이미지 속 글자까지 제대로 그린다 — 알리바바 Qwen-Image 3.0 공개

이미지 생성 AI의 마지막 관문, '글자'

알리바바의 Qwen 팀이 이미지 생성 모델의 새 버전, Qwen-Image 3.0을 공개했어요. 팀이 내세운 키워드는 세 가지예요. 풍부한 콘텐츠(Rich Content), 사실적인 디테일(Authentic Details), 그리고 깊은 지식(Deep Knowledge). 이 세 단어가 무슨 뜻인지 풀어보면, 지금 이미지 생성 AI가 어디까지 왔고 어디서 막혀 있는지가 보이거든요.

배경부터 볼게요. Qwen-Image 시리즈는 처음 나왔을 때부터 '글자를 제대로 그리는 모델'로 이름을 알렸어요. 이미지 생성 AI들이 유독 글자에 약했거든요. 왜 그러냐면, 이 모델들은 이미지를 전체적인 분위기와 형태로 학습해서, 사람 얼굴은 눈코입 위치가 조금 달라도 자연스러워 보이지만 글자는 획 하나만 틀려도 바로 '깨진 글자'가 되기 때문이에요. 게다가 한자나 한글처럼 획이 복잡하고 조합형인 문자는 난이도가 훨씬 높고요. Qwen-Image는 이 문제를 정면 돌파해서 포스터, 간판, 슬라이드처럼 글자가 들어간 이미지를 실무에 쓸 만한 수준으로 끌어올렸고, 오픈 웨이트로 풀리면서 생태계에서 존재감을 키워왔어요.

3.0이 겨냥하는 것: 잘 그리기를 넘어 '알고 그리기'

이번 버전의 방향을 세 키워드로 읽어볼게요. '풍부한 콘텐츠'는 한 장면에 여러 요소가 얽힌 복잡한 구도를 무너지지 않게 그려내는 능력이에요. 인물 여러 명, 배경, 소품, 텍스트가 함께 있어도 각각의 관계가 말이 되게요. '사실적인 디테일'은 확대해서 봐도 어색하지 않은 질감과 조명, 그러니까 AI 특유의 '매끈한데 어딘가 이상한' 느낌을 줄이는 쪽이고요.

제일 흥미로운 건 '깊은 지식'이에요. 이게 뭐냐면, 그림 실력이 아니라 '무엇을 그려야 맞는지 아는' 능력이거든요. 예를 들어 '광합성 과정을 설명하는 인포그래픽을 그려줘'라고 하면, 그럴듯한 그림체보다 중요한 건 내용이 과학적으로 맞느냐잖아요. 세계 지식을 가진 언어 모델의 이해력을 이미지 생성에 연결해서, 교육 자료나 도표처럼 '내용이 정확해야 하는 이미지'를 만들겠다는 방향이에요. 이미지 생성이 예쁜 그림 뽑기에서 지식 노동의 도구로 넘어가는 신호라고 볼 수 있죠.

업계 맥락: 이미지 모델 전쟁의 구도

지금 이 판은 경쟁이 아주 치열해요. 폐쇄형 쪽에는 '나노 바나나'로 유명해진 구글 Gemini의 이미지 생성과 OpenAI의 GPT 이미지 생성이 있고, 바이트댄스의 Seedream도 사실감으로 강세예요. 오픈 웨이트 진영에서는 FLUX 시리즈가 커뮤니티 표준처럼 쓰여왔는데, Qwen-Image가 여기에 '텍스트 렌더링과 편집 성능'이라는 무기로 치고 들어온 구도거든요. Qwen이라는 브랜드 자체가 언어 모델 쪽에서 이미 오픈소스 생태계의 기본값이 되어가는 중이라, 이미지에서도 같은 전략을 밀고 있다고 보면 돼요. 로컬에서 돌리고, 파인튜닝하고, ComfyUI 같은 워크플로 도구에 끼워 쓰는 사용자층에게는 오픈 계열의 신모델이 반가울 수밖에 없죠.

한국 개발자에게

실무 관점에서 제일 먼저 확인할 건 한글 렌더링 품질이에요. 중국어 같은 복잡한 문자에 강한 모델 계보라 한글도 기대해볼 만하지만, 조합형 문자 특성상 직접 돌려보고 판단하는 게 정확해요. 배너, 상세페이지, 발표 자료처럼 텍스트가 들어가는 이미지 작업이 많은 팀이라면 시안 단계에서 쓸 수 있는지 검증해볼 가치가 충분하고요. 서비스에 붙일 계획이라면 이번 버전의 라이선스 조건과 상업적 사용 범위는 꼭 확인하세요.

한줄 정리: Qwen-Image 3.0은 '예쁘게 그리기'를 넘어 '알고, 정확하게, 글자까지' 그리는 쪽으로 이미지 생성의 기준을 옮기려는 시도예요.

여러분은 이미지 생성 모델을 실무에 쓰고 계신가요? 한글 텍스트 때문에 포기했던 경험이 있다면, 어떤 작업에 다시 도전해보고 싶으세요?