四 | 为什么这么说？过去几年，你对AI生图的印象，大概还停在「画得像不像、美不美」这一层。手指头画对了没，光影真不真实，AI味重不重。这套比赛规则里，图像模型是个画师，考画功。”8月22日至23日，2026建德17℃新安江“夏日冬泳”轻极限运动挑战赛在建德火热举行，夺得游跑男子青年组冠军的上海选手王寅东兴奋地说。

五 | 可这场发布会，阿里声称的所有升级，指向的都不是画功。是另一个指标：一张图里，能装下多少东西。说一个最直观的数字。建德自2025年2月首次提出打造“轻极限运动之城”目标以来，迄今已布局轻极限运动项目45个，累计接待游客307万人次，带动综合消费超15亿元。提示词长度。

六 | 8月，随着2026建德“轻极限运动月”启幕，涵盖“水陆空”三大维度的10项赛事陆续展开。从江面到水下，从地面到天空，建德把整座城市变成了一座“天然运动场”。上一代Qwen-Image-2.0，一次最多吃进去1K token的指令。3.0直接拉到了4.5K。“水陆空”全面铺开的底气哪里来？何谓“轻极限运动”？夏日冬泳、低空跳伞、山地自行车、越野赛、漂流、桨板、自由潜……这些既具挑战又可亲近自然的运动项目，在建德被集中呈现。它们保留了极限运动对技巧和勇气的考验，但门槛更低、风险更可控，普通人经过专业指导即可“试水”。翻了4.5倍。

七 | 这意味着什么？过去你给图像模型下指令，只能压成一句话。这个定位恰好踩中了当下年轻人“想玩又不敢玩太狠”的心理区间。现在你可以像给设计师写需求文档一样，把画面结构、文字内容、排版细节，完整地写进去。发布会现场演示的一条提示词，3700个token，折合约13000个字符。建德系统梳理出了覆盖“水陆空”全维度的“轻极限运动”版图。什么概念？一份小型说明书的体量。

八 | 水上，新安江常年保持14℃—17℃的恒温，盛夏入水体感冰凉，这种强烈的温差体验，催生了“夏日冬泳”IP。“这里的水不仅冰冰凉凉，还会冒烟，从来没有见过。这份说明书生成了什么？一张九宫格。九个格子，九个不同学科的知识图解。”不久前，来建德参加“轻极限运动月”赛事发布会的世界游泳冠军杨丽娜说。水温恒定、水质清澈，也让桨板、自由潜有了常年开展的条件。

九 | 陆上，76%的森林覆盖率提供了天然氧吧般的生态环境，喀斯特地貌则雕琢出溶洞、峰林、陡崖等多样地形。数学公式、几何图形、逻辑推导，各画各的，互不串门。

十 | 一条指令，一次生成。乾潭有穿梭于竹海山林之间的勇峰专业山地自行车速降赛道，寿昌有亚洲最大楠木林。空中，浙江省首张A类通用机场许可证、5700平方公里华东地区最大低空飞行空域，让跳伞、航空模型、无人机足球有了施展的空间。作为对照，现场把同一条提示词喂给了2.0；超出1K限度之后，模型就开始「胡字」，连九宫格的框都排错了位置。近年来，建德先后承办F3A世界杯、全国航空模型公开赛。

十一 | 建德把这些天然赛道一个一个开发出来，并在地图上标出了45个坐标。比如，水之极潜水酒店建有42米华东地区最深潜池，自去年9月开业以来已接待游客3.8万人次。中国自由潜水竞技运动员王奥林评价：“这座潜水馆的体量、配套设施、工作人员专业度，在我接触过的场馆中都属于顶尖水准。

十二 | 另一组演示往纵深走，让模型生成一个VSCode编程界面，界面里打开着千问App，App的聊天窗口里躺着一张手冲咖啡海报。三层界面套娃，每一层的结构和风格都要对，最里层海报上的文字还得清晰可辨。”40万立方米水体规模，不少运动员赛前70%的训练任务可在这里完成。“尝鲜型”运动，如何持续？建德今年首次推出的“轻极限运动月”，是对“品牌化”的一次集中试探——10项赛事从8月持续到9月，试图用高频次、多品类的节奏，测试哪些项目能跑出来、能被记住。轻极限运动的主战场在景区、水域和航空小镇，但建德的谋划不止于专业赛道——他们想把赛事和活动引向更广阔的乡村场景，让运动成为激活村庄的“一把火”。

十三 | 官方演示里，手机截图上的时间数字，小到只有10个像素，现场还把一张YouTube界面图放大20倍来看，这些字小到只占原图的1%，字字可辨。乡村山水是轻极限的天然赛场。

十四 | 近日，2026勇峰自行车速降赛第三站在乾潭镇开赛。把这些演示摆在一起，动作是同一个：往一张图里塞进更多的东西。更长的指令、更多的画面、更深的嵌套、更小的字；塞进去，还要保证每个字都是对的。赛道所在的下包村配套有天然泳池、胥溪水域和草坪露营基地——赛事引流，乡村接客，一场速降赛就是一次山村“导流”实践。目前，投资30亿元的富龙国际冰雪运动基地项目正有序推进，将填补建德冬季冰雪旅游的空白。这就是「实」的人话版本：信息密度；图像模型比赛项目，正在从「画得好不好」，换成「装得下，装不下」。 ...... 问题来了：一张图塞这么满，给谁看？谁买单？这就要算一笔账了，图像模型这门生意，主流模式简单到有点原始：按产出量。我查了一下现在市面上的计费方式。国内厂商的图像API，普遍按张收费，生成一张收一张的钱。 OpenAI的GPT-Image-2按token计费，产出的图越多越大，token烧得越多。名目不同，骨架是同一副：客户为产出的量买单。阿里的3.0目前还在公测申请阶段，没有定价；不过，记住「按量收钱」这四个字。建成之后，建德有望实现“春踏青、夏戏水、秋越野、冬滑雪”的全季全时运动体验。建德市文广旅体局发布的一组数据显示：马岭天观景区引入高空秋千后，游客平均年龄从45岁降到30岁，二次消费占比升至70%；勇峰自行车公园山地速降复购率达70%；航空小镇跳伞复购率约为15%。我们再回头看发布会上一个不起眼的案例。讲商业化的架构师举了短剧行业：过去客户做一部短剧的前期素材，人设图、场景图、每个镜头的分镜图，要一张一张生成，几十张起步。现在这些元素可以融在一张图里，一次出完。官方的原话：过去生成几十张图的事，今天一张搞定。这笔账发布会没有算下去，我替它算完；按量计费的模式下，几十张变一张，客户这个环节的账单就压到了原来的几十分之一，单价一分没动，客户掏的钱少了一个数量级。

十五 | 这不是短剧一个行业的特例。

十六 | 讲到办公场景时，同一位架构师又算了一笔时间的账：过去自己调一个复杂的PPT页面，字号、字距、排版一处处抠，要半小时甚至一小时，用3.0生成，最快半分钟。三组数据指向一个结论：年轻人确实买账，但“尝鲜型”消费仍然占大头。如何把“来一次”的人变成“来很多次”的人，是轻极限运动从“网红打卡”走向“长期目的地”的关键一跃。张数的账、时间的账，算的是同一件事：图的信息密度越高，客户为一份可用素材付出的成本就越低。

十七 | C端是同一个逻辑的零售版。发布会上，千问App的产品经理举的例子是手帐和社媒封面；过去要找模板、挑图、拼字、调排版，做到一半就想放弃。现在一句话丢给模型，文字、排版、贴图一次成型。

十八 | 企业省账单，个人省那个熬夜拼图的晚上，这大概就是信息密度在商业上的真实身份：一种不打价格战的降价。直接降单价是价格战，人人都会，也人人都伤，把降价做成技术能力就不一样了：一张图装得下九张图的内容，等于用一张的价格卖九张的货。而这个折扣，只有装得下的模型给得起，想给同样折扣的对手，得先把4.5K token的长指令、互不干扰的排版这些能力做出来。降价，被做成了门槛。这也解释了为什么发布会把GPT-Image-2挂在嘴边。那是目前公认的天花板，也是把文字渲染、信息图当主打能力的模型。两家瞄着的是同一个方向：图不再是画，可以直接商用的信息载体。方向对不对，市场用脚投票；各家走到哪一步，得看第三方的尺子。这里如实交代一句：阿里闭源旗舰没有上过第三方盲测榜，今天「仅次于GPT Image」的信息，来自自家评测，毕竟还没放出来。但这笔降价的账，往下多想一步，会碰到一个悬着的问题：按量计费的生意，收入等于单价乘以量；信息密度把客户要买的量压掉一个数量级，单价又没人敢涨。这门生意的收入，以后从哪里长出来？我不知道。能确定的只有一件事：这个能往图里塞东西的本事，正在变成竞争的胜负手。 ...... 既然是胜负手，为什么偏偏只有这几家能做到？因为回头看那些演示，考的都不是画笔。把10个像素的字写对，考模型认不认识这个字。九个学科各画各的、互不串门，考它知不知道对数函数长什么样、蜻蜓的翅膀分几节。三层界面套娃不乱，考它捋不捋得清「界面里的App里的聊天窗里的海报」这种嵌套关系；这些能力拼在一起，有一个统一的名字：语言模型的能力。文字渲染、世界知识、长指令理解、逻辑结构，没有一样是传统图像模型的看家本领，全是从大语言模型那边外溢过来的。外溢还有一个更直接的证据：编辑。

十九 | 这一代模型把生图、编辑做进了同一个架构。官方的说法是，文生图里积累的文字渲染、细节质感和世界知识，会自然迁移到编辑场景。所以，你能看到古画修复前后文字不丢、手绘草图直接转成PPT这类演示；能迁移，说明这些本事长在底下那个理解世界的模型里。

| 另外，线上发布时，有一句话值得单独摘出来。演示九宫格时，技术负责人说，这个case试了目前市面上的模型，只见到两个能做到；一个是千问3.0。

| 另一个他没点名，语境里指向GPT-Image-2。注意这两家，都是先把语言模型做进第一梯队，再回头做图像的公司。牌桌上剩下这两位，不是巧合，图像模型的门槛，已经挪到了语言那一侧。发布会的结尾也在往同一个方向指，外部嘉宾被问到还期待什么，他说：「我发一张图给你，你捣鼓完直接返我十张能用的。

| 」技术负责人接的词是agentic image generation。他管这叫三思而后行：一思用户意图，二思收集素材，三思整合统筹。最后才轮到生成。

| 四步里，前三步全是语言模型的活；生成，那个我们以为的主角，排在最后一步。

| 我翻了翻这条产品线的发布记录，商业身段的变化也对得上。 1.0在2025年8月发布时是开源的，那是千问递给开源社区的一张名片；2.0起，旗舰不再开源。到今天的3.0，直接走API公测申请。开源线没有断，早先的编辑模型至今仍是开源阵营里最能打的，只是旗舰收进了柜台。会画图的模型，开源社区里已经不稀缺了；会读需求文档的模型，稀缺，收进柜台的是后者。 90分钟的发布会，讲一个图像模型，拆到最后，图像可能只是入口，一个「实」字背后，是提示词变成需求文档，一张图当九张图卖，是画画的本事让位给读题的本事。再往前一步，问题就变成了：当塞图的能力全部来自语言，图像模型还是一个独立的物种，还是语言模型的一个输出头？这个问题很有意思。不过看演示的方向，阿里自己可能也在思考。它只是把每一步都往「更实」的方向踩，踩到哪算哪。