MOSS-Image vs Qwen Image 3.0: Het ene lab koos voor gesloten, het andere voor open

Qwen Image 3.0 en MOSS-Image werden acht weken na elkaar uitgebracht door Chinese labs, en ze namen tegenovergestelde standpunten in over de ene vraag die bepaalt wat je kunt bouwen. Alibaba bracht Qwen Image 3.0 uit op 21 juli 2026 en maakte het op 5 augustus algemeen beschikbaar — gesloten, geen weights, geen model card, geen technisch rapport, alleen bereikbaar via een gehoste API in Pro- en Standard-edities. OpenMOSS bracht MOSS-Image op 16 oktober 2026 uit als Apache 2.0 open weights, met zowel de checkpoints als de standalone inferentiepipeline. Er is aan de Qwen-kant een naamgevingsvalkuil die je vóór alles moet kennen: Qwen-Image 2.1, uitgebracht op 20 september 2026, is nieuwer dan Qwen-Image 3.0 en het zijn twee aparte productlijnen die een nummer delen.

Zo gesteld lijkt de vergelijking op een open-versus-gesloten-discussie, en dat is het deels ook. Maar het interessantere verschil is niet de licentie. Het is dat Qwen Image 3.0 en MOSS-Image hun sterkste claims doen over dezelfde capaciteit — tekst en lay-out precies goed krijgen — en dat ze daarvoor volledig verschillende mechanismen hebben, waarvan je er één kunt inspecteren en één niet.

Wat Qwen Image 3.0 eigenlijk beweert

Qwen Image 3.0 is een gesloten, gehost model dat beeldgeneratie en beeldbewerking via één API levert, in Standard- en Pro-edities. Het lanceringsmateriaal van Alibaba doet vier specifieke beloftes: prompts tot ongeveer 4.500 tokens, leesbare tekst in het beeld tot ongeveer 10 pixels, dekking van 12 talen in meer dan 20 lettertypen, en uitvoer tot 2048×2048 met maximaal zes afbeeldingen per aanroep. Er is geen parameteraantal gepubliceerd, en het veelvuldig herhaalde cijfer van ~20B MMDiT-parameters wordt gemeld, maar niet door Alibaba bevestigd.

De prijs bedraagt ongeveer $0,035 per afbeelding op A​libaba's Model Studio, waarbij Artificial Analysis ruwweg $30 per 1.000 afbeeldingen voor Standard en $40 per 1.000 voor Pro afleidt. De gemeten positie is middenmoot in plaats van leidend: Elo 1.077 voor tekst-naar-afbeelding (zestiende plaats); 1.088 voor de Pro-editie bij bewerken (veertiende plaats); en 1.048 voor Standard bij bewerken (eenentwintigste plaats). Dat zijn cijfers van Artificial Analysis, wat ze de enige onafhankelijk geproduceerde cijfers in deze hele vergelijking maakt — M​OSS-Image heeft helemaal geen vermelding bij Artificial Analysis.

Over het bewerkingsgedrag zijn drie dingen gedocumenteerd, en dat er zo weinig wordt vermeld, is juist het punt. Pro ondersteunt 1–3 invoerafbeeldingen. Het gedocumenteerde bewerkingspad omvat lokaal herschrijven, inhoudsuitbreiding, stijloverdracht en het genereren van meerdere camerahoeken, zonder een gepubliceerde maskergebaseerde workflow. In de aankondiging wordt helemaal geen transparantieclaim gedaan — geen RGBA-generatie, geen bewerking van transparante lagen, geen extractie van onderwerpen naar een alfakanaal.

Wat opvallend ontbreekt op elke A​libaba-pagina is enige vorm van meting van lay-outprecisie. Q​wen Image 3.0 beweert dat tekst bij 10 pixels leesbaar is en zegt niets over waar die tekst terechtkomt.

Wat M​OSS-Image beweert, en het verschil in soort

M​OSS-Image is een 5B single-stream diffusietransformer — 42 joint-blokken, verborgen breedte 3.072, 24 koppen van 128 dimensies, 8.192 brede SiTU-GLU feed-forward, vierassige roterende positie-encoding — met een bevroren Qwen3.5-9B tekstencoder en een bevroren FLUX.2 VAE geladen vanuit FLUX.2-klein-4B. De SFT-download is ongeveer 27,2 GB, waarvan ruwweg 16,8 GB de encoder is.

Het verschil in capaciteiten is geen kwestie van gradatie. De tekstclaim van Q​wen Image 3.0 gaat over leesbaarheid — kan het model tekens klein genoeg weergeven om te lezen. De claim van M​OSS-Image gaat over plaatsing — kan het een opgegeven tekenreeks op een opgegeven coördinaat plaatsen. Die lijken op elkaar, maar zijn het niet. Een model dat tekst prachtig weergeeft, maar je kop dwars over de productfoto zet, is op een andere taak tekortgeschoten dan een model dat iets zachtere glyphs in precies het juiste vak weergeeft.

Het mechanisme van MOSS-Image voor plaatsing is dat je de lay-out als data aanlevert. De prompt kan een JSON-object zijn met bounding boxes in absolute pixelcoördinaten gemeten vanaf het midden van het canvas, letterlijke tekststrings en typografische notities, met bbox_format "yxyx". De eigen ablatie van de leverancier is het duidelijkste bewijs waarom de interface ertoe doet: op RealLayoutArena scoren JSON-lay-outprompts 1.622,87 op hetzelfde systeem waar natuurlijketaalprompts 1.506,20 scoren. Op 7Bench, dat het rapport ook introduceert, rapporteert MOSS-Image een gemiddelde lay-out-IoU van 0,88 met een Layout AUC van 0,70 — in dezelfde tabel staat Qwen Image 3.0 Pro op 0,31 en een veld-AUC van 0,16 tot 0,20.

Die 0,88 tegenover 0,31 is het grootste afzonderlijke verschil in deze vergelijking en het is ook het minst betrouwbare cijfer erin. OpenMOSS schreef de benchmark, liet beide modellen erop draaien en publiceerde het resultaat. De auteurs van Qwen Image 3.0 hebben helemaal geen lay-outmetriek gepubliceerd, dus er is niets om het tegen af te zetten — geen lager cijfer, geen betwisting, niets. Die asymmetrie is het benoemen waard: het voordeel van het ene lab op een zelfgeschreven test wordt afgezet tegen de stilte van een ander lab.

De afmetingen, naast elkaar

• Release — Q​wen Image 3.0 gelanceerd op 21 juli 2026, algemeen beschikbaar op 5 augustus 2026; M​OSS-Image uitgebracht op 16 oktober 2026

• Licenties — Qwen Image 3.0 is gesloten, zonder gewichten, zonder vermelde licentie, zonder modelkaart en zonder technisch rapport; MOSS-Image is Apache 2.0 voor gewichten en zelfstandige pipelinecode, zonder omzetdrempel

• Prijs — Q​wen Image 3.0 ongeveer $0,035 per afbeelding op Model Studio, waarbij Artificial Analysis uitkomt op ~$30 per 1.000 Standard en ~$40 per 1.000 Pro; M​OSS-Image is gratis te downloaden (~27,2 GB), daar komt je eigen GPU-tijd nog bij

• Edities — Q​wen Image 3.0 komt in Standard en Pro met verschillende bewerkingsniveaus; M​OSS-Image wordt geleverd met Base- en SFT-checkpoints, waarbij Base bewust niet-gedistilleerd is gelaten zodat fine-tunes iets hebben om op te bijten

• Maximale promptlengte — Qwen Image 3.0 ongeveer 4.500 tokens; MOSS-Image 4.096 tokens in de laatste pretrainingsfase

• Tekstweergave — Q​wen Image 3.0 claimt leesbare tekst tot ongeveer 10 pixels in 12 talen en meer dan 20 lettertypen; M​OSS-Image rapporteert 96,3 Mean-6 op LongLongTextBench, met 97,1 voor Engels en 92,4 voor Chinees, tegenover 64,9 voor Q​wen-Image-2512 in dezelfde tabel

• Lay-outbeheer — ​MOSS-Image accepteert JSON-lay-outs in absolute coördinaten ten opzichte van het midden en claimt een gemiddelde IoU van 0,88 op 7Bench, terwijl ​Qwen Image 3.0 Pro op 0,31 staat; ​Alibaba publiceert geen lay-outmaatstaf

• Referentieafbeeldingen — Q​wen Image 3.0 Pro documenteert 1–3 invoerafbeeldingen en maximaal zes afbeeldingen per aanroep; de referentieconditionering van M​OSS-Image is een gereserveerde as in zijn positionele schema, beschreven als toekomstgericht in plaats van uitgebracht

• Bewerken — Q​wen Image 3.0 omvat lokale herschrijving, uitbreiding, stijltransfer en generatie met meerdere camerahoeken via één API; het rapport van M​OSS-Image presenteert bewerken niet als een productoppervlak

• Transparantie — De aankondiging van Qwen Image 3.0 bevat geen transparantieclaim; de VAE van MOSS-Image gebruikt 32 latente kanalen en de pipeline stelt de latente representatie beschikbaar, hoewel RGBA-uitvoer geen door de leverancier geclaimde functie is

• Onafhankelijke score — Q​wen Image 3.0 met Elo 1.077 voor tekst-naar-afbeelding (16e) en 1.088 Pro voor bewerken (14e) volgens Artificial Analysis; M​OSS-Image heeft geen onafhankelijke score

• Ecosysteem — Q​wen Image 3.0 heeft een API; M​OSS-Image heeft een aangepaste Diffusers-pipeline, een Gradio-app, een ComfyUI-plugin die via ComfyUI Manager kan worden geïnstalleerd, en een open vLLM-Omni pull request die nog steeds wordt beoordeeld

Het argument dat voor de meeste teams de doorslag geeft

Qwen Image 3.0 is geen zwak model, en het is niet duur. Voor ongeveer drieënhalve cent per afbeelding, met een promptvenster van 4.500 tokens, 2K-uitvoer en multi-image-aanroepen, is het een volstrekt redelijke keuze om er vanmiddag nog een productfunctie achter te zetten. Als je eis is "genereer goede afbeeldingen van deze beschrijving, soms met een referentieafbeelding, tegen voorspelbare kosten per eenheid", wint het gesloten model op tijd tot het eerste verzoek en mogelijk op totale kosten, omdat je engineers nooit een GPU aanraken.

MOSS-Image wint op een ander vlak, en wel op een dat geen enkele API kan bieden, ongeacht de prijs: je kunt het ding inspecteren dat de output bepaalt. Een lay-outspecificatie is data. Deze kan door je code worden gegenereerd, in dezelfde repository als al het andere onder versiebeheer worden geplaatst, van een diff worden voorzien wanneer iemand de template wijzigt, tegen een schema worden gevalideerd voordat deze het model bereikt, en door een mens worden beoordeeld die de compositie goedkeurt voordat er ook maar één pixel wordt gerenderd. Niets daarvan is mogelijk wanneer de mapping van prompt naar lay-out plaatsvindt in een gehost endpoint waar je niet in kunt kijken.

Dat is een echt architectuurverschil en het valt slecht te verkopen, want "je kunt je prompt unit-testen" is geen demo die iemand filmt. Maar het is het verschil tussen een pipeline waarvan de fouten te debuggen zijn en een waarvan de fouten een supportticket opleveren. Als M​OSS-Image de kop op de verkeerde plek zet, kun je de JSON die je hebt verzonden lezen en de verkeerde coördinaat zien. Als een gehost model dat doet, heb je een prompt die er goed uitzag en een afbeelding die er niet goed uitziet.

Er is een tweede onderscheidend feit dat geen van beide leveranciers vooropstelt. De stille gebieden van Qwen Image 3.0 zijn consistent: geen parameteraantal, geen architectuur, geen beschrijving van de trainingsdata, geen benchmarktabel, geen technisch rapport en geen lay-outmetriek. Het rapport van MOSS-Image is daarentegen overgespecificeerd: progressieve resolutietrainingsfasen met stapaantallen, een op ReLAION gebaseerd corpus dat is teruggebracht van ruwweg 5 miljard naar 3 miljard afbeeldingen, een hybride Muon–AdamW-optimizer met een ablatie waaruit blijkt dat er bij twee checkpoints 33,2% en 28,6% minder stappen nodig zijn om dezelfde loss te bereiken dan met AdamW. Een deel van die details is alleen beschikbaar omdat het model open is, maar het rapport is bewust geschreven, en dat is het verschil tussen een product en een publicatie.

Waar de bewering over openheid grenzen heeft

Drie dingen over de openheid van MOSS-Image verdienen het om te worden gecontroleerd in plaats van aangenomen.

De eerste is operationeel. Open gewichten zonder een samengevoegd servingpad zijn een ander verhaal dan open gewichten met een dergelijk pad. De vLLM-Omni pull request die MOSS-Image met skip-layer guidance toevoegt — [Model] MOSImage tekst-naar-afbeelding met SLG toevoegen — werd op 14 oktober geopend met 3.605 toegevoegde regels verdeeld over 25 bestanden en staat nog steeds open, waarbij de reviewer vraagt om bewijs van outputpariteit ten opzichte van een vastgezette referentie-implementatie. De nieuwste gepubliceerde release van vLLM-Omni is v0.31.0rc1, gedateerd 6 oktober. Geen enkele uitgebrachte versie bevat het model, en de framing van "Day 0-support" die op de releasedag circuleerde, beschrijft een branch die je kunt bouwen in plaats van een pakket dat je kunt installeren.

Het tweede is dat het sterkste resultaat in het rapport niet van één model afkomstig is. De promptverrijkingsmodule, LayoutPE, zou op inferentietijd G​PT-6 met modulaire taakinstructies gebruiken, en de meegeleverde prompt-enhancer-skill wordt beschreven als ontworpen voor G​PT-6-familieagenten. De opvallende end-to-end Elo van 1.698,70 — tweede achter GPT Image 2's 1.844,35 — komt dus voort uit een pijplijn met twee modellen waarvan de specificatiehelft andermans API is. Bezien als maatstaf voor alleen de generator, is dat cijfer opgeblazen.

Het derde is fine-tuning. Base is opzettelijk niet-gedistilleerd gelaten — de modelkaart stelt dat het "geen post-training of distillatie van inferentieparameters zoals CFG heeft ondergaan" — juist zodat LoRA's iets hebben om op te bijten, wat een echte toezegging is in plaats van een licentiegebaar. Maar het trainingsrecept is documentatie in plaats van vrijgegeven data, en de fine-tuning-richtlijnen tot nu toe komen neer op specifieke instructies (houd de tekstencoder bevroren; fine-tune deze niet) plus een captioning-prompt. De bewering dat eenvoudige SFT op referenties gebaseerde generatie en GIF-uitvoer mogelijk maakt, gaat vergezeld van een "blijf op de hoogte".

Routering, zonder overdrijving gesteld

Geen van beide modellen in deze vergelijking staat in onze catalogus en we zullen niet doen alsof het anders is. Q​wen Image 3.0 staat op A​libaba's Model Studio en wordt, net als de rest van de Q​wen Image-lijn, niet door OrcaRouter aangeboden. M​OSS-Image is een download. De grens hier is simpel: we hosten geen van beide.

Wat in onze catalogus staat, is de rest van het veld waaraan deze twee worden afgemeten — de gehoste beeldmodellen waartegen je een zelfgehoste M​OSS-Image zou benchmarken, bereikbaar met één API-sleutel tegen de lijstprijs van de aanbieder met 0% markup, zodat een prijswijziging van een leverancier voor een gehost model hier dezelfde dag zichtbaar wordt in plaats van pas bij de volgende contractverlenging. Voor een vergelijking zoals deze, waarin de Q​wen-kant per afbeelding wordt gefactureerd en de M​OSS-kant in GPU-uren, is het nuttige dat een routeringslaag biedt niet een korting, maar één plek om de actuele gehoste prijs te lezen en één endpoint om over te schakelen tussen providers wanneer een upstream midden in de evaluatie verslechtert. Dat is de hele bewering, en ze gaat niet zover dat we je een model aanbieden dat we niet draaien.

Hoe te beslissen, in volgorde

Werk deze achtereenvolgens door, en meestal komt het antwoord bij de derde vraag vanzelf naar boven.

• Heb je GPU's, of een budget dat je kunt omzetten in GPU-uren? Zo nee, dan is deze vergelijking voorbij en is Q​wen Image 3.0 het antwoord voor ongeveer $0,035 per afbeelding.

• Is je lay-out kenbaar vóór het genereren — heb je een sjabloon, een raster, een set coördinaten? Zo ja, dan is de JSON-interface van M​OSS-Image het enige mechanisme in deze vergelijking dat je probleem rechtstreeks aanpakt, en het verschil van 0,88 tegenover 0,31 is het bewijs daarvoor, ook al is het door de leverancier opgesteld.

• Moet je fine-tunen, kwantiseren of air-gapped draaien? Zo ja, dan is het gesloten model tegen geen enkele prijs een kandidaat, en het feit dat een 4-staps DMD LoRA en een 8-staps gedistilleerde variant binnen ongeveer een dag na de release verschenen, is precies waar je op intekent.

• Moet je juridische beoordeling eindigen in een document? Apache 2.0 versus geen vermelde licentie is het kortste deel van deze vergelijking.

• Is onafhankelijkheid van meting een vereiste? Kies dan geen van beide zonder extra werk. De enige onafhankelijke cijfers van Qwen Image 3.0 zijn de Elo-plaatsingen van Artificial Analysis, die het in de middenmoot plaatsen in plaats van dicht bij de top. De belangrijkste resultaten van MOSS-Image komen allemaal uit benchmarks die de eigen auteurs hebben gebouwd.

Het ding dat het antwoord het snelst zou veranderen, bestaat nog niet, en het is hetzelfde voor beide modellen: één onafhankelijke uitvoering van de test waar elk het beste in is. Voor Qwen Image 3.0 betekent dat een layoutmeting van wie dan ook, aangezien Alibaba er geen heeft gepubliceerd. Voor MOSS-Image betekent het dat iemand anders dan OpenMOSS LongLongTextBench, RealLayoutArena of 7Bench draait. Tot dan toe geldt: wat je ook besluit, je beslist op basis van architectuur, licentie en mechanisme in plaats van op geverifieerde kwaliteit — wat voor een rechtstreekse vergelijking tussen een gesloten API en een open checkpoint misschien toch de juiste basis is.

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.