Images 2.6 vs Qwen Image 3.0: 둘 다 오픈이 아니며, 예전에 오픈이었던 것은 하나뿐

이 비교를 검색하는 사람들은 대개 같은 것을 찾고 있습니다: 자신의 GPU에서 이미지 모델을 실행할 이유입니다. Qwen Image 3.0이 답처럼 보입니다. Qwen 이미지 제품군은 세 세대 전부터 공개 가중치를 제공해 왔기 때문입니다. 하지만 그것은 답이 아닙니다. Qwen Image 3.0과 Qwen Image 3.0 Pro는 호스팅 API 모델로, 2026년 7월 22일에 발표되었고 2026년 8월 4일부터 Alibaba Cloud Model Studio에서 정식 제공되며, 모델 카드도, 기술 보고서도, 공개된 파라미터 수도 없습니다. 공개 계보는 한 단계 앞에서 멈춥니다. 바로 Qwen-Image-2.1입니다. 한편 Images 2.6 — OpenAI가 2026년 11월 4일에 공개한 GPT-Image-2.6 Sunburst와 GPT-Image-2.6 Flare — 이는 분명히 클로즈드 모델이며, 그 사실을 부정한 적이 없습니다.

그래서 이 맞대결을 솔직하게 규정하면 오픈 대 클로즈드가 아닙니다. 그것은 클로즈드 대 클로즈드이며, 한 벤더는 6주 전에 오픈 옵션을 출시했고 다른 벤더는 애니메이션, 벡터 출력, 품질 티어링 체계를 갖춘 더 폭넓은 제품을 판매합니다. 그럼에도 오픈 웨이트 질문은 답을 받을 만합니다. 왜냐하면 그것이 이 페이지가 존재하는 이유이며, 답은 자기 호스팅이 요구사항이라면 Qwen-Image-2.1이 실제로 원하는 모델이라는 것입니다.

라이선싱 입장을 신중하게 말하자면

이 주제는 2차 자료가 적극적으로 틀리는 주제이므로, 결론보다 출처가 더 중요하다.

여러 애그리게이터 페이지, 그중에서도 LLM Stats 비교 페이지와 Wikipedia 생성형 AI 표는 Qwen Image 3.0을 Apache 2.0 또는 "Qwen License"에 따른 오픈 웨이트로 나열합니다. 이러한 목록은 템플릿 아티팩트로 보입니다. 즉, 해당 페이지들은 이 제품군이 오픈되어 있다고 가정하는 스키마에서 생성되며, 더 자세한 보도와 모순됩니다. 3.0 또는 3.0 Pro에 대한 Hugging Face 저장소, safetensors 체크포인트, 모델 카드는 어디에서도 찾을 수 없었습니다. 신중한 해석이자 이 기사가 취하는 입장은 Alibaba가 가중치를 공개할 때까지 3.0은 호스팅 전용이라는 것입니다.

명확하게 공개된 것은 이전 세대입니다. Qwen-Image-2.1은 2026년 9월에 공개되었으며, Qwen3-VL 8B 텍스트 인코더와 결합된 7B 확산 트랜스포머로, Qwen Research License에 따라 배포됩니다 — Apache 2.0이 아니며, 별도 합의 없이는 상업적 사용이 무료가 아닙니다. 대부분의 기업에는 그 구분이 가중치 자체보다 더 중요합니다. 출시하기 전에 협상이 필요한 연구 라이선스는 Apache 2.0 다운로드와는 다른 조달 문제이며, Qwen 이미지 제품군이 일관되게 허용적이라고 가정한 팀들은 자신도 모르는 사이에 조건이 바뀌었다는 사실을 발견하게 될 것입니다.

이로 인해 Qwen Image 3.0은 곤란한 처지에 놓입니다. 측정된 모든 축에서 2.1보다 뛰어나며—자세한 내용은 아래에서 다룹니다—하지만 자체 호스팅할 수 없고, 자체 데이터로 파인튜닝할 수 없으며, 직접 제어하는 체크포인트에 고정할 수도 없습니다. 이런 점들이 Qwen 라인을 살펴보던 이유였다면, 3.0은 그 요구를 충족하지 못하며 2.1은 다운그레이드입니다.

점수표, 격차가 제자리에 있는

Artificial Analysis, 2026년 11월 5일, 두 보드 모두:

• AA-Image-Editing v2.1 — Qwen Image 3.0 Pro는 1,092 (순위 20, 샘플 13,614개), Qwen Image 3.0은 1,069 (순위 29, 샘플 8,137개), Qwen-Image-2.1은 1,081. GPT Image 2.5 Sunburst가 1,199로 선두입니다.

• AA-Image-T2I v2.1 — Qwen Image 3.0 Pro가 1,096(17위), Qwen Image 3.0이 1,073(18위), Qwen-Image-2.1이 1,044를 기록했습니다. GPT Image 2.5 Sunburst가 1,224로 선두를 달리고 있습니다.

• Images 2.6 — 두 보드 어디에도 행이 없습니다. 하루 지난 것입니다.

세 가지 관찰입니다. 첫째, Qwen Image 3.0 Pro와 OpenAI의 전작 사이의 격차는 두 리더보드 모두에서 약 100 Elo로, 접전이 아닙니다. 둘째, Pro 업그레이드는 텍스트-투-이미지에서 23 Elo, 편집에서 23 Elo를 얻는 대신 가격이 소폭 인상되므로, 마케팅용 등급이 아니라 실제로 일관된 개선입니다. 셋째, 가장 흥미로운 점은, Qwen-Image-2.1이 편집 부문에서 Qwen Image 3.0을 이긴다는 것입니다 (1,081 대 1,069). 더 오래된 오픈 웨이트 모델이고 생성에서는 확실히 뒤처지는데도 그렇습니다. 3.0 릴리스는 생성을 개선했지만 편집은 개선하지 못했습니다. Qwen 제품군에서 편집이 필요하다면 오픈 모델이 더 나은 선택이며, 이는 이례적이고 정말 유용한 발견입니다.

신뢰구간은 ±12에서 ±13으로 충분히 넓어서, 2.1 대 3.0 편집 차이는 노이즈 안에 있습니다. 하지만 그 방향은 표본 수와 일치하며, 더 새로운 숫자가 항상 더 나은 모델을 의미한다고 가정하지 말아야 할 이유입니다.

Qwen Image 3.0이 실제로 잘하는 것

그것을 사용하는 이유는 벤치마크 칼럼이 아닙니다. 바로 텍스트입니다.

Alibaba가 Qwen Image 3.0에 대해 내세운 주장은 구체적입니다: 프롬프트는 최대 약 4,500 토큰까지이며, 판독 가능한 렌더링은 약 10픽셀 활자까지 지원하고, 12개 언어를 지원하며, 호출당 최대 6개 이미지, 최대 출력은 2048 × 2048입니다. 참조 이미지는 개당 약 $0.003에 별도로 청구되며, 다시 입력된 참조에는 요금이 또 부과됩니다. 이는 추적할 만한 세부 사항인데, 매 턴마다 같은 참조를 전달하는 편집 루프가 조용히 비용을 누적하기 때문입니다.

그 주장들 중에서 다국어 텍스트 렌더링은 가장 강력한 독립적 뒷받침을 받는 항목입니다. 알리바바는 3.0 티어에 대해 공식 벤치마크를 발표하지 않았는데, 그 자체로 하나의 메시지입니다. 그러나 커뮤니티에서 이 모델의 명성은 밀도 높은 텍스트 이미지, 즉 포스터, UI 목업, 작은 글씨가 들어간 패키징, 그리고 서양 모델들이 잘 처리하지 못하는 CJK 타이포그래피에 기반을 두고 있습니다. 결과물에 디자인된 레이아웃 안에 읽을 수 있는 중국어, 일본어 또는 한국어 문구가 들어가야 한다면, 비교 대상 중 바로 그 용도로 만들어진 모델은 이것이며, OpenAI의 제품군에는 이에 상응하는 주장이 없습니다.

Images 2.6의 강점은 다른 곳에 있으며, 타이포그래피보다는 구조적인 데 있습니다. 이 모델은 ChatGPT에서 애니메이션 GIF 생성을 제공하고, SVG 내보내기, 마크업 기반 편집, 그리고 모델이 요청에 얼마나 많은 계획을 투입할지 설정하는 복잡도 매개변수를 갖추고 있습니다. 또한 재사용 가능한 저장 참조 이미지도 추가합니다. 이 중 Qwen Image 3.0이 제공하는 기능은 하나도 없습니다. 특히 SVG 내보내기는 있으면 좋은 수준이 아니라 범주적 우위입니다. 아이콘, 로고, 다이어그램을 위한 벡터 출력은 이 비교의 어떤 래스터 모델도 어떤 품질 설정에서도 만들어낼 수 없는 결과물입니다.

이미지당 비용이 아니라 사용 가능한 이미지당 비용

불량률을 따져보기 전까지는 단가표가 비슷해 보입니다.

• Qwen Image 3.0 Standard — 1K 또는 2K 기준 이미지 한 장당 약 $0.03~$0.035이며, Artificial Analysis 목록 기준 1,000장당 약 $30입니다.

• Qwen Image 3.0 Pro — 1K에서 $0.04, 2K에서 $0.075, 또는 1,000장당 약 $40입니다. 참조 이미지는 개당 약 $0.003이 추가됩니다.

• Images 2.6 — 텍스트 입력 100만 토큰당 $5, 이미지 입력 100만 토큰당 $8, 이미지 출력 100만 토큰당 $30으로 토큰 단위 과금되며, 배치 사용 시 대략 절반입니다. 이미지당 비용은 대략 낮음 $0.006, 보통 $0.013, 높음 $0.053, 최대 $0.21이며, 이는 공개된 2.6 수치가 아니라 2.5 세대에서 이어받은 토큰 예산을 바탕으로 산출한 것입니다.

겉보기에는 Qwen Image 3.0 Pro가 2K에 $0.075로 OpenAI의 high와 xhigh 설정 사이에 있습니다. 하지만 100점의 Elo 격차는 작은 품질 차이가 아닙니다. 이는 거부되거나, 프롬프트를 다시 입력하거나, 수동으로 수정해야 하는 출력물의 비율이 실질적으로 더 높다는 것을 의미합니다. Pro가 수용 가능한 결과에 도달하는 데 두 번의 시도가 필요하고 high 설정의 Images 2.6은 한 번이면 된다면, 실효 비용은 $0.053에 대비 $0.15입니다. 버려지는 것들을 계산에 넣으면 더 저렴한 모델이 세 배의 가격인 셈입니다. 이 산수는 양방향으로 적용되므로, 정직한 조언은 어느 쪽 요금표도 믿지 말고 자신의 프롬프트에서 거부율을 측정하라는 것입니다.

0% 마크업이 구체적으로 중요해지는 지점도 바로 여기입니다. OrcaRouter는 공급자 정가를 변경 없이 그대로 전달하므로, 우리 카탈로그의 이미지당 수치는 공급자가 청구하는 수치입니다 — 토큰 단위 과금 청구서에는 추가 마진이 붙지 않으며, 공급업체 가격 변경은 다음 재가격 주기가 아니라 당일 반영됩니다. 실제 비용이 아직 측정 중인 거부율에 좌우되는 워크플로에서는 마크업 없는 미터가 비교 가능한 수치와 부풀려진 수치를 가르는 차이입니다.

그게 정말 당신의 질문이라면, 오픈 웨이트 결정 말이죠.

셀프 호스팅이 타협 불가라면 이 모든 논의는 의미가 없고 답은 간단합니다: Qwen-Image-2.1을 실행하고, 1,081점의 편집 점수를 받아들이고, 회사라면 Qwen Research License 관련 논의에 예산을 배정하고, 아직 공개되지 않았고 영영 공개되지 않을 수도 있는 3.0 가중치를 기다리지 마세요. 이 모델이 약한 작업, 즉 편집이 아닌 생성 작업에는 호스팅 모델을 함께 사용하세요.

셀프 호스팅이 필수 요건이 아니라 선호 사항이라면 계산이 달라진다. Qwen Image 3.0의 강점은 다국어 텍스트 렌더링과 이미지당 낮은 가격이다. Images 2.6의 강점은 애니메이션, 벡터 출력, 마크업 편집, 그리고 훨씬 더 강력한 측정 기준 성능이다. 적어도 전작을 통해서는 그렇다. 이들은 대체로 겹치지 않는 강점이므로, 두 모델은 경쟁하지 않고 같은 파이프라인에 함께 있을 수 있다. OpenAI의 제품군은 생성과 모션용으로, Qwen은 서구 모델들이 엉망으로 만드는 언어의 타이포그래피 중심 레이아웃용으로 쓰면 된다.

키를 공유한다면 둘 다 실행하는 것은 두 개의 계약 문제가 아닙니다. OrcaRouter는 OpenAI의 이미지 모델을 정가로 라우팅하며 자동 장애 조치 기능을 갖추고 있으며, 라우팅 규칙은 프롬프트에 필요한 것에 따라 요청을 둘 중 하나로 보낼 수 있습니다 — 두 번째 SDK도, 두 번째 청구 관계도, 공급업체별 자격 증명 순환도 필요 없습니다. 이는 사소한 운영상의 요점이지만, 두 모델 파이프라인을 과연 구축할 가치가 있는지를 결정하는 바로 그 요점입니다.

이것이 어디로 귀결되는지

Qwen Image 3.0은 배포 방식이 아직 정리되지 않은 좋은 모델입니다. 가격은 경쟁력이 있고, 다국어 텍스트 렌더링은 이번 비교에서 확실히 최고 수준이며, 측정된 품질은 두 리더보드 모두에서 OpenAI의 이전 세대보다 약 100 Elo 뒤처집니다. 원칙적으로 Qwen 이미지 라인을 매력적으로 만드는 오픈 웨이트는 3.0에 없으며, 이를 실제로 갖춘 모델인 Qwen-Image-2.1이 편집 부문에서 3.0보다 더 좋은 점수를 받습니다.

Images 2.6은 측정되지 않은 위치를 지닌 더 광범위한 제품입니다. 그중 검증 가능한 모든 것은 계승된 주장입니다: 가격 모델, 엔드포인트 표면, 두 가지 변형 구조. 그중 새로운 모든 것, 즉 GIF, SVG, 마크업 편집, 복잡도 매개변수는 어떤 독립적인 테스트로도 검증되지 않았으며 부분적으로만 문서화되어 있습니다.

빠진 벤치마크에 의존하지 않는 유일한 결론은 라이선스에 관한 것이며, 그것이 대부분의 독자가 여기에 도달한 이유다. 가중치가 필요하다면 여기에는 없고, 3.0에도 없다. 체크포인트를 중심으로 계획을 세우기 전에 Hugging Face 조직을 확인하라. 그것은 올해 내내 이 제품군에 대한 신뢰할 수 있는 신호였으며, 현재 2.1에서 멈춰 있다.