MOSS-Image vs HY-Image 3.5: Beide verkopen je gerenderde tekst, en slechts één laat je de test zien.

Vraag je een van beide leveranciers waar hun beeldmodel eigenlijk voor bedoeld is, dan krijg je hetzelfde antwoord. MOSS-Image, op 16 oktober 2026 door OpenMOSS uitgebracht als de Apache 2.0-checkpoints MOSS-Image-Base en MOSS-Image-SFT, zet tekstweergave en lay-out voorop. HY-Image 3.5, het huidige beeldmodel van Tencent binnen de Hunyuan-lijn, zet verbeterde nauwkeurigheid voorop bij tekst die in de afbeelding zelf wordt weergegeven — zowel in het Chinees als in het Engels. Twee leveranciers, vijfduizend mijl van elkaar vandaan, die dezelfde capaciteit uitkiezen om mee te adverteren, wat een duidelijk signaal is over waar de echte faalmodus van de categorie de afgelopen twee jaar heeft gezeten.

De twee beweringen komen echter in volledig verschillende verpakkingen. Een ervan gaat gepaard met een benchmark en een getal. De andere komt met een zin. Die asymmetrie — niet de beeldkwaliteit, die niemand voor deze twee heeft gemeten — vormt de hele vergelijking, en het is de moeite waard om die zorgvuldig door te werken, want het getal dat bestaat is van de leverancier zelf en de zin die niet bestaat is van een leverancier met meer geschiedenis.

Wat "text rendering" aan elke kant betekent

De bewering van T​encent is een bewering over correctheid in twee schriften. Volgens de documentatie verbetert H​Y-Image 3.5 de nauwkeurigheid van tekst die in de afbeelding wordt getekend, en in het materiaal staat expliciet dat dit Chinees en Engels omvat. Dat is een smallere en praktischere bewering dan het klinkt. Chinees is het schrift dat de meeste westerse beeldmodellen het slechtst aankunnen — de glyphdichtheid is hoger, het aantal tekens loopt in de duizenden in plaats van in de tientallen, en een model dat plausibel uitziende Latijnse lettervormen weergeeft, kan volledig verzonnen Chinese tekens weergeven zonder dat iemand het merkt totdat een proeflezer dat doet. Een leverancier wiens thuismarkt Chinees schrijft, heeft een voor de hand liggende reden om dat als eerste aan te pakken, en T​encent heeft dat direct gezegd.

De bewering van OpenMOSS gaat over lengte, niet over scriptdekking. De belangrijkste demonstratie van MOSS-Image zijn alinea's — literaire tekst met een gemiddelde doellengte van ongeveer 1.340 tekens, leesbaar weergegeven over een afbeelding. Dat is een ander probleem dan vier Chinese tekens goed krijgen. Het is het verschil tussen het weergeven van een woordmerk en het weergeven van een pagina.

• Waar de leverancier mee vooroploopt — M​OSS-Image: weergave van lange teksten, met lay-out als controlemiddel. H​Y-Image 3.5: tekstnauwkeurigheid in het Chinees en Engels, met consistentie van het onderwerp bij herhaalde bewerkingen.

• Wat de interface je geeft — MOSS-Image: een JSON-prompt met een summaryblok en een items-array, waarbij elk tekstelement een bounding box bevat plus de letterlijke string die moet worden weergegeven. HY-Image 3.5: een prompt in natuurlijke taal, plus referentieafbeeldingen voor de bewerkingsrichting. Geen gedocumenteerd stringveld per element.

• Wat het uitvoerplafond is — MOSS-Image: getraind op 576, dan 3.072, dan 8.192 tokens over drie resoluties, met de laatste fase op ongeveer 1024². HY-Image 3.5: tot 2K, in de eigen woorden van Tencent.

• Wat bepaalt de gewichten — M​OSS-Image: Apache 2.0, geen omzetdrempel. H​Y-Image 3.5: niets gepubliceerd. Geen checkpoint, geen lokale licentie, geen offline route.

• Wat u betaalt — MOSS-Image: niets voor de licentie. HY-Image 3.5: $0,024 voor een 2K-afbeelding op het internationale endpoint, ¥0,15 binnenlands, facturatie uitsluitend op basis van geleverde outputafbeeldingen.

Dat vierde punt verdient een eigen zin, want het is het enige aan deze vergelijking waarop je vandaag kunt inspelen. Als tekstweergave de reden is dat je tussen deze modellen kiest, kun je het gedrag van slechts één ervan op je eigen machine inspecteren. MOSS-Image op je eigen exemplaar testen betekent 27,2 GB downloaden en het draaien; HY-Image 3.5 testen betekent prompts naar Tencent sturen en kijken wat er terugkomt.

Het enige getal in deze vergelijking, en wat het waard is

M​OSS-Image heeft een benchmark. LongLongTextBench bestaat uit 240 taken voor het renderen van literaire tekst — 120 Engels, 120 Chinees — met een gemiddelde doellengte van 1.339,8 tekens, en OpenMOSS kent M​OSS-Image een score van 96,3 toe op Mean-6-tekstdekking, tegenover 64,9 voor Q​wen-Image-2512. Dezelfde tabel plaatst GPT Image 2 op 99,0 en N​ano Banana Pro op 96,6, wat op twee manieren opmerkelijk is: het is een tabel waarin een concurrent wint, en het is een tabel waarin de voorsprong van M​OSS-Image op het model dat het verslaat groter is dan zijn achterstand op de modellen die voorliggen.

Nu de kanttekeningen, die niet gering zijn. LongLongTextBench is OpenMOSS' eigen benchmark, gebouwd voor deze release, uitgevoerd door OpenMOSS, op OpenMOSS' eigen systeem. Mean-6-tekstdekking is OpenMOSS' eigen metriek. Niemand buiten het lab heeft er ook maar iets van gereproduceerd. Het is het eerste leverancierscijfer in deze categorie dat überhaupt lange tekst probeert te meten, en het is ook precies het soort cijfer dat een leverancier bouwt wanneer die iets te laten zien heeft.

H​Y-Image 3.5 heeft hier helemaal geen cijfer. Geen gepubliceerd cijfer, en geen onafhankelijk cijfer — geen enkele benchmark geeft deze twee modellen een score voor tekstweergave, en de onafhankelijke benchmarks die het model van T​encent wél opnemen, wagen zich niet aan tekst. Dus de tekstkwestie, precies het punt waarmee beide leveranciers wilden uitpakken, is de vraag die deze vergelijking niet kan beantwoorden met bewijs van beide kanten. De ene leverancier publiceerde een test. De andere publiceerde een bewering. Dat is de stand van zaken, en elk artikel dat op deze as een cijfer naast H​Y-Image 3.5 zet, heeft dat cijfer verzonnen.

Waar onafhankelijk bewijs wel bestaat, en het slechts een halve vergelijking is

T​encent's model staat op de Artificial Analysis-borden onder de aanduiding HunyuanImage 3.5 (Preview), wat op zich nuttig is omdat het de naamgeving bevestigt: het preview-label is de huidige staat van het model, niet een historische. De identificatie die in omloop is, is hy-image-v3.5-preview, en er staat geen tweede, stabiele identificatie naast. Op het tekst-naar-afbeelding-bord staat het in de middenmoot met 976,02 Elo. Op het beeldbewerkingsbord komt het in de bovenste twintig procent terecht, met 1.088 Elo over 5.775 blinde vergelijkingen — de leiders daar zijn O​penAI's GPT Image 2.5 Sunburst en Flare met 1.198 en 1.177, dus T​encent zit ongeveer 110 Elo onder de voorhoede, met intervallen van ongeveer ±14.

Die positie in de bewerkingsranglijst is de interessante voor deze confrontatie, en niet vanwege de rang. Het is de ranglijst die gedeeltelijk het vermogen bestrijkt dat T​encent daadwerkelijk aanprijst. Het herhaaldelijk bewerken van een onderwerp zonder drift is de tweede helft van de tekst-en-consistentie-pitch van T​encent, en een bewerkings-Elo in de bovenste vijfde is op zijn minst losjes consistent met de consistentieclaim. Het is geen meting van tekst, en het is geen meting van drift over een reeks, maar het is onafhankelijk, wat meer is dan wat dan ook aan de M​OSS-Image-kant heeft.

MOSS-Image staat niet op die boards. Het is één dag oud. De tweede benchmark, RealLayoutArena, bestaat uit 61 ontwerptaken die worden beoordeeld via blinde paarsgewijze vergelijking en op een Bradley–Terry-schaal worden gefit — 20 posters, 20 infographics, 21 interfaces — en wordt ook met de release meegeleverd en is eveneens door de leverancier gebouwd. Op de end-to-end-arena scoort MOSS-Image 1698,70 Elo, tweede na de 1844,35 van GPT Image 2; beperkt tot alleen de backbone onder gedeelde verbeterde prompts neemt het de eerste plaats in met 1807,34. Dezelfde release, dezelfde partij, hetzelfde voorbehoud.

Chinees, en dat is precies waar de twee beweringen daadwerkelijk samenkomen.

Hier is een structureel verschil dat geen van beide leveranciers zal benoemen en dat meer uitmaakt dan elk van beide benchmarkrijen.

OpenMOSS bouwde een tweetalige tekstbenchmark die bewust in balans is — 120 Engelse taken en 120 Chinese taken, een exact gelijke verdeling. Dat is een ontwerpkeuze, en die zegt dat het model werd geëvalueerd als een tweetalig product en niet als een Engelstalig product met Chinees als bonus. Het trainingscorpus van MOSS-Image kwam voort uit op ReLAION gebaseerde data die van ongeveer 5 miljard naar 3 miljard samples werd teruggebracht, zonder verdere filtering, en van het lay-outformaat krijgt de items-array een label: text, character of object — een taxonomie die met opzet schrift-agnostisch aandoet.

De positie van Tencent is het spiegelbeeld. Chinees is de thuismarkt; het productmateriaal beschrijft het model als sterk in Chinees begrip; het internationale eindpunt is een tweede oppervlak achter het binnenlandse, apart geprijsd. Tencent hoefde geen gebalanceerde Engels/Chinese benchmark te bouwen omdat Chinees nooit het risico was. Wat het niet heeft gedaan, is publiceren hoe de Engelse helft presteert.

Dus een team dat Chinese taalassets levert, heeft aan de ene kant een leverancier met een product dat in de eerste plaats op het Chinees is gericht en een onpubliceerbaar Engels getal, en aan de andere kant een leverancier met een bewust gebalanceerde tweetalige evaluatie en geen track record op de Chinese markt. Twee verschillende soorten vertrouwen, en geen van beide is overdraagbaar naar de markt van de ander. De enige manier om het te beslechten is een head-to-head op je eigen teksten, en slechts één van deze twee modellen laat je dat doen. Draai de Chinese strings die je daadwerkelijk uitlevert — productnamen, juridische regels, hanzi die makkelijk te verzinnen zijn — lokaal door MOSS-Image-SFT, en leg dezelfde strings langs hy-image-v3.5-preview via API. Dat experiment kost een middag en beslecht meer dan het materiaal van beide leveranciers bij elkaar.

Kosten, toegang en de vraag over de route

De kostenvergelijking helt naar de ene kant over en de toegangsvergelijking naar de andere, waardoor de beslissing zelden op de factuur neerkomt.

HY-Image 3.5 kost internationaal $0,024 voor een 2K-afbeelding — $24 per 1.000, hetzelfde bedrag herrekend per duizend dat op het onafhankelijke overzicht staat, dus het tarief van de leverancier en de prijskolom van het overzicht komen overeen. Binnenlands is het ¥0,15 voor een 2K-afbeelding, en er wordt alleen gefactureerd op basis van geleverde outputafbeeldingen, dus voor een gefilterd of mislukt verzoek worden geen kosten in rekening gebracht. Bij honderdduizend afbeeldingen per maand is dat $2.400, met een gedocumenteerde faalmodus waarvoor niets in rekening wordt gebracht.

MOSS-Image heeft geen prijslijst. De licentie is Apache 2.0 en de download is ongeveer 27,2 GB, waarvan ruwweg 16,8 GB verdeeld over vier shards de bevroren Qwen3.5-9B-tekstencoder is en ongeveer 10,2 GB verdeeld over drie shards de transformer. De 5B-badge beschrijft alleen de diffusiegenerator, en de encoder is de grotere helft van de download. De standaardinstellingen voor sampling zijn flow-matching Euler met 50 stappen, CFG 3,0 en shift 5,0; het standaard guidance-pad vereist twee transformer-forwards per stap, dus het aantal stappen is niet de goedkope instelling die het lijkt. Je honderdduizend afbeeldingen kosten wat je GPU-tijd kost, en niets anders.

Het punt waar die twee routes samenkomen, is dat geen van beide een routeringsprobleem is. M​OSS-Image staat niet in de OrcaRouter-catalogus — we serveren meer dan 200 modellen en het is er niet één van — dus het deel van deze vergelijking dat over de gewichten gaat, is je eigen infrastructuur. H​Y-Image 3.5 staat er ook niet in, en de gedocumenteerde route ervoor is de eigen API van T​encent of de eigen producten van T​encent; T​encent heeft geen checkpoint, geen lokale licentie en geen offlinepad, en de ComfyUI-nodes die ervoor bestaan, roepen de API aan in plaats van erachter te draaien. De eerlijke beschrijving van beide is de generieke: via de eigen API van de leverancier en, in het geval van T​encent, zijn first-party tools.

Waar de router hier eigenlijk nuttig voor is, is het derde ding, namelijk het experiment hierboven. Als je wilt testen hoe de lokale tekstweergave van MOSS-Image zich verhoudt tot gehoste modellen in plaats van tot een leaderboard, dan is de gehoste kant waar de vergelijking echt relevant wordt, en een zelfgehost checkpoint tegenover meerdere gehoste beeldmodellen zetten met identieke prompts is precies het soort klus waarvoor één endpoint met automatische failover en providerlijstprijzen die ongewijzigd worden doorgegeven is gebouwd: één sleutel in plaats van vier integraties, en een run die wordt afgerond zelfs wanneer één provider een slecht uur heeft. GPT Image 2 en de beeldmodellen van Google zitten op dat endpoint; MOSS-Image niet.

Kiezen tussen een uitgebrachte evaluatie en een uitgebracht product

Kies MOSS-Image als het specifieke dat je nodig hebt gestructureerde controle is over waar tekst terechtkomt en hoe lang die loopt. De lay-out-JSON benoemt de string en positie van elk tekstelement expliciet, Apache 2.0 maakt commerciële beoordeling kort, en het Base-checkpoint is bewust ongedistilleerd gelaten — de modelkaart zegt dat er geen post-training of distillatie van inferentieparameters zoals CFG is toegepast — wat een bewuste keuze is om iets over te laten voor LoRA-training om aan te werken. Ga er met de wetenschap in dat beide benchmarks die zijn naam dragen van de leverancier zelf zijn, dat het sterkste end-to-end lay-outcijfer afkomstig is van een pijplijn waarvan de helft voor promptspecificatie een model van een derde partij is in plaats van een kleine OpenMOSS-module, en dat de encoder de download domineert.

Kies H​Y-Image 3.5 als je deze week een aanroepbaar endpoint nodig hebt, als je assets Chineestalig zijn, of als je liever een model koopt met een onafhankelijke bewerkingsnotering dan een met een leveranciersbenchmark. Weet bij voorbaat dat de identifier een preview-aanduiding is zonder vervangdatum, dat de tekstclaim een zin is en geen score, en dat het enige onafhankelijk gemeten aspect van het model een gemiddelde op basis van blinde voorkeur is dat niets zegt over of het onaangeroerde deel van je frame onaangeroerd is gebleven.

Het gat dat dit het meest zou veranderen, is geen nieuw model. Het is een tweede partij die LongLongTextBench draait op iets dat geen M​OSS-Image is, of T​encent die een tekstweergavescore voor de preview publiceert. Geen van beide bestaat, en totdat een van beide bestaat, is de praktische versie van deze vergelijking een download tegenover een API-aanroep en een middag besteed aan je eigen strings — wat een beter gebruik van de tijd is dan het lezen van de tabel van een van beide leveranciers.

De gedocumenteerde AI-fouten en incidenten met agents achter releases zoals deze worden verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistingsmarkering bevat.