Hy Image3.5 לעומת LLaDA-Image: לשכור את נקודת הקצה או להחזיק בבעלות על המשקלים

יש שתי דרכים לקנות מודל תמונות 2K בספטמבר 2026, והן לא כל כך שני מוצרים כמו שני מודלים עסקיים. Hy Image3.5 preview, שפעיל מאז 22 בספטמבר 2026, הוא נקודת קצה בתשלום לפי שימוש: 0.024 דולר לתמונה במחירון הבינלאומי של Tencent, 0.15 ין בשוק המקומי, מחויב לפי פלט שנמסר, ואתה אף פעם לא נוגע ב-GPU. LLaDA-Image, מקבוצת המודלים הפתוחים inclusionAI, שיצא ב-4 בספטמבר 2026, הוא צ'קפוינט להורדה: משפחה מאוחדת של יצירה ועריכה בדרגת 7B תחת תגית Apache-2.0, שיושבת ב-Hugging Face בלי נקודת קצה מתארחת שמצורפת אליה. מאה אלף תמונות 2K בחודש עולות כ-2,400 דולר בדרך הראשונה. הדרך השנייה לא עולה כלום לתמונה, ועולה סכום כסף שאתה צריך לחשב בעצמך, כי המשקולות חינמיות והחומרה לא.

זו כל ההשוואה, וכמעט כל טעות שנעשית בנוגע אליה נובעת מהשוואה בין השניים כאילו עמודת המחיר היא ההבדל היחיד. היא לא. אחד מאלה יכול להתיישן לך מתחת לידיים. אחד מהם ניתן לכוונן. אחד מהם מגיע עם מבחן ביצועים של הספק עצמו ובלי ציון בלתי תלוי; האחר מגיע עם דוח טכני, מאגר ציבורי, וכאלף הורדות.

שתי טענות המשויכות ל-LLaDA-Image שאינן מתיישבות זו עם זו

לפני שההשוואה תהיה שווה משהו, שני פרטים בכרטיס LLaDA-Image צריכים להיות מסומנים ולא מיושבים, מפני ששניהם סתירות אמיתיות בתיעוד הציבורי, ובחירה שקטה של צד תהיה טעות גרועה יותר מאשר לומר זאת.

הראשון הוא מספר הפרמטרים. הפרוזה של כרטיס המודל עצמו מתארת "משפחת מודלים תחרותית בקוד פתוח, מאוחדת, ליצירת תמונות ועריכתן, בת 6 מיליארד פרמטרים". סרגל הצד באותו עמוד מדווח על גודל מודל ה-Safetensors כ-7 מיליארד פרמטרים ב-BF16. שני המספרים מופיעים באותו עמוד, שפורסם על ידי אותו ארגון, ושום דבר בכרטיס אינו מיישב ביניהם. התייחסו לסוג כ"בסביבות שבעה מיליארד פרמטרים, עם נתון של שישה מיליארד בתיאור", ואל תצטטו אף אחד מהם כעובדה מוגמרת. כל מי שאומר לך את המספר המדויק מנחש מאותו כרטיס שאתה יכול לקרוא.

השני הוא הרישיון. הכרטיס נושא רישיון: apache-2.0 היום. הסיקור הקודם שלנו של המשפחה הזו אמר שאף אחד מהכרטיסים שפורסמו לא נשא תג רישיון ושאין קובץ LICENSE במאגר. שתי ההצהרות יכולות להיות נכונות בזמנים שונים — אפשר להוסיף תג — אבל אנחנו לא מתכוונים להעמיד פנים שהן תמיד היו זהות, ורישיון שהופיע לאחר הפרסום הוא עובדה שונה מהותית מרישיון שסופק עם המשקלים. אם הרישיון הוא קריטי למקרה השימוש שלך, בדוק את המאגר בעצמך ברגע ההורדה, ובדוק אם קוד האימון, שהכרטיס מתאר כבא בקרוב, מגיע באותם תנאים.

מה ששתי הארכיטקטורות בעצם מוכרות

LLaDA-Image אינו מודל דיפוזיה במובן הרגיל, וזה החלק המעניין בו. הוא מצמיד שנאי דיפוזיה למודל שפה-חזות קפוא — LLaDA2.0-mini — ומחבר RQA ביניהם, והוא מפורסם כמשפחה ולא כנקודת ביקורת בודדת: Base ב-50 צעדים למען איכות, Turbo בשניים עד ארבעה צעדים לתפוקה, כל אחד ב-BF16 וב-FP8. אלה ארבע נקודות ביקורת, ומספרי הצעדים הם הסיבה לכך שפריסה באירוח עצמי יכולה בכלל לעבוד בתקציב מוגבל: מודל 7B של 50 צעדים הוא הצעה חומרתית שונה מזו של מודל של 2 עד 4 צעדים. הדוח הטכני פומבי ומתכון האימון מתואר כפתוח לחלוטין, וזו הצהרת שקיפות חזקה מזו שרוב מהדורות המשקולות הפתוחות מציגות.

Hy Image3.5 preview הוא הצורה ההפוכה מלכתחילה. זוהי נקודת קצה אחת עם התנהגות אחת: טקסט-לתמונה ותמונה-לתמונה באותה קריאה, עריכה מרובת-סבבים שנושאת סבבים קודמים כהקשר, עד חמש תמונות ייחוס לבקשה, תקרת פלט של 2K, והמזהה hy-image-v3.5-preview. אין מה לבחור, אין מה לכוונן, ואין מה להוריד. מערך היכולות רחב יותר כברירת מחדל — עריכה שיחתית מרובת-סבבים עם הקשר נשמר היא תכונה אמיתית שהמשפחה הפתוחה אינה מפרסמת — ואין לך שליטה על דבר מזה.

• בסיס עלות — Hy Image3.5 preview עולה $0.024 לכל תמונת 2K, מחויב לפי הפלט שנמסר; LLaDA-Image הוא משקלים חופשיים בתוספת מה שעולה לך להריץ את ה-GPU שלך.

• מה שתקבלו — Hy Image3.5 preview הוא API מתארח עם עריכה מרובת-סבבים וחמש תמונות ייחוס; LLaDA-Image הוא ארבעה צ'קפוינטים (Base ו-Turbo, BF16 ו-FP8) ומתכון אימון.

• צעדים ליצירת תמונה — Hy Image3.5 preview היא קריאה אחת ללא פרמטר צעדים חשוף; LLaDA-Image היא 50 צעדים ב-Base או 2 עד 4 ב-Turbo, שאותם אתה מגדיר בעצמך.

• משקלים — Hy Image3.5 preview לא מפרסם דבר; LLaDA-Image מפרסם את המשפחה המלאה.

• רישיון — Hy Image3.5 preview הוא שירות מסחרי הכפוף לתנאים של Tencent; ל-LLaDA-Image יש תג apache-2.0 שהדיווח המוקדם שלנו עצמו לא ראה.

• ראיות — ל-Hy Image3.5 preview יש מבחן GSD עיוור מטעם הספק ואין Elo בלתי תלוי; ל-LLaDA-Image יש נתון Qwen-Image-Bench שדווח על ידי המחבר של 53.53 באנגלית ו-53.38 בסינית, וגם אין Elo בלתי תלוי.

הדברים שרק אחד מאלה יכול לעשות

התחל ממה שהמשקלים מקנים לך, כי זה יותר מאשר העדפת רישוי. צ'קפוינט הוא נכס: אי אפשר להכריז עליו כמיושן, לתמחר אותו מחדש, להגביל את קצב השימוש בו או לכבות אותו, וצינור עיבוד שנעוץ לקובץ מסוים עדיין יעבוד בעוד שלוש שנים. אפשר לבצע בו כיוונון עדין על החומר שלך, ולצוות עם סגנון בית או סט תווים מסוים זה ההבדל בין לספק פרומפט למודל של מישהו אחר לבין לאמן מודל משלך. הוא פועל באופן לא מקוון, וזה חשוב כשהחומר הוא עבודת לקוח תחת סעיף סודיות. והתפוקה שלו תלויה בחומרה שרכשת, ולא בתור שהצטרפת אליו.

מנגד, endpoint קונה לך היעדר עבודה. אף אחד בצוות שלך לא לומד סטאק הגשה, אף אחד לא מחשב גודל GPU, אף אחד לא מגלה בפרודקשן שה-checkpoint של FP8 דורש runtime שונה מזה של BF16, ואף אחד לא נושא באחריות כשהמשימה נכשלת ב-3 לפנות בוקר. המודל של Tencent נושא גם יכולת שמשפחת המודלים הפתוחים אינה טוענת לה: עריכה רב-תורית ששומרת על השיחה, וזה בדיוק המנגנון שמאחורי החזקת דמות לאורך סדרה ארוכה של עריכות. התמיכה בעריכה של LLaDA-Image אמיתית — היא משפחה מאוחדת של יצירה ועריכה — אבל מצב שיחה בין תורים אינו משהו שכרטיס המודל מפרסם.

הניסוח הכנה הוא שהם בכלל לא מתחרים על איכות. הם מתחרים על מי נושא בסיכון התפעולי, ושתי התשובות הן "Tencent" ו"אתה".

מה נמדד בפועל, משני הצדדים

לאף אחד משני המודלים אין מיקום עצמאי. לוח הטקסט-לתמונה של Artificial Analysis, כפי שנקרא ב-23 בספטמבר 2026, אינו כולל שורה של Hy Image3.5 preview ואינו כולל שורה של LLaDA-Image. המקום היחיד שבו הלוח אכן כולל את Tencent הוא בדור הקודם: HunyuanImage 3.0 Instruct עם 964 Elo ו-HunyuanImage 3.0 עם 945, מדורגים במקום ה-65 וה-70 מתוך 156 מודלים — וזהו המדד היחיד מצד שלישי של משהו במשפחה הזו, והוא מלפני דור.

מה שכל צד מציע במקום זאת הוא העבודה של עצמו. ההצעה של Tencent היא מבחן העדפה עיוור בסגנון GSD, שנערך עם כמה מאות ממעצבים המקצועיים של החברה עצמה, ומדווח על יתרון של כשלושים אחוזים על פני Hy Image3.0, על שוויון עם Seedream 5.0 Pro, ועל יתרון קל על פני Nano-Banana Pro ו-Qwen-Image-3.0-Pro. מנוהל על ידי הספק, מאוכלס על ידי הספק, סט הפרומפטים לא פורסם — שיטה אמיתית עם ניגוד אינטרסים אמיתי, ושני חצאיו של המשפט הזה שייכים לאותה נשימה.

הציון של LLaDA-Image ב-Qwen-Image-Bench הוא 53.53 באנגלית ו-53.38 בסינית, מספר שדווח על ידי המחברים על מדד שהם עצמם בחרו. הוא אינו עצמאי יותר מהמבחן של Tencent; הוא פשוט לא מבוקר בדרך אחרת. הכרטיס מפרט גם חמישה Spaces קהילתיים ומונה הורדות חודשי של כאלף, מה שמעיד שלמשפחה הפתוחה יש אחיזה אמיתית אך צנועה — זה אינו מודל שהתחום כבר אימץ, וכל מי שאומר לך אחרת לא הסתכל על המספר.

לאן הכסף באמת הולך, בכמויות

נהל את צד השכירות ביושר, כי זה הצד היחיד עם תעריף מפורסם. מאה אלף תמונות 2K בחודש ב-$0.024 זה $2,400. חצי מיליון בחודש זה $12,000, או בערך $144,000 בשנה, ובקנה מידה כזה מודל תמונות מסוג 7B באחסון עצמי מפסיק להיות אפשרות חובבנית ומתחיל להיות סעיף תקציבי מובן מאליו. מתחת לעשרת אלפים תמונות בחודש בערך, החשבון בכלל לא עובד ככה: $240 מול העלות של GPU, החשמל, האחסון, מחסנית ההגשה ותשומת הלב של מישהו זו לא החלטה גבולית, ונקודת הקצה בתשלום לפי שימוש מנצחת בכל ציר, כולל זה שאתה לא סופר.

נקודת ההצטלבות אינה מספר שמישהו יכול למסור לך, מפני שהצד של האחסון העצמי תלוי בחומרה שכבר בבעלותך, בניצולת שאתה באמת משיג, ובשאלה אם ה-GPU עושה משהו אחר כשהוא לא מייצר תמונות. מה שכן אפשר לומר במדויק הוא צורת העקומה: המודל הנמדד הוא ליניארי בנפח, והמודל באחסון עצמי הוא פונקציית מדרגה, כך שהשאלה אינה איזה מהם זול יותר אלא היכן הנפח שלך נמצא ביחס למדרגה.

נקודת קצה אחת, לא משנה באיזו דרך תבחר

OrcaRouter לא מנתב אף אחד מאלה. איננו מארחים שום מודל תמונות של Tencent — הרשומות היחידות של Tencent בקטלוג הן סדרת Hy3 הטקסטואלית בלבד — ושום דבר מ-inclusionAI בכלל, לכן Hy Image3.5 preview משמעו הענן של Tencent עצמה ומוצרי Tencent של צד ראשון, ו-LLaDA-Image משמעו המשקלות שפורסמו וכל runtime שאליו תפנו אותם. לומר זאת בפשטות מועיל יותר מדף מודל שמשאיר זאת מעורפל.

מה ששכבת ניתוב טובה בשבילו בהחלטה הזו הוא האפשרות השלישית שהיא מוזילה. אם אתם שוקלים 2,400 דולר בחודש מול רכישת GPU, נקודת הביניים השימושית היא לדעת כמה עולה אותו עומס עבודה במודלים שאפשר להגיע אליהם היום בלי חוזה — openai/gpt-image-2, google/gemini-3.1-flash-image-preview, משפחת Imagen 4 ו-grok/grok-imagine-image כולם יושבים מאחורי endpoint אחד תואם OpenAI ב-מחיר המחירון של הספק עם 0% תוספת, כך ששינוי מחיר של ספק מתעדכן אצלנו באותו יום, ו-מעבר אוטומטי לספק חלופי פירושו שאחר צהריים רע של ספק אחד אינו ההשבתה שלכם. זה לא תחליף לאף אחד מהמודלים בהשוואה הזו. זה מה שמונע מההשוואה להיות בחירה דו-כיוונית שנעשתה בחושך.

השאלה האחת שמכריעה את זה

שאל אם לעומס העבודה שלך יש צורה שהמשקלים יכולים לתפוס והנקודת קצה לא. אם אתה מייצר כנגד סגנון בית, ערכת תווים קבועה, או חומר של לקוח, ויש לך את הנפח והחומרה כדי לגרום למודל בדרגת 7B להצדיק את עצמו, אז LLaDA-Image הוא הנכס העמיד יותר, ותג Apache-2.0 — בדוק אותו בזמן ההורדה, לאור ההיסטוריה שלעיל — הוא מה שהופך אותו לשמיש. אתה קונה אופציונליות ומשלם עליה בתפעול.

אם עומס העבודה שלכם מתפרץ, אם אף אחד בצוות לא רוצה לקחת בעלות על סטאק הגשה, אם עריכה רב-תורית עם הקשר נשמר היא התכונה שאתם באמת צריכים, או אם הנפח שלכם מתחת לעשרת אלפים תמונות בחודש, אז $0.024 לתמונת 2K שנמסרת הוא מחיר טוב לבעיה של מישהו אחר, ותווית התצוגה המקדימה היא הדבר העיקרי שצריך לשמור לנגד עיניכם. הדבר האחד ששווה לעשות לפני 7 באוקטובר 2026 — בזמן ש-Miora, WorkRally ו-OnSolo מריצים את חלון החינם — הוא להעביר את סט הפרומפטים שלכם דרך מודל tencent ולרשום את שיעור הקבלה, כי המספר הזה, ולא שלושים האחוז, הוא זה שמכריע אם הצד הנמדד שווה את המונה שלו.