Hy Image3.5 vs LLaDA-Image: Sewa Endpoint atau Miliki Bobotnya

Ada dua cara untuk membeli model gambar 2K pada September 2026, dan keduanya bukanlah dua produk melainkan dua model bisnis. Hy Image3.5 preview, yang aktif sejak 22 September 2026, adalah endpoint berbayar per pemakaian: $0,024 per gambar pada daftar tarif internasional Tencent, ¥0,15 untuk domestik, ditagih berdasarkan output yang berhasil dikirimkan, dan Anda tidak pernah menyentuh GPU. LLaDA-Image, dari grup model terbuka inclusionAI dan dirilis pada 4 September 2026, adalah checkpoint yang dapat diunduh: keluarga generasi dan penyuntingan terpadu kelas 7B di bawah lisensi Apache-2.0, tersedia di Hugging Face tanpa endpoint terkelola yang menyertainya. Seratus ribu gambar 2K per bulan menghabiskan sekitar $2.400 dengan cara pertama. Cara kedua tidak memakan biaya per gambar ditambah sejumlah uang yang harus Anda hitung sendiri, karena bobotnya gratis dan perangkat kerasnya tidak.

Itulah keseluruhan perbandingannya, dan hampir semua kesalahan yang dibuat tentangnya berasal dari membandingkan keduanya seolah-olah kolom harga adalah satu-satunya perbedaan. Bukan begitu. Salah satunya bisa dihentikan dukungannya saat Anda masih menggunakannya. Salah satunya bisa di-fine-tune. Salah satunya datang dengan tolok ukur milik vendor sendiri dan tanpa skor independen; yang lain datang dengan laporan teknis, repositori publik, dan sekitar seribu unduhan.

Dua klaim yang dikaitkan dengan LLaDA-Image yang saling bertentangan

Sebelum perbandingan ini bernilai apa pun, dua detail pada kartu LLaDA-Image perlu ditandai alih-alih diselesaikan, karena keduanya merupakan konflik nyata dalam catatan publik dan diam-diam memilih satu pihak akan menjadi kesalahan yang lebih buruk daripada mengatakannya.

Yang pertama adalah jumlah parameter. Uraian di kartu model itu sendiri menggambarkan "keluarga model sumber terbuka terpadu untuk pembuatan dan penyuntingan gambar berparameter 6B yang kompetitif." Bilah sisi di halaman yang sama melaporkan ukuran model Safetensors sebagai 7B parameter pada BF16. Kedua angka itu ada di halaman yang sama, diterbitkan oleh organisasi yang sama, dan tidak ada apa pun di kartu itu yang menyelaraskan keduanya. Perlakukan kelas ini sebagai "sekitar tujuh miliar parameter, dengan angka enam miliar dalam deskripsi" dan jangan mengutip salah satunya sebagai angka pasti. Siapa pun yang memberi tahu Anda jumlah persisnya sedang menebak dari kartu yang sama yang bisa Anda baca.

Yang kedua adalah lisensi. Kartu tersebut mencantumkan License: apache-2.0 saat ini. Liputan kami sendiri sebelumnya tentang keluarga ini menyatakan tidak ada kartu yang dirilis yang mencantumkan tag lisensi dan tidak ada file LICENSE di repositori. Kedua pernyataan itu bisa benar pada waktu yang berbeda — sebuah tag bisa ditambahkan — tetapi kami tidak akan berpura-pura keduanya selalu sama, dan lisensi yang muncul setelah rilis adalah fakta yang secara material berbeda dari lisensi yang disertakan bersama bobotnya. Jika lisensi tersebut menentukan untuk kasus penggunaan Anda, periksa sendiri repositori itu pada saat Anda mengunduh, dan periksa apakah kode pelatihan, yang menurut kartu tersebut akan segera hadir, datang dengan ketentuan yang sama.

Apa yang sebenarnya dijual oleh kedua arsitektur itu

LLaDA-Image bukan model difusi dalam pengertian biasa, dan itulah bagian yang menarik darinya. Model ini memasangkan transformer difusi dengan model bahasa-visi yang dibekukan — LLaDA2.0-mini — dan konektor RQA di antara keduanya, serta dirilis sebagai sebuah keluarga, bukan satu checkpoint tunggal: Base pada 50 langkah untuk kualitas, Turbo pada dua hingga empat langkah untuk throughput, masing-masing dalam BF16 dan FP8. Itu berarti empat checkpoint, dan jumlah langkah inilah yang membuat penerapan self-hosted dapat dibuat berfungsi dengan anggaran terbatas: model 7B dengan 50 langkah adalah proposisi perangkat keras yang berbeda dari model dengan 2 hingga 4 langkah. Laporan teknisnya tersedia untuk publik dan resep pelatihannya dijelaskan sebagai sepenuhnya terbuka, yang merupakan klaim transparansi lebih kuat daripada yang dibuat sebagian besar rilis open-weight.

Hy Image3.5 preview sengaja dibuat dengan bentuk yang berlawanan. Ini adalah satu endpoint dengan satu perilaku: text-to-image dan image-to-image dalam panggilan yang sama, pengeditan multi-turn yang membawa giliran sebelumnya sebagai konteks, hingga lima gambar referensi per permintaan, batas output 2K, dan pengenal hy-image-v3.5-preview. Tidak ada yang perlu dipilih, tidak ada yang perlu disetel, dan tidak ada yang perlu diunduh. Rangkaian kemampuannya lebih luas sejak awal — pengeditan percakapan multi-turn dengan konteks yang dipertahankan adalah fitur nyata yang tidak diiklankan oleh keluarga terbuka — dan Anda tidak memiliki kendali atas semua itu.

• Dasar biaya — Hy Image3.5 preview adalah $0.024 per gambar 2K yang diukur berdasarkan output yang dikirim; LLaDA-Image adalah bobot model gratis ditambah berapa pun biaya GPU Anda untuk menjalankannya.

• Yang Anda dapatkan — Hy Image3.5 preview adalah API terhosting dengan pengeditan multi-turn dan lima gambar referensi; LLaDA-Image adalah empat checkpoint (Base dan Turbo, BF16 dan FP8) serta resep pelatihan.

• Langkah-langkah untuk menghasilkan gambar — Hy Image3.5 preview adalah panggilan tunggal tanpa parameter langkah yang tersedia; LLaDA-Image adalah 50 langkah pada Base atau 2 hingga 4 pada Turbo, yang Anda atur sendiri.

• Bobot — Pratinjau Hy Image3.5 tidak mempublikasikan satu pun; LLaDA-Image mempublikasikan seluruh keluarga.

• Lisensi — Pratinjau Hy Image3.5 adalah layanan komersial yang diatur oleh ketentuan Tencent; LLaDA-Image membawa tag apache-2.0 yang tidak terlihat oleh pelaporan kami sendiri sebelumnya.

• Bukti — Hy Image3.5 preview memiliki uji blind GSD dari vendor dan tidak ada Elo independen; LLaDA-Image memiliki angka Qwen-Image-Bench yang dilaporkan penulis sebesar 53,53 dalam bahasa Inggris dan 53,38 dalam bahasa Mandarin, dan juga tidak memiliki Elo independen.

Hal-hal yang hanya dapat dilakukan oleh salah satu dari ini

Mulailah dari apa yang bobot berikan kepada Anda, karena ini lebih dari sekadar preferensi lisensi. Checkpoint adalah aset: ia tidak dapat dideprekasi, diubah harganya, dibatasi lajunya, atau dimatikan, dan pipeline yang dipatok ke file tertentu akan tetap berjalan tiga tahun dari sekarang. Ia dapat di-fine-tune dengan materi Anda sendiri, yang bagi tim dengan gaya internal atau set karakter tertentu adalah perbedaan antara memberi prompt ke model orang lain dan melatih model Anda sendiri. Ia berjalan offline, yang penting jika materinya adalah pekerjaan klien di bawah ketentuan kerahasiaan. Dan throughput-nya merupakan fungsi dari perangkat keras yang Anda beli, bukan antrean yang Anda masuki.

Sebaliknya, endpoint membebaskan Anda dari pekerjaan. Tidak ada seorang pun di tim Anda yang perlu mempelajari serving stack, tidak ada yang menghitung ukuran GPU, tidak ada yang menemukan di produksi bahwa checkpoint FP8 memerlukan runtime yang berbeda dari yang BF16, dan tidak ada yang bertanggung jawab ketika pekerjaan itu gagal pada pukul 3 pagi. Model Tencent juga membawa kemampuan yang tidak diklaim oleh keluarga terbuka: pengeditan multi-turn yang mempertahankan percakapan, yang justru merupakan mekanisme di balik mempertahankan karakter di sepanjang rangkaian pengeditan yang panjang. Dukungan pengeditan LLaDA-Image memang nyata — ini adalah keluarga generasi-dan-pengeditan yang terpadu — tetapi status percakapan lintas giliran bukanlah sesuatu yang diiklankan oleh kartu model tersebut.

Rumusan yang jujur adalah bahwa ini sama sekali bukan persaingan kualitas. Yang diperebutkan adalah siapa yang menanggung risiko operasional, dan dua jawabannya adalah "Tencent" dan "Anda".

Apa yang sebenarnya telah diukur, di kedua sisi

Tidak satu pun model memiliki posisi independen. Papan teks-ke-gambar Artificial Analysis, yang dibaca pada 23 September 2026, tidak memuat baris Hy Image3.5 preview dan tidak memuat baris LLaDA-Image. Satu-satunya tempat papan itu memuat Tencent adalah pada generasi sebelumnya: HunyuanImage 3.0 Instruct pada 964 Elo dan HunyuanImage 3.0 pada 945, masing-masing berada di peringkat ke-65 dan ke-70 dari 156 model — yang merupakan satu-satunya pengukuran pihak ketiga untuk apa pun di keluarga ini, dan itu sudah berusia satu generasi.

Apa yang masing-masing pihak tawarkan sebagai gantinya adalah karya mereka sendiri. Milik Tencent adalah uji preferensi buta bergaya GSD yang dijalankan bersama beberapa ratus desainer profesional milik perusahaan itu sendiri, yang melaporkan sekitar tiga puluh persen di atas Hy Image3.0, setara dengan Seedream 5.0 Pro, dan sedikit lebih unggul dibanding Nano-Banana Pro dan Qwen-Image-3.0-Pro. Dijalankan vendor, diisi vendor, kumpulan prompt tidak dipublikasikan — metode yang nyata dengan konflik kepentingan yang nyata, dan kedua bagian kalimat itu semestinya diucapkan dalam satu tarikan napas.

LLaDA-Image memiliki skor Qwen-Image-Bench sebesar 53,53 dalam bahasa Inggris dan 53,38 dalam bahasa Mandarin, yang merupakan angka yang dilaporkan penulis pada benchmark yang dipilih penulis. Ini tidak lebih independen daripada pengujian Tencent; ini tidak diaudit dengan cara yang berbeda. Kartu ini juga mencantumkan lima community Space dan jumlah unduhan bulanan sekitar seribu, yang memberi tahu Anda bahwa keluarga terbuka ini memiliki daya tarik yang nyata tetapi moderat — ini bukan model yang sudah diadopsi oleh bidang ini, dan siapa pun yang mengatakan sebaliknya belum melihat angkanya.

Ke mana uang sebenarnya mengalir, dalam skala besar

Jalankan sisi sewa dengan jujur, karena hanya sisi itu yang memiliki tarif yang dipublikasikan. Seratus ribu gambar 2K per bulan dengan $0,024 adalah $2.400. Setengah juta per bulan adalah $12.000, atau sekitar $144.000 per tahun, dan pada skala itu model gambar kelas 7B yang di-hosting sendiri berhenti menjadi opsi hobiis dan mulai menjadi pos anggaran yang jelas. Di bawah kira-kira sepuluh ribu gambar per bulan, aritmetikanya sama sekali tidak berjalan seperti itu: $240 dibandingkan dengan biaya GPU, daya, penyimpanan, stack penyajian, dan perhatian seseorang bukanlah keputusan yang tipis, dan endpoint berbayar per pemakaian menang di setiap aspek, termasuk aspek yang tidak Anda hitung.

Titik persilangan bukanlah angka yang bisa diberikan siapa pun kepada Anda, karena sisi swakelola bergantung pada perangkat keras yang sudah Anda miliki, utilisasi yang benar-benar Anda capai, dan apakah GPU sedang melakukan hal lain saat tidak menghasilkan gambar. Yang bisa dikatakan secara tepat adalah bentuk kurvanya: model berbayar sesuai pemakaian bersifat linear terhadap volume dan model swakelola adalah fungsi tangga, jadi pertanyaannya bukan mana yang lebih murah, melainkan di mana volume Anda berada relatif terhadap tangga tersebut.

Satu titik akhir, apa pun arah yang Anda tempuh

OrcaRouter tidak merutekan keduanya. Kami tidak menghosting model gambar Tencent — satu-satunya entri Tencent di katalog adalah lini Hy3 yang hanya teks — dan tidak ada apa pun dari inclusionAI sama sekali, jadi Hy Image3.5 preview berarti cloud milik Tencent sendiri dan produk-produk Tencent pihak pertama, dan LLaDA-Image berarti bobot yang dipublikasikan dan runtime apa pun yang Anda arahkan ke bobot tersebut. Mengatakan itu secara gamblang lebih berguna daripada halaman model yang membiarkannya ambigu.

Yang membuat lapisan routing berguna dalam keputusan ini adalah opsi ketiga yang dibuatnya murah. Jika Anda menimbang $2.400 per bulan versus pembelian GPU, titik tengah yang berguna adalah mengetahui berapa biaya beban kerja yang sama di berbagai model yang dapat Anda akses hari ini tanpa kontrak — openai/gpt-image-2, google/gemini-3.1-flash-image-preview, keluarga Imagen 4 dan grok/grok-imagine-image semuanya berada di balik satu endpoint yang kompatibel dengan OpenAI pada harga daftar penyedia tanpa markup 0%, sehingga perubahan harga vendor langsung berlaku di sisi kami pada hari yang sama, dan failover otomatis berarti momen buruk satu penyedia bukanlah gangguan layanan Anda. Itu bukan pengganti bagi salah satu model dalam perbandingan ini. Itulah yang mencegah perbandingan ini menjadi pilihan dua arah yang dibuat dalam kegelapan.

Satu pertanyaan yang menentukan semuanya

Tanyakan apakah beban kerja Anda memiliki bentuk yang dapat ditangkap oleh bobot dan tidak dapat ditangkap oleh endpoint. Jika Anda menghasilkan sesuai dengan gaya internal, set karakter tetap, atau materi milik klien sendiri, dan Anda memiliki volume serta perangkat keras untuk membuat model kelas 7B layak dipertahankan, maka LLaDA-Image adalah aset yang lebih tahan lama dan tag Apache-2.0 — periksa saat mengunduh, mengingat riwayat di atas — adalah yang membuatnya dapat digunakan. Anda membeli opsionalitas dan membayarnya dalam operasional.

Jika beban kerja Anda melonjak-lonjak, jika tidak ada seorang pun di tim yang ingin memiliki serving stack, jika pengeditan multi-turn dengan konteks yang dipertahankan adalah fitur yang benar-benar Anda butuhkan, atau jika volume Anda di bawah sepuluh ribu gambar per bulan, maka $0.024 per gambar 2K yang terkirim adalah harga yang pantas untuk masalah yang dialihkan ke pihak lain, dan label pratinjau adalah hal utama yang perlu terus diperhatikan. Satu hal yang layak dilakukan sebelum 7 Oktober 2026 — selagi Miora, WorkRally, dan OnSolo menjalankan jendela gratis — adalah menguji set prompt Anda sendiri melalui model Tencent dan mencatat tingkat penerimaan, karena angka itu, bukan tiga puluh persen, yang menentukan apakah sisi bermeteran itu sepadan dengan meterannya.