【免费生图】Qwen Image 3.0 Pro 接入指南：限量真相与 429 应对（2026）

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

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 openai>=1.0，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 ofox

from openai import OpenAI

client = OpenAI(
    base_url="https://api.ofox.ai/v1",
    api_key="YOUR_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(
    model="bailian/qwen-image-3.0-pro:free",
    prompt="A ceramic mug on a linen cloth, morning light, shallow depth of field",
    size="1024x1024",
    n=1,
)
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.ai/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.png，1024x1024 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 url，b64_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。

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, size="1024x1024", tries=6):
    for i in range(tries):
        try:
            r = client.images.generate(
                model="bailian/qwen-image-3.0-pro:free",
                prompt=prompt, size=size, n=1)
            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。

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：

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

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：

1. 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。
2. 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。
3. 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, size="1024x1024"):
    for model in CHAIN:
        try:
            r = client.images.generate(
                model=model, prompt=prompt, size=size, n=1)
            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

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/$0 token 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.ai
• Qwen-Image 3.0 Pro (Free) 模型页，ofox
• Doubao Seedream 5.0 Pro 模型页，ofox
• 阿里云百炼错误码文档
• ofox API 参考