Images 2.6 vs Qwen Image 3.0: ninguno de los dos es abierto, y solo uno solía serlo

Las personas que buscan esta comparación suelen buscar lo mismo: una razón para ejecutar un modelo de imágenes en sus propias GPU. Qwen Image 3.0 parece la respuesta, porque la línea de imágenes Qwen tiene pesos abiertos que se remontan tres generaciones. No es la respuesta. Qwen Image 3.0 y Qwen Image 3.0 Pro son modelos de API alojados, anunciados el 22 de julio de 2026 y disponibles de forma general en Alibaba Cloud Model Studio desde el 4 de agosto de 2026, sin ficha de modelo, sin informe técnico y sin número de parámetros publicado. El linaje abierto se detiene un paso antes, en Qwen-Image-2.1. Mientras tanto, Images 2.6 —el lanzamiento de OpenAI del 4 de noviembre de 2026 de GPT-Image-2.6 Sunburst y GPT-Image-2.6 Flare — es obviamente cerrado y nunca ha pretendido lo contrario.

Así que el planteamiento honesto de esta comparación no es abierto frente a cerrado. Es cerrado frente a cerrado, con un proveedor que lanzó una opción abierta seis semanas antes y otro que vende un producto más amplio con animación, salida vectorial y un esquema de niveles de calidad. La cuestión de los pesos abiertos merece una respuesta de todos modos, porque es la razón por la que existe esta página, y la respuesta es que Qwen-Image-2.1 es el modelo que realmente quieres si el autoalojamiento es un requisito.

La posición en materia de licencias, expresada con cautela

Este es un tema en el que las fuentes secundarias están equivocadas de forma flagrante, así que la procedencia de las fuentes importa más que la conclusión.

Varias páginas agregadoras —entre ellas, las páginas de comparación de LLM Stats y la tabla de IA generativa de Wikipedia— incluyen Qwen Image 3.0 como de pesos abiertos bajo Apache 2.0 o una «Qwen License». Esas listas parecen artefactos de plantilla: las páginas se generan a partir de un esquema que supone que la familia es abierta, y contradicen los reportes más detallados. No se pudo localizar ningún repositorio de Hugging Face, ningún checkpoint de safetensors ni ninguna model card para 3.0 o 3.0 Pro. La lectura cautelosa, y la que adopta este artículo, es que 3.0 solo está alojado hasta que Alibaba publique los pesos.

Lo que es inequívocamente abierto es la generación anterior. Qwen-Image-2.1, lanzado en septiembre de 2026, es un transformer de difusión de 7B emparejado con un codificador de texto Qwen3-VL 8B, publicado bajo la Qwen Research License — no Apache 2.0, y no es gratuito para uso comercial sin un acuerdo por separado. Esa distinción importa más que los propios pesos para la mayoría de las empresas. Una licencia de investigación que exige una negociación antes de poder lanzar el producto es un problema de adquisición distinto al de una descarga bajo Apache 2.0, y los equipos que asumieron que la línea de imágenes de Qwen era uniformemente permisiva descubrirán que los términos cambiaron bajo sus pies.

Lo que deja a Qwen Image 3.0 en una posición incómoda. Es mejor que 2.1 en todos los ejes medidos —más sobre eso a continuación—, pero no se puede alojar en tus propios servidores, no se puede ajustar con tus propios datos y no se puede fijar a un checkpoint que controles. Si esas eran las razones por las que estabas considerando la línea Qwen, 3.0 no las satisface y 2.1 es un retroceso.

La tarjeta de puntuación, con el hueco en el lugar correcto.

Artificial Analysis, 5 de noviembre de 2026, ambos rankings:

• AA-Image-Editing v2.1 — Qwen Image 3.0 Pro con 1.092 (puesto 20, 13.614 muestras), Qwen Image 3.0 con 1.069 (puesto 29, 8.137 muestras), Qwen-Image-2.1 con 1.081. GPT Image 2.5 Sunburst lidera con 1.199.

• AA-Image-T2I v2.1 — Qwen Image 3.0 Pro con 1.096 (puesto 17), Qwen Image 3.0 con 1.073 (puesto 18), Qwen-Image-2.1 con 1.044. GPT Image 2.5 Sunburst lidera con 1.224.

• Images 2.6 — no hay fila en ninguno de los dos tableros. Tiene un día.

Tres observaciones. En primer lugar, la diferencia entre Qwen Image 3.0 Pro y el predecesor de OpenAI ronda los 100 Elo en ambas tablas, lo que no es un duelo reñido. En segundo lugar, la mejora Pro aporta 23 Elo en texto a imagen y 23 en edición por un aumento de precio moderado: una mejora real y consistente, no un nivel meramente comercial. En tercer lugar, y lo más interesante, Qwen-Image-2.1 supera a Qwen Image 3.0 en la tabla de edición (1.081 frente a 1.069), pese a ser el modelo de pesos abiertos más antiguo y quedar claramente por detrás en generación. La versión 3.0 mejoró la generación y no mejoró la edición. Si lo que necesitas de la familia Qwen es la edición, el modelo abierto es el mejor, lo que constituye un hallazgo inusual y verdaderamente útil.

Los intervalos de confianza son lo bastante amplios —de ±12 a ±13— como para que la diferencia de edición de 2,1 frente a 3,0 quede dentro del ruido. Pero la dirección es coherente con los recuentos de la muestra y es un motivo para no suponer que un número más reciente signifique siempre un modelo mejor.

Para qué es realmente bueno Qwen Image 3.0

La razón para usarlo no es la columna de benchmark. Es el texto.

Las afirmaciones de Alibaba sobre Qwen Image 3.0 son concretas: prompts de hasta aproximadamente 4500 tokens, renderizado legible hasta tipos de letra de unos 10 píxeles, compatibilidad con 12 idiomas, hasta seis imágenes por llamada y una salida máxima de 2048 × 2048. Las imágenes de referencia se facturan por separado a unos 0,003 USD cada una, y las referencias reenviadas se vuelven a facturar — un detalle que conviene seguir de cerca, porque un bucle de edición que pasa la misma referencia en cada turno acumula costos de forma silenciosa.

De esas afirmaciones, el renderizado de texto multilingüe es la que cuenta con el respaldo independiente más sólido. Alibaba no publicó benchmarks oficiales para los niveles 3.0, lo cual es en sí mismo una declaración, pero la reputación del modelo en la comunidad se basa en imágenes con texto denso: carteles, maquetas de UI, envases con letra pequeña y tipografía CJK que los modelos occidentales manejan mal. Si tu entregable tiene que incluir textos legibles en chino, japonés o coreano dentro de un diseño maquetado, este es el modelo de la comparativa diseñado para eso, y la línea de OpenAI no tiene una afirmación equivalente.

Las fortalezas de Images 2.6 están en otro terreno y son estructurales más que tipográficas. Incluye la generación de GIF animados en ChatGPT, exportación SVG, ediciones guiadas por marcado y un parámetro de complejidad que establece cuánta planificación dedica el modelo a una solicitud. También añade imágenes de referencia guardadas y reutilizables. Ninguna de esas es una función que ofrezca Qwen Image 3.0. La exportación SVG en particular es una ventaja de categoría más que un simple extra: la salida vectorial para iconos, logotipos y diagramas es algo que ningún modelo ráster de esta comparación puede producir con ningún ajuste de calidad.

Coste por imagen utilizable, no por imagen

Las tarifas parecen similares hasta que calculas la tasa de rechazo.

• Qwen Image 3.0 Standard — aproximadamente entre $0,03 y $0,035 por imagen en 1K o 2K, o alrededor de $30 por cada mil según el listado de Artificial Analysis.

• Qwen Image 3.0 Pro — $0.04 a 1K, $0.075 a 2K, o alrededor de $40 por mil. Las referencias añaden aproximadamente $0.003 cada una.

• Imágenes 2.6 — con medición por tokens a $5 por millón de tokens de entrada de texto, $8 por millón de entrada de imagen y $30 por millón de salida de imagen, y con el procesamiento por lotes a aproximadamente la mitad. Por imagen, eso supone unos $0.006 en el nivel bajo, $0.013 en el medio, $0.053 en el alto y $0.21 en el máximo, cifras derivadas de los presupuestos de tokens heredados de la generación 2.5 en lugar de las cifras publicadas para la 2.6.

En teoría, Qwen Image 3.0 Pro a $0.075 por 2K se sitúa entre los ajustes high y xhigh de OpenAI. Pero un déficit de 100 puntos Elo no es una diferencia de calidad pequeña; implica una proporción sustancialmente mayor de resultados que se rechazan, se vuelven a solicitar o se corrigen manualmente. Si Pro necesita dos intentos para alcanzar un resultado aceptable y Images 2.6 en high necesita uno, el coste efectivo es de $0.15 frente a $0.053: el modelo más barato cuesta el triple cuando se cuentan los que se descartan. Esa aritmética funciona en ambos sentidos, por lo que el consejo honesto es medir la tasa de rechazo con tus propios prompts en lugar de fiarse de ninguna de las dos tarifas.

Aquí es también donde el margen del 0 % importa de forma concreta. OrcaRouter transmite sin cambios el precio de lista del proveedor, por lo que la cifra por imagen de nuestro catálogo es la que cobra el proveedor: no se añade ningún margen a una factura medida por tokens, y un cambio de precio del proveedor se refleja el mismo día en lugar de en el siguiente ciclo de fijación de precios. Para un flujo de trabajo cuyo coste real depende de una tasa de rechazo que aún estás midiendo, un medidor sin margen añadido es la diferencia entre una cifra comparable y una cifra inflada.

La decisión sobre pesos abiertos, si esa es tu verdadera pregunta.

Si el autoalojamiento no es negociable, nada de esto importa y la respuesta es breve: ejecuta Qwen-Image-2.1, acepta la puntuación de edición de 1.081, presupuesta la conversación sobre la Qwen Research License si eres una empresa y no esperes a los pesos de 3.0 que no se han publicado y puede que nunca se publiquen. Combínalo con un modelo alojado para el trabajo en el que es débil, que es la generación en lugar de la edición.

Si el autoalojamiento fuera una preferencia y no un requisito, el cálculo cambia. La ventaja de Qwen Image 3.0 es el renderizado de texto multilingüe y un bajo precio por imagen. Las ventajas de Images 2.6 son la animación, la salida vectorial, las ediciones de marcado y una base de referencia medida mucho más sólida —gracias a su predecesor, al menos—. Son fortalezas que en gran medida no se solapan, lo que significa que ambos pueden convivir en el mismo pipeline sin competir: la línea de OpenAI para generación y movimiento, y la de Qwen para maquetaciones con mucha carga tipográfica en idiomas que los modelos occidentales destrozan.

Ejecutar ambos no es un problema de dos contratos si comparten una clave. OrcaRouter enruta los modelos de imagen de OpenAI a precio de lista con conmutación automática por error, y una regla de enrutamiento puede enviar una solicitud a uno u otro según lo que necesite el prompt — sin un segundo SDK, sin una segunda relación de facturación, sin rotación de credenciales por proveedor. Ese es un punto operativo modesto, pero es el que decide si vale la pena construir una canalización de dos modelos.

Donde esto acaba

Qwen Image 3.0 es un buen modelo con una historia de distribución sin resolver. Su precio es competitivo, su renderizado de texto multilingüe es genuinamente el mejor de su clase en esta comparación, y su calidad medida está aproximadamente 100 Elo por detrás de la generación anterior de OpenAI en ambos rankings. Los pesos abiertos que hacen atractiva en principio a la línea de imágenes de Qwen no están presentes en 3.0, y el modelo que sí los incorpora —Qwen-Image-2.1— obtiene mejores resultados en edición que 3.0.

Images 2.6 es un producto más amplio con una posición no medida. Todo lo que hay en él que es verificable es una afirmación heredada: el modelo de precios, la superficie de endpoints, la estructura de dos variantes. Todo lo que hay en él que es nuevo —GIF, SVG, ediciones de marcado, el parámetro de complejidad— no está verificado por ninguna prueba independiente y en parte no está documentado.

La única conclusión que no depende de un benchmark ausente es la relativa a las licencias, y es la razón por la que llegó la mayoría de los lectores: si necesitas los pesos, no están aquí, y tampoco están en 3.0. Consulta la organización de Hugging Face antes de planificar en torno a un checkpoint. Ha sido la señal fiable para esta familia durante todo el año, y actualmente se detiene en 2.1.