Qwen-Image-2.1 vs MAI-Image-2.6 Preview: uno è in classifica, l'altro è scaricabile

MAI-Image-2.6 Preview è in cima alla classifica indipendente di editing delle immagini e non puoi comprarlo. Qwen-Image-2.1 è un download da 33 GB che chiunque può eseguire oggi e non compare affatto in quella classifica. Tra questi due fatti sta l'intero confronto, e non è un confronto di qualità — è un confronto di prove. Il modello di Microsoft ha voti da estranei e nessuna pagina di pagamento. L'altro modello ha un download senza pagamento e nessun voto da estranei. Scegliere tra i due significa decidere con quale di queste lacune puoi convivere. Qwen-Image-2.1 è stato reso open source il 20 settembre 2026; MAI-Image-2.6 Preview è in anteprima privata dal 19 agosto 2026.

Cosa misura davvero la classifica

Artificial Analysis esegue confronti a coppie in cieco e li trasforma in un Elo. Nell'istantanea di settembre 2026 della sua classifica di editing di immagini, MAI-Image-2.6 è in testa a circa 1.122 — davanti a GPT Image 2 (high) a circa 1.117. Sul text-to-image è secondo, intorno a 1.149, dietro GPT Image 2 (high) a circa 1.178. Si tratta di voti reali espressi da persone reali che confrontano output di cui non conoscevano la provenienza, il che è una classe di prove categoricamente migliore rispetto al benchmark proprietario di un fornitore.

L'avvertenza è insita nella parola "Anteprima". Una build di anteprima accumula voti da una popolazione che si autoseleziona — le persone con accesso su invito — e i suoi punteggi possono cambiare in modo sostanziale quando la build di disponibilità generale la sostituisce. Considera l'Elo un segnale forte sulla direzione del modello e un segnale debole sul modello che prima o poi potrai chiamare.

Le prove di Qwen-Image-2.1 sono l'immagine speculare. Il Qwen-Image-Bench dello stesso fornitore gli assegna 60.28, davanti a Nano Banana 2.0 a 59.82 e a GPT Image 1.5 a 59.65, primo tra i modelli aperti. Sono numeri prodotti dal fornitore, senza alcuna riproduzione indipendente, e i margini sono inferiori a un punto — un divario che non sopravviverebbe a un cambiamento del set di prompt. L'unico dato indipendente è una valutazione umana di GenAI Showdown a 7/15, in aumento rispetto a 4/15 per il Qwen-Image originale e dietro l'8/15 di Ideogram 4. Nelle classifiche di immagini di Artificial Analysis, Qwen-Image-2.1 non è presente. Non è un punteggio scarso. È l'assenza di un punteggio, perché l'Elo indipendente richiede un numero sufficiente di persone che eseguano pubblicamente il modello per generare voti, e un modello che ha un solo giorno di vita e può essere eseguito solo in self-hosting non ha ancora avuto la possibilità.

Dove i due modelli differiscono davvero sul foglio

• Accesso — Qwen-Image-2.1 è a pesi aperti, circa 33 GB, scaricabile oggi; MAI-Image-2.6 Preview è ad accesso su invito su MAI Playground e Microsoft Foundry, senza API pubblica e senza listino.
• Limite di risoluzione — Qwen-Image-2.1 genera nativamente fino a 2048×2048 con 40 passaggi di inferenza e sette preset di rapporto d'aspetto; la linea MAI-Image-2.5 limitava l'output a circa 1.048.576 pixel, e Microsoft non ha pubblicato un valore più alto per la 2.6 Preview.
• Trasparenza — Qwen-Image-2.1 emette alpha da uno spazio latente RGBA a 64 canali e può estrarre un soggetto da una fotografia in un livello trasparente; per la linea MAI-Image non è stato documentato alcun output con sfondo trasparente.
• Immagini di riferimento — Qwen-Image-2.1 accetta fino a 10 per composizione multi-soggetto e prova virtuale; Microsoft non ha pubblicato un numero di immagini di riferimento per la build di anteprima.
• Controlli di modifica — Qwen-Image-2.1 accetta modifiche regionali tramite cerchi colorati che annotano più aree in un'unica istruzione, segni dipinti a mano libera, oppure una coppia separata composta da originale e maschera che preserva l'immagine sorgente completa; MAI-Image-2.5 era posizionata come specialista della modifica con modifica locale e preservazione dell'identità del volto, e la 2.6 Preview eredita questa impostazione.
• Licenza — Qwen-Image-2.1 viene distribuito secondo il Qwen Research License Agreement datato 20 settembre 2026, solo per uso non commerciale; MAI-Image-2.6 Preview è un'anteprima commerciale senza termini commerciali pubblicati.

La riga che dovrebbe farti riflettere non è nessuna di quelle sulle capacità. È l'ultima: nessuno dei due modelli ha un foglio di condizioni commerciali pubblicato. Uno vieta del tutto l'uso commerciale finché non ottieni una licenza separata. L'altro non ha alcun prezzo, perché non c'è ancora modo di acquistarlo.

La fedeltà di editing è l'asse che entrambi rivendicano

Entrambi i modelli vengono venduti con la stessa promessa: puoi modificare un'immagine ripetutamente senza che il soggetto si alteri. L'inquadramento di Microsoft per la linea MAI-Image è la conservazione dell'identità facciale e la modifica locale con alle spalle un ragionamento visivo — il modello è pensato per capire ciò che stai indicando, non solo dove. L'inquadramento di Qwen per Qwen-Image-2.1 è esplicito riguardo alla modalità di fallimento che intende contrastare: la deriva dell'identità facciale e la deformazione di testo, texture e forma dei prodotti nel corso di modifiche ripetute. Entrambe sono dichiarazioni dei fornitori, ed entrambe descrivono lo stesso problema.

La differenza pratica è quale dei due puoi testare questo pomeriggio. Qwen-Image-2.1 è un download e una pipeline diffusers — QwenImage21Pipeline integrata in Diffusers, con supporto dal giorno zero in ComfyUI, SGLang, vLLM-Omni e LightX2V. Puoi eseguire venti iterazioni di modifica sul tuo soggetto e giudicare tu stesso la deriva. MAI-Image-2.6 Preview richiede un invito, quindi per la maggior parte delle persone la questione della fedeltà resta un'affermazione finché l'accesso non si apre.

C'è un'ulteriore capacità specifica per le modifiche che vale la pena segnalare perché è insolita. Qwen-Image-2.1 può concatenare modifiche locali in una semplice animazione fotogramma per fotogramma — lo stesso meccanismo di trasparenza che produce un ritaglio consente anche a una sequenza di modifiche di regione di costruire movimento. Non è un modello video e non dovrebbe essere paragonato a uno, ma è un modo economico per produrre un breve loop senza toccare un endpoint video.

Costo, e perché nessuno dei due numeri si trova su una pagina dei prezzi

Qwen-Image-2.1 non ha un prezzo hosted perché non esiste un endpoint hosted. Il costo è il tempo della tua GPU, e i numeri di serving sono pubblicati: SGLang-Diffusion misura 2,748 s per una generazione 1024×1024 a 40 step su una singola B200, 8,23 s su una RTX PRO 6000 Blackwell 96 GB e 4,74 s su una RTX 4090 da 24 GB con kernel Cache-DiT e INT8, solo denoise. Queste sono latenze per singola richiesta, non throughput, ma bastano per verificare se una sola scheda copre il tuo volume.

MAI-Image-2.6 Preview non ha un prezzo pubblicato proprio: Microsoft lo vende tramite Foundry e il Playground, non su un listino prezzi pubblico. La classifica indipendente ne indica invece uno, ed è l'unico segnale di prezzo associato a questo modello: 38,9 $ per 1.000 immagini, registrato per la build di anteprima da Artificial Analysis. Si colloca tra il modello standard MAI-Image-2.5 a 48,1 $ per 1.000 e MAI-Image-2.6-Flash a 19,5 $, all'incirca la fascia in cui dovrebbe posizionarsi un modello di fascia media. Consideralo il dato della classifica, piuttosto che un prezzo a cui puoi acquistare.

Il ruolo di OrcaRouter in una decisione come questa è sul lato hosted, ed essere precisi al riguardo conta. Non instradiamo nessuno dei due modelli. MAI-Image-2.6 Preview è raggiungibile solo tramite le superfici di Microsoft finché resta accessibile su invito, e non disponiamo di alcuna rotta immagini Microsoft. Qwen-Image-2.1 è solo self-hosted, e non instradiamo alcun modello Qwen-Image di nessuna versione. Ciò che invece offriamo è la linea di immagini che altrimenti abbineresti a questi: GPT-Image-2, GPT-Image-1.5 e GPT-Image-1-mini di OpenAI, i tier di Imagen 4 e le anteprime immagini di Gemini di Google, e l'endpoint immagini Grok Imagine di xAI — oltre 200 modelli dietro un unico endpoint compatibile con OpenAI, prezzo di listino del provider passato senza alcun ricarico, failover automatico tra provider, un DSL di routing per comporre fallback e la fusione di modelli per chiamate in stile panel. Il pass-through conta per un confronto come questo: quando un fornitore di quell'insieme modifica una tariffa, il nostro numero cambia lo stesso giorno, che è l'unico modo per mantenere un livello di routing onesto rispetto ai prezzi diretti dei fornitori.

Con quale divario puoi convivere

• Ti serve un numero che puoi difendere — MAI-Image-2.6 Preview, se riesci ad accedere. I voti ciechi indipendenti in cima alla classifica di editing battono un benchmark del fornitore, e se la decisione deve essere giustificata a qualcun altro, è quella la prova che supera il vaglio.
• Devi consegnare qualcosa oggi — Qwen-Image-2.1. I pesi sono pubblici, i framework lo supportano e la licenza permette ricerca e valutazione fin da subito. Nessun invito, nessuna lista d'attesa.
• Ti serve trasparenza o 2K — Qwen-Image-2.1, e questa è l'unica riga in cui il prospetto non è nemmeno vicino. Alpha esce dal sampler, e la linea MAI-Image non ha documentato affatto output trasparenti.
• Devi vendere l'output — nessuno dei due, allo stato attuale. Qwen-Image-2.1 lo vieta senza una licenza separata e MAI-Image-2.6 Preview non può essere acquistato. Per una pipeline commerciale, punta a qualcosa con un listino pubblicato e una licenza commerciale.

Le due cose che vale la pena osservare riguardano entrambe la chiusura dello stesso divario. Se Microsoft toglie MAI-Image-2.6 dall'anteprima con un listino prezzi pubblico, smette di essere una curiosità da classifica e diventa un'opzione acquistabile con le migliori prove indipendenti di editing sulla classifica. Se Qwen pubblica i termini commerciali per Qwen-Image-2.1 e il modello inizia ad apparire sulle classifiche indipendenti, la riga della licenza smette di fare tutto il lavoro. Fino ad allora, la lettura onesta è che non si tratta di un confronto tra due prodotti — è un confronto tra due tipi di informazioni mancanti.