Qwen-Image-2.1 vs Hy Image3.5: Papan Independen Memeringkat Keduanya dalam Urutan yang Berlawanan

Adukan Qwen-Image-2.1 dan Hy Image3.5 secara head-to-head di dua papan peringkat gambar Artificial Analysis, dan kedua papan itu tidak sepakat soal mana yang lebih baik. Pada text-to-image, Qwen-Image-2.1 unggul 59 Elo atas Hy Image3.5 — 1.034 berbanding 975, peringkat 18 berbanding peringkat 66. Pada pengeditan gambar, dua model yang sama justru bertukar posisi: Hy Image3.5 berada di 1.088 Elo dan peringkat 14, Qwen-Image-2.1 di 1.074 dan peringkat 18. Selisih 14 poin ke arah sebaliknya. Kedua model itu rilis ke publik hanya berselang dua hari — Qwen-Image-2.1 dengan bobot terbuka pada 20 September 2026, Hy Image3.5 dalam pratinjau publik pada 22 September 2026 — dan ini pertama kalinya salah satu dari keduanya punya skor pada instrumen yang sama, dan itulah yang membuat ketidaksepakatan ini layak dibaca, bukan sekadar dilaporkan.

Langkah yang jelas adalah mengatakan bahwa papan penyuntingan itu berisik dan lanjut saja. Itu setengah benar. Setengah lainnya adalah dua baris itu tidak sama kokoh, harga pada salah satunya bukan harga pada yang lain, dan salah satu model ini memiliki hak atas bobotnya sementara yang lain tidak akan pernah.

Dua papan, dua pesanan

Artificial Analysis menjalankan perbandingan berpasangan secara buta — prompt yang sama diberikan kepada dua model, seorang pemilih memilih pemenangnya, Elo terakumulasi — dan menerbitkan papan terpisah untuk setiap tugas. Papan text-to-image memuat 166 baris; papan editing memuat 97. Baris untuk kedua model tersebut sama-sama berasal dari snapshot penyedia yang sama, jadi ini bukan ketidakcocokan versi.

• Teks-ke-gambar — Qwen-Image-2.1 pada 1.034 Elo (interval 1.024 hingga 1.044) dari 5.286 perbandingan, peringkat 18 dari 166. Hy Image3.5 pada 975 Elo (interval 966 hingga 984) dari 5.334 perbandingan, peringkat 66 dari 166. Intervalnya tidak bersentuhan. Pemisahan 59 poin pada sampel berukuran serupa adalah urutan yang nyata, bukan artefak pembulatan.

• Pengeditan gambar — Hy Image3.5 pada 1.088 Elo (interval 1.079 hingga 1.097) dari 5.550 perbandingan, peringkat 14 dari 97. Qwen-Image-2.1 pada 1.074 Elo (interval 1.065 hingga 1.083) dari 5.536 perbandingan, peringkat 18 dari 97. Interval tersebut tumpang tindih pada rentang empat poin di 1.079 hingga 1.083. Urutannya hanya menunjukkan arah, belum mapan.

• Ukuran sampelnya berdekatan di kedua papan — 5.286 berbanding 5.334 pada text-to-image, 5.536 berbanding 5.550 pada editing — jadi perbedaan tingkat keyakinan bukanlah soal salah satu model kurang mendapat suara.

• Papan melabeli model-model secara berbeda, dan itu penting: baris Qwen-Image-2.1 membawa penanda Open Weights, sedangkan baris Hy Image3.5 tidak.

Jadi, pembacaan yang jujur bersifat asimetris. Teks ke gambar: Qwen-Image-2.1 menang dengan jelas. Penyuntingan: Hy Image3.5 kemungkinan lebih unggul, dengan selisih yang berada di dalam noise pengukuran.

Dari mana asimetri berasal

Kekuatan penyuntingan Hy Image3.5 tidak mengejutkan begitu Anda melihat apa yang disertakan Tencent saat merilisnya. Pratinjau tersebut dirilis ke publik dengan hingga lima gambar referensi per permintaan, text-to-image dan image-to-image dalam model yang sama, serta penyuntingan multi-putaran — bidang penyuntingan mendapat penekanan saat peluncuran. Qwen-Image-2.1 dibangun dengan stack generasi-dan-penyuntingan terpadu yang juga menangani gambar referensi, tetapi baris papan peringkatnya menunjukkan sisi penyuntingan finis dua Elo di bawah Qwen-Image-3.0-Pro milik Alibaba sendiri, yang merupakan hasil lebih sempit daripada yang disiratkan oleh pembingkaian peluncuran.

Klaim Tencent sendiri juga bukan yang ditunjukkan oleh papan peringkat. Vendor tersebut menyebut pratinjau ini meraih tingkat kemenangan sekitar 30% dalam evaluasi buta dibandingkan Hy Image3.0. Angka itu belum direproduksi oleh siapa pun di luar Tencent, dan papan independen tidak mengonfirmasinya pada text-to-image — di mana Hy Image3.5 preview pada 975 berada 20 Elo di bawah HunyuanImage 3.0 Instruct dengan bobot terbuka pada 995. Pada editing, perbandingan yang sama berpihak kepada vendor: Hy Image3.5 preview pada 1,088 berada 22 Elo di atas HunyuanImage 3.0 Instruct pada 1,066. Satu generasi kemajuan di satu papan, dan satu langkah mundur di papan lainnya, dari suksesi Tencent sendiri.

Sumbu harga, di mana keduanya sama sekali tidak dapat dibandingkan

Hy Image3.5 preview adalah API terukur. Tencent Cloud menagih ¥0,15 untuk gambar 2K di endpoint Tiongkok daratan dan US$0,024 di endpoint internasional, yang ditagih hanya untuk gambar yang dikembalikan oleh API. Kolom harga Artificial Analysis mencatat $24,00 per 1.000 gambar, yang merupakan angka yang sama dalam satuan yang digunakan papan peringkat tersebut — dan dibandingkan dengan $210,70 yang tercantum di baris teratas papan peringkat text-to-image untuk seribu gambar yang sama, harganya kurang dari sepersembilan.

Qwen-Image-2.1 tidak memiliki baris harga, karena tidak memiliki endpoint. Kedua baris papan peringkatnya memuat API tidak tersedia sebagai catatan eksplisit. Anda tidak membeli model ini; Anda mengunduhnya, dan Anda membayarnya dengan jam GPU dan dengan pertanyaan lisensi di bawah ini. 5.286 dan 5.536 suara pada barisnya berasal dari orang yang menjalankan bobotnya sendiri. Fakta itu juga memberi peringkat ini peringatan yang layak dipertahankan: Elo independen untuk model yang hanya dihosting sendiri mengukur populasi yang berbeda daripada Elo untuk sesuatu yang dapat dipanggil oleh siapa saja.

Jika rencananya adalah memasukkan salah satu dari ini ke dalam sebuah produk, pemisahan praktisnya kini sudah jelas, dan itu adalah pemisahan yang sama seperti yang tersirat dari harganya: model dengan skor pengeditan yang lebih baik adalah model yang Anda sewa, dan model dengan skor text-to-image yang lebih baik adalah model yang Anda jalankan. OrcaRouter adalah sisi penyewaan dari hal itu — satu API di atas 200+ model dengan harga daftar penyedia yang diteruskan tanpa markup, failover otomatis antar penyedia, dan DSL routing untuk menggabungkan beberapa model ke dalam satu panggilan. Kami tidak merutekan Hy Image3.5 preview atau Qwen-Image-2.1; lini gambar di platform ini adalah tier Imagen milik Google dan pratinjau gambar Gemini, endpoint gambar Grok Imagine milik xAI, dan keluarga GPT-Image milik OpenAI. Keduanya bukan pilihan utama dari daftar itu semata-mata berdasarkan kekuatan satu baris papan peringkat, dan itulah tepatnya mengapa pertanyaan lisensi di bawah ini adalah yang menentukannya.

Sumbu yang tidak ada kolom untuknya di papan mana pun

Qwen-Image-2.1 dirilis di bawah Qwen Research License Agreement, tertanggal 20 September 2026, yang hanya memberikan hak untuk tujuan nonkomersial dan mensyaratkan lisensi terpisah dari vendor untuk penggunaan komersial. Repositori Hugging Face melaporkan lisensi tersebut sebagai lainnya karena alasan itu — ini bukan lisensi OSI dan tidak boleh ditafsirkan sebagai lisensi OSI. Penanda Open Weights pada kedua baris papan itu akurat dan tidak menyatakan apa pun tentang hal ini.

Hy Image3.5 preview tidak memiliki bobot untuk dilisensikan. Tencent belum menerbitkannya; pratinjau ini disajikan dari platform Tencent sendiri dan tidak ada rilis generasi ini yang dapat diunduh. Yang Anda dapatkan adalah kartu tarif, batas gambar referensi, dan layanan yang dapat Anda mulai dan hentikan. Tidak ada yang perlu diaudit, tidak ada yang perlu dihosting, tidak ada yang perlu dinegosiasikan — dan tidak ada yang Anda simpan jika Tencent mengubah harga atau menghentikan pratinjau tersebut.

Perbandingan yang benar-benar menyelesaikan pertanyaan tentang bobot terbuka adalah pendahulu Tencent sendiri, bukan model Qwen. HunyuanImage 3.0 Instruct ada di kedua papan peringkat dengan penanda Open Weights — 1.066 pada pengeditan, 995 pada teks-ke-gambar. Qwen-Image-2.1 mengalahkannya di kedua papan itu. Jadi jika syaratnya adalah "bobot yang dapat diunduh yang bisa saya jalankan di perangkat keras saya sendiri," opsi terbaik dalam pertandingan ini adalah milik Alibaba, di papan mana pun, di bawah lisensi yang tetap melarang menjual output.

Tidak ada versi dari hal ini yang urusan administrasinya selesai sendiri. Anda bisa mendapatkan skor pengeditan yang lebih baik tanpa bobot dan dengan tagihan berbasis pemakaian, atau skor text-to-image yang lebih baik dengan bobot yang tidak boleh Anda komersialkan. Pilih batasan mana yang bisa Anda jalani, lalu ukur keduanya pada prompt Anda sendiri — selisih pengeditan di antara keduanya selebar empat poin di dalam interval-interval yang tumpang tindih, semacam margin yang dapat dihapus oleh satu kumpulan prompt held-out.