
  • 결과를 팀 공유 문서에 저장한다.
• 도입 전 가중치·가격 정보 확인
  • 공식 문서에서 가중치 공개 여부와 API 가격을 확인한다.
  • 확인되기 전에는 핵심 기능 의존을 피한다.

Try It

# Claude나 ChatGPT에 붙여넣기: 이미지 생성 모델 평가 체크리스트 만들기

나는 이미지 생성 모델을 서비스에 도입하려 한다. 아래 조건으로 평가 계획을 만들어 줘.
- 대상 모델: {{모델명}}
- 언어: {{한국어/일본어/영어}}
- 용도: {{배너/상품 이미지/다이어그램}}

테스트 프롬프트 10개, 채점 기준(텍스트 정확도, 해부학 오류, 로고 일관성), 결과 기록용 표를 만들어 줘.

이어서 해 볼 것: 같은 프롬프트를 모델 2개에 돌려 표를 채워 보자.

Terminology

관련 논문

• The Judge Can Debias Itself: LLM-as-a-Judge가 스스로 편향을 고치게 하는 법

  심사 프롬프트에 편향 경고를 넣거나 스스로 비판시켰더니 21개 중 20개 조합에서 정확도가 올랐다

• 미국 노동시간의 90%는 AI 벤치마크가 제대로 다루지 못하는 일이다

  벤치마크 29개를 직업 과제에 매핑했더니 노동시간 90%가 커버 밖

• Postgres 19, AI 코드 리뷰가 버그를 너무 많이 찾아 출시 연기

  LLM 코드 리뷰가 버그를 쏟아내 Postgres 19가 11월로 밀리고 기능 8~10개가 빠졌다

• StarSkirmish Bench v0.2: LLM이 1시간 만에 짜는 StarCraft 봇 대결

  LLM에게 1시간 동안 StarCraft 봇을 짜게 했더니 GPT-6 Astra가 1위

• 그럴듯한 설명 하나면 멀티모달 LLM 심사위원도 속는다 (JUPE 벤치마크)

  정답은 그대로 두고 설명만 붙였더니 MLLM 심사위원의 오답 거절률이 12.7~13.8%p 떨어졌다

• 신경망은 이미 깔끔하다: polysemanticity의 원인 재해석

  뉴런을 직접 들여다봤더니 대부분 한 가지 역할이 있었다는 주장

• Linus Torvalds의 첫 LLM 보조 패치 시리즈

  Linus가 LLM으로 folio 조회 패치 10개를 만들어 read() 벤치가 10배 빨라졌다

Related Resources

• https://qwen.ai/blog?id=qwen-image-3.0