Qwen-Image-2.1 vs Hy Image3.5: los tableros independientes los clasifican en órdenes opuestos

Pon Qwen-Image-2.1 y Hy Image3.5 cara a cara en los dos paneles de imágenes de Artificial Analysis y los paneles no se ponen de acuerdo sobre cuál es mejor. En texto a imagen, Qwen-Image-2.1 le saca 59 puntos Elo a Hy Image3.5 — 1.034 frente a 975, puesto 18 frente a puesto 66. En edición de imágenes, los mismos dos modelos intercambian posiciones: Hy Image3.5 se sitúa en 1.088 Elo y en el puesto 14, Qwen-Image-2.1 en 1.074 y en el puesto 18. Una diferencia de 14 puntos en el otro sentido. Los dos modelos se hicieron públicos con dos días de diferencia — Qwen-Image-2.1 con pesos abiertos el 20 de septiembre de 2026, Hy Image3.5 en vista previa pública el 22 de septiembre de 2026 — y esta es la primera vez que cualquiera de los dos tiene una puntuación en el mismo instrumento, que es lo que hace que el desacuerdo merezca leerse y no solo reportarse.

La jugada obvia es decir que la mesa de edición es ruidosa y seguir adelante. Eso es medio cierto. La otra mitad es que las dos filas no son igual de sólidas, el precio de una de ellas no es el precio de la otra, y uno de estos modelos tiene los derechos sobre los pesos, mientras que el otro nunca los tendrá.

Dos tableros, dos pedidos

Artificial Analysis realiza comparaciones por pares a ciegas —el mismo prompt a dos modelos, un votante elige al ganador y el Elo se acumula— y publica una tabla independiente por tarea. La tabla de texto a imagen contiene 166 filas; la de edición contiene 97. Ambas filas de ambos modelos provienen de la instantánea del mismo proveedor, así que no se trata de una discrepancia de versiones.

• Texto a imagen — Qwen-Image-2.1 con 1.034 de Elo (intervalo de 1.024 a 1.044) a partir de 5.286 comparaciones, puesto 18 de 166. Hy Image3.5 con 975 de Elo (intervalo de 966 a 984) a partir de 5.334 comparaciones, puesto 66 de 166. Los intervalos no se tocan. Una separación de 59 puntos en muestras de tamaño similar es un ordenamiento real, no un artefacto de redondeo.

• Edición de imágenes — Hy Image3.5 con 1,088 Elo (intervalo de 1,079 a 1,097) a partir de 5,550 comparaciones, puesto 14 de 97. Qwen-Image-2.1 con 1,074 Elo (intervalo de 1,065 a 1,083) a partir de 5,536 comparaciones, puesto 18 de 97. Esos intervalos se superponen en una banda de cuatro puntos, de 1,079 a 1,083. El orden es direccional, no está establecido.

• Los tamaños de muestra son similares en ambas tablas —5.286 frente a 5.334 en texto a imagen, y 5.536 frente a 5.550 en edición—, así que la diferencia de confianza no se debe a que a uno de los modelos le falten votos.

• La tabla etiqueta los modelos de forma diferente, y eso importa: las filas de Qwen-Image-2.1 llevan el marcador de Open Weights, las filas de Hy Image3.5 no.

Así que la lectura honesta es asimétrica. Texto a imagen: Qwen-Image-2.1 gana claramente. Edición: Hy Image3.5 probablemente va por delante, por un margen que queda dentro del ruido de la medición.

De dónde viene la asimetría

La potencia de edición de Hy Image3.5 no es una sorpresa cuando se observa con qué la lanzó Tencent. La vista previa se hizo pública con hasta cinco imágenes de referencia por solicitud, texto a imagen e imagen a imagen en el mismo modelo, y edición multiturno; la faceta de edición se llevó el énfasis del lanzamiento. Qwen-Image-2.1 se construyó con una arquitectura unificada de generación y edición que también maneja imágenes de referencia, pero sus filas en el ranking muestran que el lado de edición terminó dos Elo por debajo del propio Qwen-Image-3.0-Pro de Alibaba, un margen más estrecho de lo que implicaba el planteamiento del lanzamiento.

La propia afirmación de Tencent tampoco es lo que muestra la tabla. El proveedor cita que la preview tiene una tasa de victorias de aproximadamente el 30 % en evaluación ciega frente a Hy Image3.0. Ese número no ha sido reproducido por nadie fuera de Tencent, y la tabla independiente no lo corrobora en texto a imagen, donde Hy Image3.5 preview, con 975, está 20 Elo por debajo de la versión de pesos abiertos HunyuanImage 3.0 Instruct, con 995. En edición, la misma comparación favorece al proveedor: Hy Image3.5 preview, con 1.088, está 22 Elo por encima de HunyuanImage 3.0 Instruct, con 1.066. Una generación de progreso en una tabla y un paso atrás en la otra, en la propia sucesión de Tencent.

El eje de precios, donde los dos no son comparables en absoluto

Hy Image3.5 preview es una API de pago por uso. Tencent Cloud cobra ¥0,15 por una imagen 2K en el endpoint de China continental y US$0,024 en el internacional, y solo cobra por las imágenes que devuelve la API. La columna de precios de Artificial Analysis registra $24,00 por cada 1000 imágenes, que es la misma cifra en las unidades que usa la tabla, y frente a los $210,70 que la fila superior de la tabla de texto a imagen muestra para esas mismas mil imágenes, es menos de un noveno de ese precio.

Qwen-Image-2.1 no tiene línea de precio, porque no tiene endpoint. Ambas de sus filas en el tablero llevan una nota explícita que dice: No hay API disponible. No compras este modelo; lo descargas, y lo pagas en horas de GPU y en la cuestión de licencia que aparece abajo. Los 5.286 y 5.536 votos en sus filas provinieron de personas que ejecutan los pesos por sí mismas. Ese hecho también le da al ranking una salvedad que vale la pena conservar: un Elo independiente para un modelo solo autoalojado mide una población diferente a la de un Elo para algo que cualquiera puede invocar.

Si el plan es poner uno u otro de estos en un producto, la división práctica ahora está clara, y es la misma división que implica el precio: el modelo con la mejor puntuación de edición es el que alquilas, y el modelo con la mejor puntuación de texto a imagen es el que ejecutas. OrcaRouter es el lado del alquiler de eso — una API sobre más de 200 modelos con el precio de lista del proveedor repercutido sin margen, failover automático entre proveedores y un DSL de enrutamiento para componer varios modelos en una sola llamada. No enrutamos Hy Image3.5 preview ni Qwen-Image-2.1; las líneas de imagen de la plataforma son los niveles de Imagen de Google y las vistas previas de imagen de Gemini, el endpoint de imagen Grok Imagine de xAI y la familia GPT-Image de OpenAI. Ninguno de estos dos es la primera opción de esa lista basándose únicamente en una fila de un ranking, que es exactamente por lo que la cuestión de la licencia que aparece a continuación es la que lo decide.

El eje para el que ninguno de los dos tableros tiene una columna

Qwen-Image-2.1 se publica bajo el Qwen Research License Agreement, con fecha del 20 de septiembre de 2026, que otorga derechos únicamente para fines no comerciales y requiere una licencia separada del proveedor para uso comercial. Los repositorios de Hugging Face informan la licencia como otra por esa razón — no es una licencia OSI y no debe interpretarse como tal. El marcador Open Weights en ambas filas del tablero es correcto y no dice nada sobre esto.

Hy Image3.5 preview no tiene pesos que licenciar. Tencent no los ha publicado; la preview se sirve desde la propia plataforma de Tencent y no existe una versión descargable de esta generación. Lo que obtienes es una tabla de tarifas, un límite de imágenes de referencia y un servicio que puedes iniciar y detener. Nada que auditar, nada que alojar, nada que negociar — y nada que conserves si Tencent cambia el precio o retira la preview.

La comparación que realmente resuelve la cuestión de los pesos abiertos es la del propio predecesor de Tencent, y no el modelo de Qwen. HunyuanImage 3.0 Instruct aparece en ambas tablas con el marcador de Pesos Abiertos: 1.066 en edición y 995 en texto a imagen. Qwen-Image-2.1 lo supera en las dos. Así que si el requisito es "pesos descargables que pueda ejecutar en mi propio hardware", la mejor opción en este enfrentamiento es la de Alibaba, en cualquiera de las dos tablas, bajo una licencia que sigue prohibiendo vender el resultado.

No hay ninguna versión de esto en la que el papeleo se resuelva solo. Puedes tener la mejor puntuación de edición sin pesos y con facturación por uso, o la mejor puntuación de texto a imagen con pesos que no puedes comercializar. Elige con qué restricción puedes vivir, y luego ve y mide ambas con tus propios prompts: la brecha de edición entre ellas es de cuatro puntos dentro de intervalos superpuestos, que es el tipo de margen que un único conjunto de prompts de validación puede borrar.