Images 2.6 vs Qwen Image 3.0: Nessuno dei due è aperto, e solo uno lo era

Chi cerca questo confronto di solito vuole la stessa cosa: un motivo per eseguire un modello di immagini sulle proprie GPU. Qwen Image 3.0 sembra la risposta, perché la linea di immagini Qwen ha pesi aperti che risalgono a tre generazioni fa. Non è la risposta. Qwen Image 3.0 e Qwen Image 3.0 Pro sono modelli API ospitati, annunciati il 22 luglio 2026 e generalmente disponibili su Alibaba Cloud Model Studio dal 4 agosto 2026, senza model card, senza rapporto tecnico e senza un numero di parametri pubblicato. La discendenza aperta si ferma un passo prima, a Qwen-Image-2.1. Nel frattempo Images 2.6 — il rilascio di OpenAI del 4 novembre 2026 di GPT-Image-2.6 Sunburst e GPT-Image-2.6 Flare — è ovviamente chiuso e non ha mai preteso il contrario.

Quindi l'inquadramento onesto di questo confronto non è aperto contro chiuso. È chiuso contro chiuso, con un fornitore che ha rilasciato un'opzione aperta sei settimane prima e un altro che vende un prodotto più ampio con animazione, output vettoriale e uno schema di livelli di qualità. La questione dei pesi aperti merita comunque una risposta, perché è il motivo per cui esiste questa pagina, e la risposta è che Qwen-Image-2.1 è il modello che vuoi davvero se il self-hosting è un requisito.

La posizione sulle licenze, esposta con attenzione

Questo è un argomento in cui le fonti secondarie sono decisamente errate, quindi l'attendibilità delle fonti conta più della conclusione.

Diverse pagine di aggregatori — tra cui le pagine di confronto di LLM Stats e la tabella sull’IA generativa di Wikipedia — elencano Qwen Image 3.0 come open-weight con licenza Apache 2.0 o "Qwen License". Tali inserimenti sembrano artefatti di template: le pagine sono generate da uno schema che presuppone che la famiglia sia aperta, e contraddicono i resoconti più dettagliati. Non è stato possibile individuare alcun repository Hugging Face, alcun checkpoint safetensors né alcuna model card per 3.0 o 3.0 Pro. L’interpretazione prudente, nonché quella adottata da questo articolo, è che 3.0 sia disponibile solo tramite hosting finché Alibaba non pubblicherà i pesi.

Ciò che è inequivocabilmente aperto è la generazione precedente. Qwen-Image-2.1, rilasciato a settembre 2026, è un diffusion transformer da 7B abbinato a un text encoder Qwen3-VL 8B, pubblicato sotto la Qwen Research License — non Apache 2.0 e non gratuito per uso commerciale senza un accordo separato. Per la maggior parte delle aziende, questa distinzione conta più dei pesi stessi. Una licenza di ricerca che richiede una negoziazione prima di poter distribuire il prodotto è un problema di approvvigionamento diverso da un download Apache 2.0, e i team che davano per scontato che la linea di immagini Qwen fosse uniformemente permissiva scopriranno che i termini sono cambiati sotto i loro piedi.

Il che mette Qwen Image 3.0 in una posizione scomoda. È migliore della 2.1 su ogni asse misurato — ne parleremo più nel dettaglio qui sotto — ma non può essere ospitato autonomamente, non può essere fine-tuned sui propri dati e non può essere bloccato su un checkpoint che si controlla. Se questi erano i motivi per cui guardavi alla linea Qwen, la 3.0 non li soddisfa e la 2.1 è un downgrade.

Il tabellone dei punteggi, con il divario al posto giusto

Artificial Analysis, 5 novembre 2026, entrambe le classifiche:

• AA-Image-Editing v2.1 — Qwen Image 3.0 Pro a 1.092 (posizione 20, 13.614 campioni), Qwen Image 3.0 a 1.069 (posizione 29, 8.137 campioni), Qwen-Image-2.1 a 1.081. GPT Image 2.5 Sunburst è in testa con 1.199.

• AA-Image-T2I v2.1 — Qwen Image 3.0 Pro a 1,096 (posizione 17), Qwen Image 3.0 a 1,073 (posizione 18), Qwen-Image-2.1 a 1,044. GPT Image 2.5 Sunburst è in testa a 1,224.

• Images 2.6 — nessuna riga su nessuna delle due board. È vecchio di un giorno.

Tre osservazioni. Primo, il divario tra Qwen Image 3.0 Pro e il modello precedente di OpenAI è di circa 100 Elo su entrambe le classifiche, il che non è una competizione ravvicinata. Secondo, l'aggiornamento Pro guadagna 23 Elo nella generazione da testo a immagine e 23 nella modifica, per un modesto aumento di prezzo — un miglioramento reale e coerente, non un livello puramente di marketing. Terzo, e cosa più interessante, Qwen-Image-2.1 batte Qwen Image 3.0 nella classifica di modifica (1.081 contro 1.069), nonostante sia il modello open-weight più vecchio e sia chiaramente indietro nella generazione. Il rilascio 3.0 ha migliorato la generazione e non ha migliorato la modifica. Se ciò che ti serve dalla famiglia Qwen è la modifica, il modello aperto è quello migliore, il che è una scoperta insolita e davvero utile.

Gli intervalli di confidenza sono abbastanza ampi — da ±12 a ±13 — che la differenza di editing tra 2.1 e 3.0 rientra nel rumore. Ma la direzione è coerente con la numerosità dei campioni ed è un motivo per non dare per scontato che un numero più recente significhi sempre un modello migliore.

In cosa è davvero bravo Qwen Image 3.0

Il motivo per usarlo non è la colonna del benchmark. È il testo.

Le dichiarazioni di Alibaba su Qwen Image 3.0 sono specifiche: prompt fino a circa 4.500 token, rendering leggibile fino a circa 10 pixel per il testo, supporto per 12 lingue, fino a sei immagini per chiamata e un output massimo di 2048 × 2048. Le immagini di riferimento vengono fatturate separatamente a circa $0,003 ciascuna, e i riferimenti reinviati vengono fatturati di nuovo — un dettaglio da tenere presente, perché un ciclo di modifica che passa lo stesso riferimento a ogni turno accumula costi in modo silenzioso.

Tra queste affermazioni, il rendering di testo multilingue è quella con il supporto indipendente più solido. Alibaba non ha pubblicato benchmark ufficiali per i livelli 3.0, il che è di per sé una dichiarazione, ma la reputazione del modello nella community si basa su immagini con testo denso: poster, mockup di interfacce utente, packaging con caratteri piccoli e tipografia CJK che i modelli occidentali gestiscono male. Se la tua consegna deve contenere testi in cinese, giapponese o coreano leggibili in un layout progettato, questo è il modello del confronto costruito per farlo, e la linea di OpenAI non ha un'affermazione equivalente.

I punti di forza di Images 2.6 sono altrove e sono strutturali anziché tipografici. Offre GIF animate in ChatGPT, esportazione SVG, modifiche guidate dal markup e un parametro complexity che stabilisce quanta pianificazione il modello dedica a una richiesta. Aggiunge inoltre immagini di riferimento salvate e riutilizzabili. Nessuna di queste è una funzionalità offerta da Qwen Image 3.0. L'esportazione SVG in particolare è un vantaggio di categoria più che un semplice extra: l'output vettoriale per icone, loghi e diagrammi è qualcosa che nessun modello raster in questo confronto può produrre con qualsiasi impostazione di qualità.

Costo per immagine utilizzabile, non per immagine

Le schede tariffarie sembrano simili finché non consideri il tasso di scarto.

• Qwen Image 3.0 Standard — all'incirca da 0,03 a 0,035 $ per immagine a 1K o 2K, oppure circa 30 $ ogni mille nell'elenco di Artificial Analysis.

• Qwen Image 3.0 Pro — $0,04 a 1K, $0,075 a 2K, oppure circa $40 per mille. I riferimenti aggiungono circa $0,003 ciascuno.

• Images 2.6 — a consumo di token a $5 per milione di token di input testuale, $8 per milione di input immagine e $30 per milione di output immagine, con batch a circa la metà. Per immagine si tratta di circa $0,006 a qualità bassa, $0,013 a media, $0,053 ad alta e $0,21 al massimo, derivati da budget di token ereditati dalla generazione 2.5 anziché da cifre pubblicate per la 2.6.

Sulla carta Qwen Image 3.0 Pro a $0,075 per il 2K si colloca tra le impostazioni high e xhigh di OpenAI. Ma un deficit Elo di 100 punti non è una piccola differenza di qualità; implica una proporzione materialmente più alta di output che vengono rifiutati, ri-promptati o corretti manualmente. Se Pro richiede due tentativi per raggiungere un risultato accettabile e Images 2.6 su high ne richiede uno, il costo effettivo è di $0,15 contro $0,053 — il modello più economico costa tre volte tanto una volta che conti quelli che butti via. Questa aritmetica taglia in entrambe le direzioni, ed è per questo che il consiglio onesto è misurare il tasso di rifiuto sui tuoi prompt invece di fidarti dell'uno o dell'altro listino.

È anche qui che il markup dello 0% conta concretamente. OrcaRouter trasmette invariato il prezzo di listino del fornitore, quindi la cifra per immagine nel nostro catalogo è quella addebitata dal fornitore — non viene aggiunto alcun margine a una fattura misurata in token, e una variazione di prezzo del fornitore si riflette lo stesso giorno anziché al ciclo di riprezzamento successivo. Per un flusso di lavoro il cui costo reale dipende da un tasso di scarto che stai ancora misurando, un contatore senza markup è la differenza tra un numero comparabile e un numero gonfiato.

La decisione open-weight, se è davvero questa la tua domanda

Se il self-hosting non è negoziabile, nulla di tutto ciò conta e la risposta è breve: esegui Qwen-Image-2.1, accetta il punteggio di editing di 1.081, metti in budget la questione della Qwen Research License se sei un'azienda, e non aspettare pesi 3.0 che non sono stati pubblicati e potrebbero non esserlo mai. Affiancalo a un modello hosted per il lavoro in cui è debole, ovvero la generazione più che l'editing.

Se il self-hosting fosse una preferenza anziché un requisito, il calcolo cambierebbe. Il vantaggio di Qwen Image 3.0 è il rendering di testo multilingue e un prezzo basso per immagine. I vantaggi di Images 2.6 sono animazione, output vettoriale, modifiche al markup e una baseline misurata molto più solida — almeno tramite il suo predecessore. Sono punti di forza in gran parte non sovrapposti, il che significa che i due possono stare nella stessa pipeline senza competere: la linea OpenAI per generazione e movimento, quella Qwen per layout a forte densità tipografica in lingue che i modelli occidentali stor piano.

Eseguire entrambi non è un problema da due contratti se condividono una chiave. OrcaRouter instrada i modelli di immagini di OpenAI al prezzo di listino con failover automatico, e una regola di instradamento può inviare una richiesta all'uno o all'altro in base a ciò che richiede il prompt — nessun secondo SDK, nessun secondo rapporto di fatturazione, nessuna rotazione delle credenziali per fornitore. È un punto operativo modesto, ma è quello che decide se una pipeline a due modelli vale la pena di essere costruita.

Dove questo arriva

Qwen Image 3.0 è un buon modello con una questione distributiva irrisolta. Il suo prezzo è competitivo, il rendering multilingue del testo è davvero il migliore della categoria nel confronto, e la qualità misurata è circa 100 Elo dietro la generazione precedente di OpenAI su entrambe le classifiche. I pesi aperti che rendono attraente in linea di principio la linea Qwen Image non sono presenti nella 3.0, e il modello che li porta con sé — Qwen-Image-2.1 — ottiene un punteggio migliore nell'editing rispetto alla 3.0.

Images 2.6 è un prodotto più ampio con una posizione non misurata. Tutto ciò che di esso è verificabile è un'affermazione ereditata: il modello di prezzo, la superficie degli endpoint, la struttura a due varianti. Tutto ciò che di esso è nuovo — GIF, SVG, modifiche al markup, il parametro di complessità — non è verificato da alcun test indipendente ed è in parte non documentato.

L'unica conclusione che non dipende da un benchmark mancante è quella relativa alle licenze, ed è il motivo per cui è arrivata la maggior parte dei lettori: se hai bisogno dei pesi, non sono qui, e non sono nemmeno nella 3.0. Controlla l'organizzazione su Hugging Face prima di pianificare intorno a un checkpoint. È stato il segnale affidabile per questa famiglia per tutto l'anno, e al momento si ferma alla 2.1.