Images 2.6 לעומת Qwen Image 3.0: אף אחד מהם אינו פתוח, ורק אחד מהם היה פתוח בעבר
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 76 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 105 tok/s
- orcaחדשOrca: OrcaC2 1.02026-10-303 tok/s
- OrcaחדשOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 100 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 106 tok/s
- OrcaחדשOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 107 tok/s
- OrcaחדשOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 53 tok/s
- MoonshotחדשMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaחדשOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 80 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 107 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 54 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 160 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2244אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2259אינטליגנציה
אנשים שמחפשים את ההשוואה הזו בדרך כלל מחפשים את אותו הדבר: סיבה להריץ מודל תמונות על ה-GPU שלהם. Qwen Image 3.0 נראה כמו התשובה, מפני שלסדרת מודלי התמונות של Qwen יש משקלים פתוחים כבר שלושה דורות. זו אינה התשובה. Qwen Image 3.0 ו-Qwen Image 3.0 Pro הם מודלי API מתארחים, שהוכרזו ב-22 ביולי 2026 וזמינים באופן כללי ב-Alibaba Cloud Model Studio מאז 4 באוגוסט 2026, ללא כרטיס מודל, ללא דוח טכני וללא מספר פרמטרים מפורסם. השושלת הפתוחה נעצרת שלב אחד קודם, אצל Qwen-Image-2.1. בינתיים Images 2.6 — השחרור של OpenAI מ-4 בנובמבר 2026 של GPT-Image-2.6 Sunburst ו-GPT-Image-2.6 Flare — הוא בעליל סגור, ומעולם לא העמיד פנים אחרת.
אז ההצגה הכנה של ההתמודדות הזו היא לא פתוח מול סגור. היא סגור מול סגור, כשספק אחד שחרר אפשרות פתוחה שישה שבועות קודם, ואחר שמוכר מוצר רחב יותר עם אנימציה, פלט וקטורי ותכנית דירוג איכות. שאלת המשקולות הפתוחות בכל זאת ראויה לתשובה, כי היא הסיבה שהעמוד הזה קיים, והתשובה היא ש-Qwen-Image-2.1 הוא המודל שבאמת תרצו אם אירוח עצמי הוא הדרישה.
מצב הרישוי, בניסוח זהיר
זהו נושא שבו מקורות משניים טועים באופן ממשי, ולכן שאלת המקורות חשובה יותר מהמסקנה.
מספר עמודי אגרגטור — ובהם עמודי ההשוואה של LLM Stats וטבלת ה-AI הגנרטיבי בוויקיפדיה — מציגים את Qwen Image 3.0 כמודל במשקלים פתוחים תחת Apache 2.0 או „Qwen License”. נראה שהרשומות האלה הן תוצרי תבנית: העמודים נוצרים מסכימה שמניחה שהמשפחה פתוחה, והן סותרות את הדיווח המפורט יותר. לא ניתן היה לאתר מאגר Hugging Face, לא נקודת ביקורת safetensors ולא כרטיס מודל עבור 3.0 או 3.0 Pro. הקריאה הזהירה, וזו שהמאמר הזה נוקט, היא ש-3.0 זמין באירוח בלבד עד שאליבאבא תפרסם משקלות.
מה שפתוח באופן חד-משמעי הוא הדור הקודם. Qwen-Image-2.1, שיצא לאור בספטמבר 2026, הוא טרנספורמר דיפוזיה של 7B בצירוף מקודר טקסט Qwen3-VL 8B, שפורסם תחת Qwen Research License — לא Apache 2.0, ולא בחינם לשימוש מסחרי ללא הסדר נפרד. הבחנה זו חשובה יותר מהמשקולות עצמן עבור רוב החברות. רישיון מחקרי שמחייב משא ומתן לפני שאפשר לשחרר מוצר הוא בעיית רכש שונה מהורדה של Apache 2.0, וצוותים שהניחו שקו התמונות של Qwen היה מתירני באופן אחיד יגלו שהתנאים השתנו מתחת לרגליהם.
מה שמשאיר את Qwen Image 3.0 במצב מביך. הוא טוב יותר מ-2.1 בכל ציר שנמדד — עוד על כך בהמשך — אבל לא ניתן לארח אותו בעצמכם, לא ניתן לכוונן אותו על הנתונים שלכם, ולא ניתן לנעוץ אותו לנקודת ביקורת שבשליטתכם. אם אלה היו הסיבות שבגללן בחנתם את סדרת Qwen, 3.0 אינו מספק אותן ו-2.1 הוא נסיגה.
כרטיס הניקוד, כשהפער במקום הנכון
Artificial Analysis, 5 בנובמבר 2026, שני הלוחות:
• AA-Image-Editing v2.1 — Qwen Image 3.0 Pro ב-1,092 (דירוג 20, 13,614 דגימות), Qwen Image 3.0 ב-1,069 (דירוג 29, 8,137 דגימות), Qwen-Image-2.1 ב-1,081. GPT Image 2.5 Sunburst מוביל ב-1,199.
• AA-Image-T2I v2.1 — Qwen Image 3.0 Pro עם 1,096 (מקום 17), Qwen Image 3.0 עם 1,073 (מקום 18), Qwen-Image-2.1 עם 1,044. GPT Image 2.5 Sunburst מוביל עם 1,224.
• Images 2.6 — אין שורה באף אחד מהלוחות. זה בן יום.
שלוש הערות. ראשית, הפער בין Qwen Image 3.0 Pro לבין קודמו של OpenAI עומד על כ-100 Elo בשני לוחות הדירוג, וזה לא מאבק צמוד. שנית, שדרוג ה-Pro קונה 23 Elo ביצירת תמונות מטקסט ו-23 בעריכה תמורת עלייה מתונה במחיר — שיפור אמיתי ועקבי ולא שכבת שיווק. שלישית, והמעניין ביותר, Qwen-Image-2.1 מנצח את Qwen Image 3.0 בלוח העריכה (1,081 לעומת 1,069), אף שהוא מודל המשקולות הפתוחות הישן יותר ופיגר אחריו בבירור ביצירה. גרסת 3.0 שיפרה את היצירה ולא שיפרה את העריכה. אם עריכה היא מה שאתם צריכים ממשפחת Qwen, המודל הפתוח הוא הטוב יותר, וזהו ממצא יוצא דופן ושימושי באמת.
רווחי הסמך רחבים מספיק — ±12 עד ±13 — כך שההבדל בעריכה בין 2.1 ל-3.0 נמצא בתוך הרעש. אבל הכיוון עקבי עם ספירות המדגם, וזו סיבה שלא להניח שמספר חדש יותר תמיד אומר מודל טוב יותר.
במה Qwen Image 3.0 באמת טוב
הסיבה להשתמש בו אינה עמודת הבנצ'מרק. היא טקסט.
ההצהרות של Alibaba לגבי Qwen Image 3.0 ספציפיות: פרומפטים של עד בערך 4,500 טוקנים, רינדור קריא עד לסביבות 10 פיקסלים בגודל טקסט, תמיכה ב-12 שפות, עד שש תמונות בקריאה אחת, ופלט מרבי של 2048 × 2048. תמונות ייחוס מחויבות בנפרד בכ-0.003 $ לכל אחת, ותמונות ייחוס שנשלחות מחדש מחויבות שוב — פרט שכדאי לעקוב אחריו, כי לולאת עריכה שמעבירה את אותו ייחוס בכל סיבוב צוברת עלות בשקט.
מבין הטענות הללו, רינדור טקסט רב־לשוני הוא זה שזוכה לתמיכה העצמאית החזקה ביותר. אליבאבא לא פרסמה בנצ'מרקים רשמיים לדרגות 3.0, וזה כשלעצמו מהווה הצהרה, אך המוניטין של המודל בקהילה מבוסס על תמונות עם טקסט צפוף: פוסטרים, מוקאפים של ממשקי משתמש, אריזות עם כיתוב באותיות קטנות, וטיפוגרפיה בסינית, יפנית וקוריאנית (CJK) שמודלים מערביים מתקשים בה. אם התוצר שלכם צריך לכלול טקסט סיני, יפני או קוריאני קריא בפריסה מעוצבת, זהו המודל בהשוואה שנבנה בדיוק לכך, ולקו של OpenAI אין טענה מקבילה.
היתרונות של Images 2.6 נמצאים במקום אחר והם מבניים ולא טיפוגרפיים. הוא מספק יצירת GIF מונפש ב-ChatGPT, ייצוא SVG, עריכות מונחות סימון ופרמטר מורכבות שקובע כמה תכנון המודל משקיע בבקשה. הוא גם מוסיף תמונות ייחוס שמורות לשימוש חוזר. אף אחד מאלה אינו תכונה ש-Qwen Image 3.0 מציע. ייצוא SVG בפרט הוא יתרון בקטגוריה ולא תוספת נחמדה: פלט וקטורי עבור אייקונים, לוגואים ותרשימים הוא משהו שאף מודל רסטר בהשוואה הזו לא יכול להפיק בשום הגדרת איכות.
עלות לכל תמונה שמישה, לא לכל תמונה
כרטיסי התעריפים נראים דומים עד שמתמחרים את שיעור הפסילות.
• Qwen Image 3.0 Standard — בערך $0.03 עד $0.035 לתמונה ברזולוציית 1K או 2K, או כ-$30 לאלף ברשימה של Artificial Analysis.
• Qwen Image 3.0 Pro — $0.04 ברזולוציית 1K, $0.075 ברזולוציית 2K, או כ-$40 לאלף. כל רפרנס מוסיף כ-$0.003.
• Images 2.6 — תמחור לפי טוקנים: $5 למיליון טוקני קלט טקסט, $8 למיליון טוקני קלט תמונה ו-$30 למיליון טוקני פלט תמונה, כאשר עיבוד באצווה עולה בערך חצי. לכל תמונה מדובר בכ-$0.006 ברמה נמוכה, $0.013 ברמה בינונית, $0.053 ברמה גבוהה ו-$0.21 ברמה המקסימלית, נגזר מתקציבי טוקנים שהועברו מהדור 2.5 ולא מנתוני 2.6 שפורסמו.
על הנייר, Qwen Image 3.0 Pro במחיר של $0.075 עבור 2K נמצא בין הגדרות high ל-xhigh של OpenAI. אבל פער של 100 נקודות Elo אינו הבדל קטן באיכות; הוא מרמז על שיעור גבוה באופן מהותי יותר של פלטים שנדחים, מקבלים פרומפט מחדש או מתוקנים ידנית. אם Pro זקוק לשני ניסיונות כדי להגיע לתוצאה מקובלת ואילו Images 2.6 בהגדרה high זקוק לניסיון אחד, העלות האפקטיבית היא $0.15 לעומת $0.053 — המודל הזול יותר עולה פי שלושה ברגע שמביאים בחשבון את אלה שזורקים. החשבון הזה עובד לשני הכיוונים, ולכן העצה הכנה היא למדוד את שיעור הדחייה על הפרומפטים שלכם ולא לסמוך על אף אחד משני כרטיסי המחיר.
כאן גם תוספת המחיר של 0% באה לידי ביטוי באופן מוחשי. OrcaRouter מעבירה את מחיר המחירון של הספק ללא שינוי, כך שהנתון לכל תמונה בקטלוג שלנו הוא הנתון שהספק גובה — לא מתווספת תוספת לחשבון שנמדד לפי טוקנים, ושינוי מחיר של ספק משתקף באותו יום ולא במחזור התמחור הבא. עבור תהליך שעלותו האמיתית תלויה בשיעור הדחיות שאתם עדיין מודדים, מדידה ללא תוספת מחיר היא ההבדל בין מספר בר-השוואה לבין מספר מנופח.
ההחלטה בנוגע למשקלים פתוחים, אם זו באמת השאלה שלך
אם אירוח עצמי הוא תנאי בל יעבור, כל זה לא משנה והתשובה קצרה: הריצו את Qwen-Image-2.1, השלימו עם ציון העריכה 1,081, תקצבו את השיחה על רישיון Qwen Research אם אתם חברה, ואל תחכו למשקלי 3.0 שטרם פורסמו ואולי לעולם לא יפורסמו. שלבו אותו עם מודל מתארח לעבודה שבה הוא חלש, שהיא יצירה ולא עריכה.
אם אירוח עצמי היה העדפה ולא דרישה, החישוב משתנה. היתרון של Qwen Image 3.0 הוא רינדור טקסט רב-לשוני ומחיר נמוך לתמונה. היתרונות של Images 2.6 הם אנימציה, פלט וקטורי, עריכות סימון (markup) ובסיס מדוד חזק בהרבה — דרך קודמו, לפחות. אלה בעיקר חוזקות שאינן חופפות, מה שאומר ששתיהן יכולות לשבת באותו צינור עיבוד בלי להתחרות: הקו של OpenAI ליצירה ולתנועה, וזה של Qwen לפריסות עתירות טיפוגרפיה בשפות שהמודלים המערביים משבשים.
הרצת שניהם אינה בעיית שני חוזים אם יש להם מפתח משותף. OrcaRouter מנתב את מודלי התמונות של OpenAI במחיר מחירון עם מעבר אוטומטי לגיבוי, וכלל ניתוב יכול לשלוח בקשה לאחד או לאחר בהתאם למה שהפרומפט דורש — בלי SDK נוסף, בלי מערכת חיוב שנייה, בלי רוטציית אישורי גישה לכל ספק. זו נקודה תפעולית צנועה, אבל היא זו שמכריעה אם בכלל כדאי לבנות צינור של שני מודלים.
היכן זה נוחת
Qwen Image 3.0 הוא מודל טוב עם סיפור הפצה לא פתור. מחירו תחרותי, רינדור הטקסט הרב-לשוני שלו הוא באמת הטוב ביותר בקטגוריה מבין אלו שבהשוואה, והאיכות הנמדדת שלו נמוכה בכ-100 נקודות Elo מזה של הדור הקודם של OpenAI בשני לוחות הדירוג. המשקלים הפתוחים שהופכים את קו Qwen Image לאטרקטיבי באופן עקרוני אינם קיימים ב-3.0, והמודל שכן כולל אותם — Qwen-Image-2.1 — משיג תוצאות טובות יותר בעריכה מאשר 3.0.
Images 2.6 הוא מוצר רחב יותר בעל מעמד שלא נמדד. כל מה שניתן לאמת בו הוא טענה שעוברת בירושה: מודל התמחור, משטח נקודות הקצה, מבנה שתי הווריאציות. כל מה שחדש בו — GIF, SVG, עריכות Markup, פרמטר המורכבות — אינו מאומת על ידי שום מבחן עצמאי, וחלקו אינו מתועד.
המסקנה היחידה שאינה תלויה בבנצ'מרק חסר היא זו הנוגעת לרישוי, והיא הסיבה שרוב הקוראים הגיעו: אם אתם צריכים את המשקלים, הם לא כאן, והם גם לא ב-3.0. בדקו את ארגון Hugging Face לפני שאתם מתכננים סביב צ'קפוינט. זה היה האות האמין עבור המשפחה הזו כל השנה, והוא כרגע עוצר ב-2.1.
