阿里在 2026-07-21 发布了 Qwen Image 3.0 Pro上架 ofox 的价格是 $0。不是「token 免费、底下藏一笔按张的钱」——ofox 上多数生图模型恰恰是那么定价的——它连按张的费用也没有。是真的零不是那种会悄悄扣完的试用额度。但它也不是那种你这周就该拿去做产品的免费。理由写在模型页的中文描述里英文报道基本都略过了本版本为限时免费体验版目前为限量体验阶段。限时和限量是两条独立的约束而真正会打断你一下午的是后面那条。下面是这个免费档位给了什么、拿走了什么以及三个会让你从 gpt-image-2 教程抄来的代码直接崩掉的接入细节。本文所有配图都是模型的真实输出2026-07-23 生成。接完能做什么不能做什么能做通过 OpenAI 兼容端点以 $0 出图token 和按张都是 0文生图尺寸任意需要多久已有 ofox key 的话大约 3 分钟需要什么一个 ofox API Key、Python 3.8 或 Node 18以及你大概率已经装了的openaiSDK不能做跑批量。按公布的配额做产能规划。假设下个月还是这个价。拿到 base64。用参考图见下文什么时候该用什么时候别用该用的场景你在选生图模型想先拿自己的 prompt 试试它的文字渲染再决定钱花在哪。你是偶发、交互式地出图一小时几张429 只是让你重试一次而不是让任务失败。你需要图里有正确的中文而现有模型总是写成鬼画符。这是 Qwen 真正拉开差距的能力而且验证它不要钱。别用的场景你要跑批量。限量阶段让吞吐变得不可预测而批处理里不可预测的吞吐比明确的价格更糟。你有延迟要求。这里 429 的退避是几十秒量级不是几百毫秒。你在写一个三个月内没人会去看、但必须一直能跑的东西。免费这个档位是明确写了有期限的。可以停的地方如果你只是想知道文字渲染那个说法是不是真的看完下面四张测试图就可以关掉本文了。结论是写词成立、写序列不成立知道这一条你不用接入任何东西就已经赚了。环境准备一个 ofox API Key去 ofox 控制台 拿。Python 3.8 及以上装openai1.0或者 Node 18 装openai。不需要阿里云账号不需要 DashScope key不需要单独配区域。一个能写文件的地方。这个端点给你的是 URL 不是字节流而那个链接活不了太久。三分钟接入第 1 步把 SDK 指向 ofoxfrom openai import OpenAI client OpenAI( base_urlhttps://api.ofox.io/v1, api_keyYOUR_OFOX_KEY, )预期结果没有任何输出。import 失败的话跑pip install -U openai升级。第 2 步调模型resp client.images.generate( modelbailian/qwen-image-3.0-pro:free, promptA ceramic mug on a linen cloth, morning light, shallow depth of field, size1024x1024, n1, ) print(resp.data[0].url)预期结果标准输出打印一个https://dashscope-*.oss-accelerate.aliyuncs.com/...的链接。Node 版本import OpenAI from openai; const client new OpenAI({ baseURL: https://api.ofox.io/v1, apiKey: process.env.OFOX_API_KEY, }); const r await client.images.generate({ model: bailian/qwen-image-3.0-pro:free, prompt: A ceramic mug on a linen cloth, morning light, size: 1024x1024, n: 1, }); console.log(r.data[0].url);第 3 步趁链接还没过期把字节抓下来import urllib.request urllib.request.urlretrieve(resp.data[0].url, out.png)预期结果磁盘上出现out.png1024x1024 大约 1 到 1.5 MB。这一步不是可有可无的收尾。把链接写进数据库之前先读完下一节。三个会让抄来的代码崩掉的细节一、返回的是 URL不是 base64外面流传的生图教程大多是照着gpt-image-2写的那个返回b64_json。Qwen 3.0 Pro 在这个端点上返回urlb64_json是空的。这样写会挂raw base64.b64decode(resp.data[0].b64_json) # Qwen 上直接 TypeError如果你的代码要在多个模型之间路由两种形态都得兼容item resp.data[0] raw (base64.b64decode(item.b64_json) if item.b64_json else urllib.request.urlopen(item.url).read())那个 URL 指向阿里的 OSS带签名且会过期。一定要把字节落盘。存进数据库的链接过一阵就是一张裂图。二、免费的配额是「按时刻」而不是「按天」官方没有公布 RPM 数值所以我们只能测能观察到的部分。连着发请求第二个立刻返回429 Requests rate limit exceeded。开两个生成进程并行跑两个都 429而且谁都不往前走直到杀掉其中一个。单个串行 worker、退避从 45 秒起往上加则每个请求都跑完了。调用形态结果连着发两个请求第二个立刻 429同一个 key 开两个进程并行两个都 429杀掉一个之前谁都不动单 worker、退避 45s、任务间隔 20s全部跑完同样形态连跑四个任务四个全过第一次清空之后没再 429这种形态——只要有并发就立刻 429、严格串行就相当宽松——正是限量体验阶段从外面看到的样子。它不是故障而且越用力重试越糟。import time, openai def generate(prompt, size1024x1024, tries6): for i in range(tries): try: r client.images.generate( modelbailian/qwen-image-3.0-pro:free, promptprompt, sizesize, n1) return r.data[0].url except openai.RateLimitError: time.sleep(45 * (i 1)) raise RuntimeError(配额始终没放开) # 走 OpenAI SDK 时429 抛的是 openai.RateLimitError。 # 只有直接打 HTTP 端点接到的才是 urllib 的 HTTPError(429)。三、尺寸没有枚举限制不少生图端点只认一份固定的尺寸清单别的一律拒绝——所以那么多生图代码里都带着一张「宽屏」映射到某个厂商钦定字符串的对照表。这个端点看起来不是那样。传入尺寸返回用途1024x1024原样默认方图1024x1536原样竖版海报和规格卡1664x928原样宽屏接近 16:9我们传什么就返回什么分辨率。如果你在生成固定比例的博客头图或社交卡片可以直接要最终尺寸不用先出方图再裁——少一个把构图切掉脑袋的环节。需要注意这是实测行为不是文档承诺。拿回来的图还是要校验尺寸尤其当它会被塞进一个比例不对就会崩的版式里。参考图我们没能让它生效模型页把参考图输入和文生图并列写着。我们没能在这个端点上让它工作而且失败的方式值得记一笔因为它是无声的。拿 Test 1 那张咖啡机海报做源图prompt 要求改成墨线手绘风但保留版式和规格数值试了三种写法尝试结果images.generate(..., imagedata:image/png;base64,...)HTTP 200出图了参考图被完全忽略images.generate(..., image_urldata:image/png;base64,...)HTTP 200出图了但没复现参考图内容POST /images/editsHTTP 400You must provide a model parameter而 body 里有 model第一种最清楚给它一张写实风的咖啡机海报返回的是一张植物精华广告。风格对主体完全不相干参考图里什么都没留下。第二种乍看更接近细看更说明问题源海报写的是锅炉 1.6 L、重量 12.4 kg新图写成了 2.0 L 和 28 kg四行表格变成八格网格实拍产品变成带引线标注的剖面图保修那行消失了。唯一对上的 9 bar 是所有意式咖啡机的标准压力说明不了任何问题。换句话说模型是照着 prompt 文字重新画了一张压根没读参考图。第三种比前两种更麻烦一个抱怨缺少model参数、而该参数明明存在的 400够你去查自己的序列化查二十分钟。能确定地说的是这个模型文档上有参考图能力而我们没有找到能在 ofox 的 OpenAI 兼容生图端点上把它送进去的参数写法。也许阿里原生的 DashScope API 可以也许正确的参数名是我们没试到的。但它不会大声报错所以你要真拿它做东西请核对输出确实反映了输入别看到 200 就当成功。文字渲染那个说法立得住吗阿里给这一代的卖点是排版小字保持可读、长 prompt 保持连贯、多种文字同框。这些都可验证所以我们验了。下面每张图都是给定尺寸下的原始输出没有修图也没有在多次尝试里挑好的。测试一规格表里的小字。prompt 要求四行带确切数值的表格外加底部一行细字流水号。每个数值都落对了Pressure 9 bar、Boiler 1.6 L、Weight 12.4 kg、Warranty 24 months。底部那行是Serial AT-2026-0731 / Made in Suzhou连斜杠和带连字符的流水号都准确。在 1024x1536 下这行细字大约相当于 8pt。没有掉字、没有生造字符、小字号上也没有糊成一团——而生图模型通常正是在这里露馅的。测试二两种文字同框。同一块指示牌上英文和中文各占一行共用一组数字。两种文字都正确。开发者专场和注册签到是结构完整的汉字不是多数生图模型产出的那种「汉字形状的噪声」。拉丁字和中文的字重一致两行的09:00也对得上。试过用西方生图模型做中文海报的人会明白这一张的分量。这是全文最有意思的结果而且你自己零成本就能复现。测试三多标注的技术示意图。这类通常是要崩的。prompt 点名了五个必须出现的字串CLIENT、GATEWAY、MODEL、RESPONSE以及auth/route/inference三项图例每个方块下面的说明文字则没有指定内容。五个指定字串全部渲染正确、位置也对。更值得注意的是它自己补的部分加了标题把箭头编成1. Request/2. Forward/3. Output说明文字写得技术上通顺而不是凑数的占位文网关下面写的是「Validates authentication / Routes to endpoint」。全图拼写没有出错。这让它有资格用来出文档示意图的初稿。但不等于可靠——它补的那些说明是它对你架构的猜测猜错的时候它一样写得理直气壮。测试四它在哪儿真的崩。我们要一张代码编辑器截图带文件树、语法高亮的 Python以及可见的 1 到 14 行号。外壳几乎完美。文件名正确且图标匹配状态栏一字不差地写着UTF-8 CRLF Python 3.12 Ln 8, Col 22 Spaces: 4菜单栏合理语法高亮给关键字、字符串和函数名分配的颜色也说得通。然后看行号那一列1, 3, 3, 4, 6, 7, 9, 8, 0, 8, 11, 11, 12, 13, 14。没有 2、没有 5、没有 10好几个重复还冒出一个0。再看代码最后一行if __name__ __main__:Python 需要两个等号的地方只有一个。这就是这个模型能力的诚实边界。词——包括小字和中文——它写得对序列它写不对。行号那一列是对单调计数最纯粹的考验而它交出的东西远看像在计数凑近就散了。那个该是的是同一个毛病的另一种表现。实用结论凡是读者把文字当语言读的地方都可以用凡是读者会把内容当字面真值的代码截图或者坐标轴标签必须是真实序列的图表都不要用。这不是换个 prompt 能修好的问题这就是模型当前不擅长的事。接入常见报错报错含义解决429 Requests rate limit exceeded免费档位的限量不是故障串行化请求退避 45 秒起往上加。不要并行b64_json上TypeError: expected str, got None你抄了 gpt-image-2 的代码读data[0].url再去抓图片链接过一阵变 403OSS 签名链接过期生成时立刻下载保存字节而不是链接model_not_found少了:free后缀完整 ID 是bailian/qwen-image-3.0-pro:free冒号也要data数组为空prompt 命中内容过滤换个说法。这个端点不总是给出明确的拒绝原因团队协作时的配置限量这件事对团队的影响比对个人大得多你的同事会互相限流。两个人同时对着同一个免费模型调 prompt正是那个稳定触发 429 的并发场景。三种处理方式按投入从小到大一个 key一条队列。把出图放到单 worker 的任务队列后面而不是让每个人的电脑直接打端点。这是真正能解决问题的那一步。按模型分流而不是按 key 分流。Qwen 是 ofox 上唯一免费的生图模型所以这条实际意思是把批量工作挪到付费模型上把 Qwen 留给它真正占优的排版场景。Seedream 5.0 Lite 每张 $0.035是放批量的最便宜去处。自动降级。捕获 429 之后重试到有真实吞吐的付费模型。每张 $0.035 到 $0.05几张图被放行的成本远低于一个工程师干等着。因为这些都在同一个 base URL、同一个 key 后面第三条只是换一个 model 字符串不是再做一次接入。CHAIN [ bailian/qwen-image-3.0-pro:free, # $0但限量 volcengine/doubao-seedream-5.0-lite, # 每张 $0.035 openai/gpt-image-2, # 输入 $4/M输出 $24/M ] def generate_with_failover(prompt, size1024x1024): for model in CHAIN: try: r client.images.generate( modelmodel, promptprompt, sizesize, n1) return model, r.data[0] except Exception as e: if 429 not in str(e): raise raise RuntimeError(所有 provider 都被限流了)把模型名跟图一起返回。等哪天你发现某一批图的风格跟另一批不一样知道每张究竟是谁出的能省你一个小时。为免费窗口关闭那天做准备「限时」加上没有截止日本质是个排期问题伪装成了定价说明。真正的故障不是你收到一张账单而是某天早上 model ID 不再解析或者解析到了一个付费变体然后你接进去的那个东西不工作了而团队里没人记得为什么。三条便宜的预防措施每条都不比接入本身更花时间把 model ID 放进配置。一个环境变量里的字符串而不是散在六个调用点。对多数团队来说这一条就是全部缓解措施。记录每张图是哪个模型出的。输出质量变化时你需要先知道是不是模型在你脚下换了再去怀疑自己的 prompt。提前知道降级目标的价格。下面那张表就是为了让你在 429 变成常态之前决定已经做好了。如果你会归档生成的图这一条比听起来更重要。签名 OSS 链接按它自己的节奏过期所以一张你免费生成、但只存了链接没存文件的图无论定价怎么变都是一张迟早会裂的图。Qwen 被限流时的替代选择模型ofox 价格说明bailian/qwen-image-3.0-pro:free$0按张也不收唯一真免费的。限量且有时限volcengine/doubao-seedream-5.0-lite每张 $0.035按张计费里最便宜的。按张不按 tokenvolcengine/doubao-seedream-4.5每张 $0.04同系列上一代volcengine/doubao-seedream-5.0-pro每张 $0.05Seedream 最高档。想继续用国产模型的话是自然的第一跳google/gemini-3.1-flash-lite-image输入 $0.25/M输出 $1.50/M按 token 计费吞吐可预期google/gemini-3.1-flash-image输入 $0.50/M输出 $3.00/M按 token 计费更大一档openai/gpt-image-2输入 $4/M输出 $24/M缓存 $1/M最可预期的一个这张表要仔细读因为定价页很容易看错我们自己第一遍就看错了。生图模型的计费方式并不统一。Seedream 那几行 token 两列都写着$0/M看起来是免费其实不是它们按生成的图张数计费Per Image 那一行才是会进你账单的数字。生图模型上的$0/$0token 行什么都说明不了。于是 Qwen Image 3.0 Pro 成了 ofox 上目前唯一完全不收费的生图模型无论按 token 还是按张。这也戳破了这个故事里让人舒服的那个版本没有免费的降级选项。被限量卡住的时候替代方案是要花钱的便宜的那头每张 $0.035 到 $0.05。数目不大但不是零而一条按「免费」设计的流水线需要知道自己到底属于哪种。Seedream 依然是最自然的第一跳。同一个 base URL、同一个 key、换一个字符串。但它们是另一个系列我们也没有拿同样的四组排版测试去测过它们所以把它们当成 Qwen 文字渲染能力的等价替代是一种假设不是一项结论。价格是 2026-07-23 逐个抓 ofox 模型页确认的。核对时踩到一点gpt-image-2在/v1/models接口上对我们这把 key 返回的是 $5/M 和 $30/M正是模型页上被划掉的那列牌价旁边 ofox 的折后价是 $4/M 和 $24/M。我们只在一把 key 上测过所以把它当成「该读页面而不是读接口」的理由而不是一条有文档依据的规则。想看付费档位的深入对比我们单独写过 Seedream 4.5 图像 API 教程 和 Flux 2 Max API 指南另外 GPT-Image-2 生成失败排查 讲了生成变慢和 504 通常意味着什么。我们没能验证的部分把没验到的地方讲清楚因为这次发布的报道里很多都没讲没有 benchmark。阿里这一代没有放技术报告也没有公开评测数字。你看到的任何 Qwen Image 3.0 Pro 的排名都是某个人的主观感受包括我们的。没有开源权重。早几代 Qwen-Image 有可下载的权重这一代没有所以自托管不是绕开限量的出口。没有公布速率限制。上面那些数字是一把 key 在一个下午的观察结果不是文档化的限制。你的可能不同阿里也可以随时改而不通知任何人。免费定价没有截止日。「限时」而不给日期就是全部的披露内容。长 prompt 的说法没测。阿里宣传的 prompt 处理能力在数千 token 量级。我们的测试 prompt 每条只有几十个词这说明不了一段 4,000 token 的场景描述能不能保持连贯。限量让一次性做完压力测试不现实我们不打算假装做过。样本量只有四。四个 prompt、每个一次、不重试也不挑选。足以证明小字渲染可行、数字序列会崩但不足以给任何一项标上百分比。之所以要写清楚这次发布的多数报道把阿里的能力清单当成了测量结果来复述。能力清单是一项声明。上面四张图是四个数据点比声明多比 benchmark 少得多。本文核对过的来源Qwen Image 3.0 发布公告qwen.aiQwen-Image 3.0 Pro (Free) 模型页ofoxDoubao Seedream 5.0 Pro 模型页ofox阿里云百炼错误码文档ofox API 参考