Nhóm Qwen của Alibaba đã giới thiệu Qwen-Image-Bench, một bộ chuẩn mã nguồn mở được thiết kế để đánh giá khả năng chuyển đổi văn bản thành hình ảnh của các mô hình lớn. Cùng với bản phát hành này là Q-Judger, một mô hình đánh giá hình ảnh được huấn luyện trên Qwen3.6-27B, đánh giá các mô hình theo năm chiều: chất lượng hình ảnh, thẩm mỹ, sự phù hợp giữa văn bản và hình ảnh, độ chân thực trong thế giới thực và khả năng sáng tạo. Bộ chuẩn bao gồm 1.000 câu lệnh song ngữ và đánh giá các mô hình dựa trên 56 chỉ số chi tiết. Các đánh giá ban đầu cho thấy GPT Image 2 dẫn đầu với điểm tổng hợp 64,69, xuất sắc ở cả năm hạng mục. Các ứng viên hàng đầu khác bao gồm Nano Banana 2.0 và GPT Image 1.5. Qwen Image 2.0 Pro của Alibaba xếp thứ năm. Đánh giá này làm nổi bật những thách thức phổ biến trong việc tạo hình ảnh AI, chẳng hạn như khó khăn với giải phẫu bàn tay người và việc thể hiện các quy luật vật lý.