Bernini-Diffusers-v2 vs Qwen Image 3.0: Pesi di tua proprietà vs un'API che renderizza il testo

Due laboratori cinesi hanno rilasciato modelli in grado di generare immagini a distanza di tre settimane l'uno dall'altro, finendo su lati opposti della più grande divisione della categoria. Qwen-Image-3.0, pubblicato dal team di Alibaba il 21 luglio 2026 e aperto a un'API internazionale il 4 agosto, è un modello di immagini a pesi chiusi che si richiama via HTTP. Bernini-Diffusers-v2, che ByteDance ha caricato su Hugging Face il 13 agosto 2026 senza alcun annuncio, ha pesi aperti con licenza Apache-2.0 che scarichi ed esegui. Stessa descrizione generale del compito — generazione e modifica di immagini — e risposte opposte alla domanda su chi controlla il modello. Gran parte di ciò che segue è la conseguenza di questa singola decisione, quindi è da qui che parte questo confronto, non dove finisce.

I pesi si dividono

• Qwen-Image-3.0 — pesi chiusi. Al momento in cui scriviamo, Alibaba non ha pubblicato i pesi né un report tecnico per il modello; lo usi tramite API su Alibaba Cloud Bailian o sulla piattaforma Qwen. Le uscite riportano un'etichetta di provenienza AIGC. Ciò che acquisti è la capacità senza custodia: niente self-hosting, niente fine-tuning, niente uso offline, niente sguardo sotto il cofano.

• Bernini-Diffusers-v2 — pesi aperti. Apache-2.0, una directory diffusers autonoma su Hugging Face e script di inferenza locale nel repository bytedance/Bernini. Puoi eseguirne il fine-tuning, usarlo in modalità air-gapped, mantenere i tuoi dati sul tuo hardware e smettere di pagare per ogni immagine. Il prezzo della custodia è gestirlo: il README consiglia GPU di classe Hopper e uno stack Python 3.11.2 / PyTorch 2.7.1+cu126.

Per un team le cui immagini contengono materiale riservato, o le cui regole di conformità vietano l'invio di dati a un'API di terze parti, quella divisione risolve la disputa da sola.

Fedeltà di testo e layout

Il punto in cui Qwen-Image-3.0 è davvero distintivo è il testo. I suoi numeri di punta, dai materiali di rilascio di Alibaba:

• Finestra di prompt — fino a 4.500 token di input, un salto di 4,5× rispetto alla generazione precedente, che è ciò che gli consente di gestire brief densi come prime pagine di giornali o una griglia di conoscenza a nove pannelli in un'unica chiamatabr />• Testo piccolo — resa leggibile fino a circa 10px, inclusa la notazione matematica, pedici, apici e formule su più righebr />• Lingue — resa nativa in 12 lingue con oltre 20 font e più di 100 stili artistici, oltre alla familiarità con le interfacce web, di gioco e software più comuni

Bernini-Diffusers-v2 non avanza alcuna affermazione paragonabile riguardo a testo e layout sulla sua scheda. I suoi punti di forza sono altrove — editing semantico basato su pianificazione e una pipeline video — e su un brief che è principalmente "rendi accuratamente questa infografica," Qwen-Image-3.0 è la scelta dimostrata, mentre Bernini è quella non comprovata.

Profondità di modifica

• Qwen-Image-3.0 — generazione più editing, con un portfolio di trucchi specialistici: restauro di dipinti antichi, generazione di panorami, schizzo-to-PPT e storyboarding multi-inquadratura. Il punto è l'utilità produttiva — layout che reggono, dettagli che sembrano reali — piuttosto che una particolare architettura di editing.

• Bernini-Diffusers-v2 — modifica tramite un planner semantico. Un planner Qwen2.5-VL scompone l'istruzione in un piano di ciò che deve cambiare, e un renderer basato su Wan2.2 lo disegna. È un design convincente per modifiche complesse a più passaggi — "cambia la stagione, sostituisci l'auto, mantieni l'inquadratura" — e si estende ad attività video (t2v, v2v, rv2v) che nessun concorrente tocca. Tutto ciò è dichiarato dal produttore e non verificato pubblicamente.

Costo

• Qwen-Image-3.0 — circa $0,025 per 1K immagini presso l'API internazionale (circa 0,18 yuan), con output fino a 2048×2048 e fino a sei immagini per chiamata. Il prezzo è pensato per competere duramente con il resto del mercato delle API per immagini — una frazione di quanto i modelli di immagini premium addebitavano un anno fa.

• Bernini-Diffusers-v2 — pesi gratuiti, nessun costo per immagine, ma piuttosto una bolletta hardware. L'economia si inverte con il volume: l'auto-hosting è un cattivo affare per immagini occasionali, ma diventa sempre più conveniente man mano che se ne generano, perché il costo marginale di un'immagine in più tende a zero.

Esiste un terzo costo che favorisce il lato dei pesi aperti ed è facile da sottovalutare: il costo del cambio. Un modello API chiuso ti blocca nei suoi prezzi, nei suoi limiti di velocità e nella sua tabella di marcia; un modello che possiedi può essere sostituito, corretto o messo a punto senza rinegoziare nulla.

Qual è l'API su cui costruisci?

Qwen-Image-3.0 è disponibile solo via API, quindi se ci costruisci sopra ti impegni a un costo per immagine su un'infrastruttura di qualcun altro — ed è esattamente qui che il pass-through di OrcaRouter ha importanza. Il prezzo che vedi dalla nostra parte è il prezzo di listino di Alibaba con margine 0%, e un taglio del prezzo del fornitore arriva lo stesso giorno, quindi l'economia per immagine è quella del fornitore, non un margine di un rivenditore aggiunto sopra. Il failover automatico tra provider è l'altra metà del discorso: un'API per immagini che va giù a metà campagna smette di essere un problema quando le tue chiamate la aggirano. Se invece scegli la strada dei pesi aperti con Bernini-Diffusers-v2, accetti oggi l'onere operativo in cambio di zero costi per immagine, e quando un provider ospitato alla fine adotterà i pesi, lo stesso pass-through si applica a qualunque prezzo quel provider applichi.

Il verdetto

Sulla carta, Qwen-Image-3.0 è il modello di immagine puro più forte: comprovato rendering del testo, un'enorme finestra di prompt, fedeltà di layout multilingue e un prezzo API competitivo. È la scelta sicura per la generazione di immagini in produzione quando il brief è ricco di testo e il flusso di lavoro è modellato sulle API. Bernini-Diffusers-v2 è il modello che puoi davvero possedere — pesi Apache-2.0, self-hosted, ottimizzabile, capace di generare video — al prezzo di gestirlo da te e di fidarti di una tabella di benchmark che nessuno ha replicato. Scegli Qwen-Image-3.0 per accuratezza e zero infrastruttura; scegli Bernini-Diffusers-v2 per custodia e controllo. La regola decisionale in una riga: vuoi noleggiare la capacità o possedere il modello?