Images 2.6 vs. Qwen Image 3.0: Keines von beiden ist offen, und nur eines war es früher

Wer nach diesem Vergleich sucht, will meist dasselbe: einen Grund, ein Bildmodell auf den eigenen GPUs laufen zu lassen. Qwen Image 3.0 scheint die Antwort zu sein, weil die Qwen-Image-Reihe seit drei Generationen offene Gewichte bietet. Sie ist es nicht. Qwen Image 3.0 und Qwen Image 3.0 Pro sind gehostete API-Modelle, angekündigt am 22. Juli 2026 und allgemein verfügbar auf Alibaba Cloud Model Studio seit dem 4. August 2026, ohne Modellkarte, ohne technischen Bericht und ohne veröffentlichte Parameterzahl. Die offene Linie endet einen Schritt früher, bei Qwen-Image-2.1. Währenddessen Images 2.6 — OpenAIs am 4. November 2026 veröffentlichte Version von GPT-Image-2.6 Sunburst und GPT-Image-2.6 Flare — ist offensichtlich geschlossen und hat nie etwas anderes vorgegeben.

Die ehrliche Einordnung dieses Duells ist also nicht offen gegen geschlossen. Es ist geschlossen gegen geschlossen, wobei ein Anbieter sechs Wochen früher eine offene Option ausgeliefert hat und ein anderer ein breiteres Produkt mit Animation, Vektorausgabe und einem Qualitätsstufenschema verkauft. Die Frage nach offenen Gewichten verdient trotzdem eine Antwort, denn sie ist der Grund, warum diese Seite existiert, und die Antwort lautet, dass Qwen-Image-2.1 genau das Modell ist, das man tatsächlich will, wenn Self-Hosting die Anforderung ist.

Die Lizenzierungslage, sorgfältig dargestellt

Dies ist ein Thema, bei dem Sekundärquellen aktiv falsch liegen, weshalb die Quellenarbeit mehr zählt als die Schlussfolgerung.

Mehrere Aggregator-Seiten – darunter die Vergleichsseiten von LLM Stats und die Wikipedia-Tabelle zu generativer KI – führen Qwen Image 3.0 als Open-Weight unter Apache 2.0 oder einer „Qwen License“ auf. Diese Einträge scheinen Template-Artefakte zu sein: Die Seiten werden aus einem Schema generiert, das davon ausgeht, dass die Familie offen ist, und sie widersprechen der detaillierteren Berichterstattung. Weder ein Hugging-Face-Repository noch ein Safetensors-Checkpoint oder eine Modellkarte für 3.0 oder 3.0 Pro ließ sich finden. Die vorsichtige Lesart – und die, die dieser Artikel vertritt – ist, dass 3.0 nur gehostet verfügbar ist, bis Alibaba die Gewichte veröffentlicht.

Eindeutig offen ist die vorherige Generation. Qwen-Image-2.1, veröffentlicht im September 2026, ist ein 7B-Diffusionstransformer, kombiniert mit einem Qwen3-VL-8B-Textencoder, veröffentlicht unter der Qwen Research License – nicht Apache 2.0 und ohne separate Vereinbarung nicht kostenlos für die kommerzielle Nutzung. Für die meisten Unternehmen ist dieser Unterschied wichtiger als die Gewichte selbst. Eine Research-Lizenz, die eine Verhandlung erfordert, bevor man ausliefern kann, ist ein anderes Beschaffungsproblem als ein Apache-2.0-Download, und Teams, die annahmen, die Qwen-Bildreihe sei durchgängig permissiv lizenziert, werden feststellen, dass sich die Bedingungen unter ihnen geändert haben.

Was Qwen Image 3.0 in eine unangenehme Lage bringt. Es ist in jeder gemessenen Dimension besser als 2.1 – mehr dazu weiter unten –, lässt sich aber nicht selbst hosten, nicht mit eigenen Daten fine-tunen und nicht auf einen Checkpoint festlegen, den Sie selbst kontrollieren. Wenn das die Gründe waren, aus denen Sie sich die Qwen-Reihe angesehen haben, erfüllt 3.0 sie nicht, und 2.1 ist ein Rückschritt.

Die Scorekarte, mit der Lücke an der richtigen Stelle

Artificial Analysis, 5. November 2026, beide Ranglisten:

• AA-Image-Editing v2.1 — Qwen Image 3.0 Pro bei 1,092 (Rang 20, 13,614 Stichproben), Qwen Image 3.0 bei 1,069 (Rang 29, 8,137 Stichproben), Qwen-Image-2.1 bei 1,081. GPT Image 2.5 Sunburst führt mit 1,199.

• AA-Image-T2I v2.1 — Qwen Image 3.0 Pro auf 1,096 (Rang 17), Qwen Image 3.0 auf 1,073 (Rang 18), Qwen-Image-2.1 auf 1,044. GPT Image 2.5 Sunburst führt mit 1,224.

• Images 2.6 — auf keinem der beiden Boards eine Zeile. Es ist einen Tag alt.

Drei Beobachtungen. Erstens: Der Abstand zwischen Qwen Image 3.0 Pro und dem Vorgänger von OpenAI beträgt rund 100 Elo auf beiden Bestenlisten, was kein knappes Rennen ist. Zweitens: Das Pro-Upgrade bringt 23 Elo bei Text-zu-Bild und 23 beim Editing für einen moderaten Preisaufschlag – eine echte, konsistente Verbesserung und keine reine Marketing-Stufe. Drittens, und am interessantesten, schlägt Qwen-Image-2.1 Qwen Image 3.0 auf der Editing-Bestenliste (1.081 gegen 1.069), obwohl es das ältere Open-Weight-Modell ist und bei der Generierung deutlich zurückliegt. Das Release 3.0 verbesserte die Generierung, nicht aber das Editing. Wenn du von der Qwen-Familie das Editing brauchst, ist das offene Modell das bessere, was ein ungewöhnlicher und wirklich nützlicher Befund ist.

Die Konfidenzintervalle sind mit ±12 bis ±13 breit genug, dass der Unterschied beim Editieren zwischen 2.1 und 3.0 im Rauschen liegt. Die Richtung passt jedoch zu den Stichprobenzahlen und ist ein Grund, nicht anzunehmen, dass eine neuere Zahl immer ein besseres Modell bedeutet.

Worin Qwen Image 3.0 wirklich gut ist

Der Grund, es zu verwenden, ist nicht die Benchmark-Spalte. Es ist Text.

Alibabas Angaben zu Qwen Image 3.0 sind konkret: Prompts bis zu etwa 4.500 Token, lesbare Darstellung bis hinunter zu etwa 10-Pixel-Schrift, Unterstützung für 12 Sprachen, bis zu sechs Bilder pro Aufruf und eine maximale Ausgabe von 2048 × 2048. Referenzbilder werden separat mit etwa 0,003 US-Dollar pro Bild abgerechnet, und erneut übergebene Referenzen werden erneut berechnet – ein Detail, das man im Auge behalten sollte, denn eine Bearbeitungsschleife, die bei jedem Durchgang dieselbe Referenz übergibt, lässt die Kosten unbemerkt steigen.

Von diesen Behauptungen ist die mehrsprachige Textdarstellung diejenige mit der stärksten unabhängigen Bestätigung. Alibaba hat für die 3.0-Stufen keine offiziellen Benchmarks veröffentlicht, was für sich genommen bereits eine Aussage ist, doch der Ruf des Modells in der Community gründet auf Bildern mit dichtem Text: Poster, UI-Mockups, Verpackungen mit Kleingedrucktem und CJK-Typografie, mit der westliche Modelle schlecht zurechtkommen. Wenn Ihr zu lieferndes Ergebnis in einem gestalteten Layout gut lesbaren chinesischen, japanischen oder koreanischen Text enthalten muss, ist dies das Modell im Vergleich, das dafür ausgelegt ist, und OpenAIs Produktlinie erhebt keinen vergleichbaren Anspruch.

Die Stärken von Images 2.6 liegen woanders und sind eher struktureller als typografischer Natur. Es liefert animierte GIF-Generierung in ChatGPT, SVG-Export, markup-gesteuerte Bearbeitungen und einen Komplexitätsparameter, der festlegt, wie viel Planung das Modell für eine Anfrage aufwendet. Außerdem kommen wiederverwendbare gespeicherte Referenzbilder hinzu. Keines davon ist eine Funktion, die Qwen Image 3.0 bietet. Besonders der SVG-Export ist ein Vorteil in seiner Kategorie und kein bloßes Nice-to-have: Vektorausgabe für Icons, Logos und Diagramme ist etwas, das kein Rastermodell in diesem Vergleich bei irgendeiner Qualitätseinstellung erzeugen kann.

Kosten pro nutzbarem Bild, nicht pro Bild

Die Tarifkarten wirken ähnlich – bis man die Ausschussquote einpreist.

• Qwen Image 3.0 Standard — etwa 0,03 bis 0,035 US-Dollar pro Bild bei 1K oder 2K bzw. rund 30 US-Dollar pro Tausend in der Auflistung von Artificial Analysis.

• Qwen Image 3.0 Pro — 0,04 $ bei 1K, 0,075 $ bei 2K oder etwa 40 $ pro Tausend. Referenzen kosten jeweils rund 0,003 $ zusätzlich.

• Images 2.6 — token-basiert abgerechnet mit 5 $ pro Million Texteingabe, 8 $ pro Million Bildeingabe und 30 $ pro Million Bildausgabe, bei Batch-Abrechnung etwa die Hälfte. Pro Bild sind das etwa 0,006 $ bei niedrig, 0,013 $ bei mittel, 0,053 $ bei hoch und 0,21 $ bei max, abgeleitet aus Token-Budgets, die aus der 2.5-Generation übernommen wurden, statt aus veröffentlichten 2.6-Zahlen.

Auf dem Papier liegt Qwen Image 3.0 Pro mit $0.075 für 2K zwischen den Einstellungen high und xhigh von OpenAI. Doch ein Elo-Defizit von 100 Punkten ist kein kleiner Qualitätsunterschied; es bedeutet einen deutlich höheren Anteil an Ergebnissen, die verworfen, erneut mit Prompt versehen oder manuell korrigiert werden. Wenn Pro zwei Versuche braucht, um ein akzeptables Ergebnis zu erzielen, und Images 2.6 mit high einen, dann betragen die effektiven Kosten $0.15 gegenüber $0.053 – das günstigere Modell ist dreimal so teuer, sobald man die mitzählt, die man wegwirft. Diese Rechnung schneidet in beide Richtungen, weshalb der ehrliche Rat lautet, die Ablehnungsquote an den eigenen Prompts zu messen, statt einer der beiden Preislisten zu vertrauen.

Hier wird auch konkret deutlich, worauf es beim 0 %-Aufschlag ankommt. OrcaRouter gibt den Listenpreis des Anbieters unverändert weiter, sodass der pro Bild angegebene Wert in unserem Katalog dem entspricht, was der Anbieter berechnet – auf einer token-basierten Abrechnung wird kein Aufschlag addiert, und eine Preisänderung des Anbieters schlägt noch am selben Tag durch statt erst im nächsten Preisanpassungszyklus. Für einen Workflow, dessen tatsächliche Kosten von einer Ablehnungsquote abhängen, die Sie noch messen, ist eine aufschlagsfreie Abrechnung der Unterschied zwischen einer vergleichbaren Zahl und einer aufgeblähten.

Die Open-Weight-Entscheidung, falls das tatsächlich Ihre Frage ist

Wenn Self-Hosting nicht verhandelbar ist, spielt all das keine Rolle, und die Antwort ist kurz: Starten Sie Qwen-Image-2.1, akzeptieren Sie den Editing-Score von 1.081, planen Sie das Gespräch über die Qwen Research License ein, wenn Sie ein Unternehmen sind, und warten Sie nicht auf 3.0-Gewichte, die nicht veröffentlicht wurden und vielleicht nie veröffentlicht werden. Kombinieren Sie es mit einem gehosteten Modell für die Arbeit, bei der es schwach ist – also die Generierung, nicht die Bearbeitung.

Wenn Self-Hosting eher eine Präferenz als eine Voraussetzung ist, ändert sich die Rechnung. Die Stärke von Qwen Image 3.0 liegt in der mehrsprachigen Textdarstellung und einem niedrigen Preis pro Bild. Die Stärken von Images 2.6 sind Animation, Vektorausgabe, Markup-Bearbeitungen und eine deutlich stärkere gemessene Ausgangsbasis – zumindest über seinen Vorgänger. Diese Stärken überschneiden sich weitgehend nicht, sodass beide in derselben Pipeline stehen können, ohne zu konkurrieren: OpenAIs Produktlinie für Generierung und Bewegung, Qwens für typografielastige Layouts in Sprachen, die die westlichen Modelle verunstalten.

Beide laufen zu lassen ist kein Problem mit zwei Verträgen, wenn sie sich einen Schlüssel teilen. OrcaRouter leitet OpenAIs Bildmodelle zum Listenpreis mit automatischem Failover weiter, und eine Routing-Regel kann eine Anfrage je nach den Anforderungen des Prompts an das eine oder das andere senden – kein zweites SDK, keine zweite Abrechnungsbeziehung, keine anbieterspezifische Rotation von Zugangsdaten. Das ist ein bescheidener operativer Punkt, aber es ist der Punkt, der entscheidet, ob eine Pipeline mit zwei Modellen überhaupt den Aufbau wert ist.

Wo das landet

Qwen Image 3.0 ist ein gutes Modell mit einer ungeklärten Distribution. Sein Preis ist wettbewerbsfähig, seine mehrsprachige Textwiedergabe ist im Vergleich wirklich erstklassig, und seine gemessene Qualität liegt auf beiden Ranglisten etwa 100 Elo hinter der vorherigen Generation von OpenAI. Die offenen Gewichte, die die Qwen-Image-Reihe grundsätzlich attraktiv machen, sind in 3.0 nicht vorhanden, und das Modell, das sie tatsächlich mitbringt — Qwen-Image-2.1 —, schneidet beim Editing besser ab als 3.0.

Images 2.6 ist ein breiteres Produkt mit einer ungemessenen Position. Alles daran, was verifizierbar ist, ist eine übernommene Behauptung: das Preismodell, die Endpoint-Oberfläche, die Struktur mit zwei Varianten. Alles daran, was neu ist – GIF, SVG, Markup-Bearbeitungen, der Komplexitätsparameter –, ist durch keinen unabhängigen Test verifiziert und teilweise undokumentiert.

Die einzige Schlussfolgerung, die nicht von einem fehlenden Benchmark abhängt, ist die zur Lizenzierung, und sie ist der Grund, weshalb die meisten Leser hierhergekommen sind: Wenn Sie die Gewichte brauchen, sind sie hier nicht, und in 3.0 auch nicht. Prüfen Sie die Hugging-Face-Organisation, bevor Sie Ihre Planung auf einen Checkpoint stützen. Sie war das ganze Jahr über das verlässliche Signal für diese Familie, und derzeit endet sie bei 2.1.