Bernini-Diffusers-v2 vs Qwen Image 3.0: Bobot yang Anda Miliki vs API yang Merender Teks

Dua laboratorium Tiongkok merilis model berkemampuan gambar dalam selang waktu tiga minggu satu sama lain dan berakhir di sisi yang berlawanan dari perpecahan terbesar dalam kategori ini. Qwen-Image-3.0, yang dirilis oleh tim Alibaba pada 21 Juli 2026 dan dibuka untuk API internasional pada 4 Agustus, adalah model gambar berbobot tertutup yang dipanggil melalui HTTP. Bernini-Diffusers-v2, yang diunggah ByteDance ke Hugging Face pada 13 Agustus 2026 tanpa pengumuman, adalah bobot terbuka Apache-2.0 yang Anda unduh dan jalankan. Deskripsi pekerjaan yang kurang lebih sama — pembuatan dan penyuntingan gambar — dan jawaban berlawanan atas pertanyaan siapa yang mengendalikan model. Sebagian besar dari apa yang berikut adalah konsekuensi dari keputusan tunggal itu, jadi itulah titik awal perbandingan ini, bukan titik akhirnya.

Bobot-bobotnya membagi.

• Qwen-Image-3.0 — bobot tertutup. Pada saat penulisan ini, Alibaba belum menerbitkan bobot atau laporan teknisnya; Anda menggunakannya melalui API di Alibaba Cloud Bailian atau platform Qwen. Outputnya menyertakan label asal-usul AIGC. Yang Anda beli adalah kapabilitas tanpa kepemilikan: tanpa self-hosting, tanpa fine-tuning, tanpa penggunaan offline, dan tanpa akses untuk melihat bagian dalamnya.

• Bernini-Diffusers-v2 — bobot terbuka. Apache-2.0, direktori diffusers mandiri di Hugging Face, dan skrip inferensi lokal di repositori bytedance/Bernini. Anda dapat melakukan fine-tuning, menjalankannya secara terisolasi dari jaringan, menyimpan data di perangkat keras Anda sendiri, dan berhenti membayar per gambar. Harga dari kepemilikan adalah mengoperasikannya: README merekomendasikan GPU kelas Hopper dan tumpukan Python 3.11.2 / PyTorch 2.7.1+cu126.

Bagi tim yang gambar-gambarnya berisi materi rahasia, atau yang aturan kepatuhannya melarang pengiriman data ke API pihak ketiga, perbedaan itu menyelesaikan perdebatan dengan sendirinya.

Ketepatan teks dan tata letak

Di mana Qwen-Image-3.0 benar-benar khas adalah teks. Angka-angka utamanya, dari materi rilis Alibaba:

• Jendela prompt — hingga 4,500 token masukan, peningkatan 4.5× dibandingkan generasi sebelumnya, yang memungkinkannya menangani ringkasan padat seperti halaman depan koran atau grid pengetahuan sembilan panel dalam satu panggilanbr />• Teks kecil — rendering yang dapat dibaca hingga sekitar 10px, termasuk notasi matematika, subskrip, superskrip, dan rumus multi-barisbr />• Bahasa — rendering asli dalam 12 bahasa dengan 20+ font dan 100+ gaya artistik, serta keakraban dengan antarmuka umum web, game, dan perangkat lunak

Bernini-Diffusers-v2 tidak membuat klaim yang sebanding tentang teks dan tata letak pada kartunya. Kekuatannya ada di tempat lain — penyuntingan semantik berbasis perencanaan dan jalur video — dan pada brief yang terutama "render infografis ini secara akurat," Qwen-Image-3.0 adalah pilihan yang sudah terbukti dan Bernini adalah yang belum teruji.

Kedalaman penyuntingan

• Qwen-Image-3.0 — generasi plus penyuntingan, dengan portofolio trik spesialis: restorasi lukisan kuno, pembuatan panorama, sketsa-ke-PPT, dan pembuatan papan cerita multi-shot. Daya tariknya adalah kegunaan produksi — tata letak yang kokoh, detail yang tampak nyata — daripada arsitektur penyuntingan tertentu.

• Bernini-Diffusers-v2 — penyuntingan melalui perencana semantik. Perencana Qwen2.5-VL menguraikan instruksi menjadi rencana perubahan, dan perender berbasis Wan2.2 menggambarnya. Itu adalah desain yang menarik untuk penyuntingan kompleks multi-langkah — "ubah musimnya, ganti mobilnya, pertahankan bingkainya" — dan ini mencakup tugas video (t2v, v2v, rv2v) yang tidak disentuh pesaing mana pun. Semuanya dilaporkan oleh vendor dan belum diverifikasi secara publik.

Biaya

• Qwen-Image-3.0 — sekitar $0.025 per 1K gambar pada API internasional (sekitar 0,18 yuan), dengan output hingga 2048×2048 dan hingga enam gambar per panggilan. Harganya dirancang untuk bersaing ketat dengan pasar gambar API lainnya — sebagian kecil dari biaya yang dibebankan model gambar premium yang dihosting setahun lalu.

• Bernini-Diffusers-v2 — bobot gratis, tanpa biaya per gambar, melainkan tagihan perangkat keras. Ekonominya berbanding terbalik dengan volume: hosting mandiri adalah pilihan buruk untuk gambar sesekali dan semakin baik seiring semakin banyak Anda menghasilkan, karena biaya marjinal satu gambar tambahan cenderung menuju nol.

Ada biaya ketiga yang menguntungkan sisi open-weights dan mudah diremehkan: biaya peralihan. Model API tertutup mengunci Anda pada harga, batas laju, dan peta jalannya; model yang Anda miliki dapat diganti, ditambal, atau disetel halus tanpa menegosiasikan ulang apa pun.

Yang mana API yang Anda bangun di atasnya?

Qwen-Image-3.0 hanya tersedia melalui API, jadi jika Anda membangun di atasnya, Anda berkomitmen pada metering per gambar di infrastruktur milik orang lain — dan justru di sinilah peran pass-through OrcaRouter menjadi penting. Harga yang Anda lihat di sisi kami adalah harga resmi Alibaba dengan markup 0%, dan pemotongan harga dari vendor berlaku pada hari yang sama, sehingga ekonomi per gambar sepenuhnya milik vendor, bukan markup reseller di atasnya. Failover otomatis antar penyedia adalah separuh argumen lainnya: API gambar yang mati di tengah kampanye tidak lagi menjadi masalah ketika panggilan Anda dialihkan melewatinya. Jika Anda memilih jalur open-weights dengan Bernini-Diffusers-v2, Anda menerima beban operasional hari ini sebagai ganti nol biaya per gambar, dan ketika penyedia hosted akhirnya mengadopsi bobot tersebut, pass-through yang sama berlaku untuk berapa pun biaya yang dikenakan penyedia itu.

Putusan

Di atas kertas, Qwen-Image-3.0 adalah model gambar murni yang lebih kuat: rendering teks yang terbukti, jendela prompt yang besar, kesetiaan tata letak multibahasa, dan harga API yang kompetitif. Ini adalah pilihan aman untuk pembuatan gambar produksi di mana brief-nya sarat teks dan alur kerjanya berbentuk API. Bernini-Diffusers-v2 adalah model yang benar-benar dapat Anda miliki — bobot Apache-2.0, self-hosted, dapat disetel halus, berkemampuan video — dengan harga mengoperasikannya sendiri dan mempercayai tabel tolok ukur yang belum ada yang mereproduksinya. Pilih Qwen-Image-3.0 untuk akurasi dan tanpa infrastruktur; pilih Bernini-Diffusers-v2 untuk hak asuh dan kendali. Aturan keputusan satu baris: apakah Anda ingin menyewa kemampuannya, atau memiliki modelnya?