Qwen-Image-2.1 vs MAI-Image-2.6 Preview: de een staat in een ranglijst, de ander is te downloaden

MAI-Image-2.6 Preview staat bovenaan de onafhankelijke ranglijst voor beeldbewerking en je kunt het niet kopen. Qwen-Image-2.1 is een download van 33 GB die iedereen vandaag kan draaien en staat helemaal niet op die ranglijst. Tussen die twee feiten ligt de hele vergelijking, en het is geen vergelijking van kwaliteit — het is een vergelijking van bewijs. Het model van Microsoft heeft stemmen van vreemden en geen afrekenpagina. Het andere model heeft een download zonder afrekenproces en geen stemmen van vreemden. Kiezen tussen hen betekent kiezen met welke van die hiaten je kunt leven. Qwen-Image-2.1 is op 20 september 2026 open source gemaakt; MAI-Image-2.6 Preview is sinds 19 augustus 2026 in besloten preview.

Wat de ranglijst daadwerkelijk meet

Artificial Analysis voert blinde paarsgewijze vergelijkingen uit en zet die om in een Elo. Op de momentopname van september 2026 van zijn ranglijst voor beeldbewerking leidt MAI-Image-2.6 met ongeveer 1.122 — voor GPT Image 2 (high) met ongeveer 1.117. Op het gebied van tekst-naar-afbeelding staat het op de tweede plaats, rond 1.149, achter GPT Image 2 (high) met ongeveer 1.178. Dat zijn echte stemmen van echte mensen die resultaten vergelijken waarvan ze de herkomst niet kenden, wat een categorisch betere bewijsklasse is dan de eigen benchmark van een leverancier.

Het voorbehoud zit ingebakken in het woord "Preview". Een preview-build verzamelt stemmen van een zelfselecterende populatie — de mensen met toegang via een uitnodiging — en de scores kunnen aanzienlijk verschuiven wanneer de algemeen beschikbare build hem vervangt. Beschouw de Elo als een sterk signaal over de richting van het model en een zwak signaal over het model dat je uiteindelijk zult kunnen aanroepen.

Het bewijs voor Qwen-Image-2.1 is het spiegelbeeld. De eigen Qwen-Image-Bench van de leverancier zet het op 60,28, vóór Nano Banana 2.0 met 59,82 en GPT Image 1.5 met 59,65, als eerste onder open modellen. Dat zijn door de leverancier uitgevoerde cijfers zonder reproductie door derden, en de marges zijn minder dan een punt — een verschil dat een wijziging van de promptset niet zou overleven. Het enige onafhankelijke datapunt is een door mensen beoordeelde GenAI Showdown-run met 7/15, een stijging ten opzichte van 4/15 voor het originele Qwen-Image en achter de 8/15 van Ideogram 4. Op de beeldranglijsten van Artificial Analysis staat Qwen-Image-2.1 niet vermeld. Dat is geen slechte score. Het is het ontbreken van een score, omdat onafhankelijke Elo genoeg mensen vereist die het model openbaar draaien om stemmen te genereren, en een model dat één dag oud is en alleen zelf gehost wordt, heeft die kans nog niet gehad.

Waar de twee modellen echt van elkaar verschillen op het blad

• Toegang — Qwen-Image-2.1 heeft open gewichten, ongeveer 33 GB, vandaag te downloaden; MAI-Image-2.6 Preview is alleen op uitnodiging toegankelijk op MAI Playground en Microsoft Foundry, zonder openbare API en zonder tariefkaart.
• Resolutieplafond — Qwen-Image-2.1 genereert native uitvoer tot 2048×2048 bij 40 inferentiestappen met zeven presets voor beeldverhouding; de MAI-Image-2.5-lijn begrensde de uitvoer op ongeveer 1.048.576 pixels, en Microsoft heeft geen hoger cijfer gepubliceerd voor de 2.6 Preview.
• Transparantie — Qwen-Image-2.1 genereert alfa vanuit een 64-kanaals RGBA-latente ruimte, en kan een onderwerp uit een foto extraheren naar een transparante laag; er is geen uitvoer met transparante achtergrond gedocumenteerd voor de MAI-Image-lijn.
• Referentieafbeeldingen — Qwen-Image-2.1 accepteert er tot 10 voor compositie met meerdere onderwerpen en virtual try-on; Microsoft heeft geen aantal referentieafbeeldingen gepubliceerd voor de preview-build.
• Bewerkingsopties — Qwen-Image-2.1 ondersteunt regiobewerkingen via gekleurde cirkels die meerdere gebieden in één instructie markeren, vrijhandig geschilderde markeringen, of een afzonderlijk paar van origineel plus masker dat de volledige bronafbeelding behoudt; MAI-Image-2.5 werd gepositioneerd als een bewerkingsspecialist met lokale bewerking en behoud van gezichtsidentiteit, en de 2.6 Preview neemt die positionering over.
• Licentie — Qwen-Image-2.1 wordt geleverd onder de Qwen Research License Agreement van 20 september 2026, alleen voor niet-commercieel gebruik; MAI-Image-2.6 Preview is een commerciële preview zonder gepubliceerde commerciële voorwaarden.

De rij die je aan het denken zou moeten zetten, is niet een van de capaciteitsregels. Het is de laatste: geen van beide modellen heeft een gepubliceerde commerciële term sheet. De ene verbiedt commercieel gebruik ronduit totdat je een afzonderlijke licentie verkrijgt. De andere heeft helemaal geen prijs, omdat er nog geen manier is om het te kopen.

Bewerkingsgetrouwheid is de as waarop zij beiden aanspraak maken

Beide modellen worden verkocht met dezelfde belofte: je kunt een afbeelding herhaaldelijk bewerken zonder dat het onderwerp afdrijft. Microsofts positionering voor de MAI-Image-lijn is behoud van gezichtsidentiteit en lokale bewerking met visuele redenering erachter — het model moet begrijpen waar je naar wijst, niet alleen waar. Qwens positionering voor Qwen-Image-2.1 is expliciet over de faalmodus die het aanpakt: drift van gezichtsidentiteit en de vervorming van producttekst, textuur en vorm bij herhaalde bewerkingen. Beide zijn claims van leveranciers, en beide beschrijven hetzelfde probleem.

Het praktische verschil is welke je vanmiddag kunt testen. Qwen-Image-2.1 is een download en een diffusers-pipeline — QwenImage21Pipeline samengevoegd in Diffusers, met day-zero-ondersteuning in ComfyUI, SGLang, vLLM-Omni en LightX2V. Je kunt twintig bewerkingsiteraties op je eigen onderwerp uitvoeren en zelf de drift beoordelen. MAI-Image-2.6 Preview vereist een uitnodiging, dus voor de meeste mensen blijft de vraag over getrouwheid een bewering totdat de toegang opengaat.

Er is nog één bewerkingsspecifieke mogelijkheid die het vermelden waard is, omdat die ongewoon is. Qwen-Image-2.1 kan lokale bewerkingen aaneenschakelen tot een eenvoudige frame-voor-frame-animatie — hetzelfde transparantiemechanisme dat een uitsnede oplevert, stelt ook een reeks regiobewerkingen in staat beweging op te bouwen. Het is geen videomodel en moet daarmee niet worden vergeleken, maar het is een goedkope manier om een korte loop te produceren zonder een video-endpoint te gebruiken.

Kosten, en waarom geen van beide getallen op een prijspagina staat

Qwen-Image-2.1 heeft geen gehoste prijs omdat er geen gehost endpoint is. De kosten zijn je eigen GPU-tijd, en de serveercijfers zijn gepubliceerd: SGLang-Diffusion meet 2,748 s voor een generatie van 1024×1024 met 40 stappen op één B200, 8,23 s op een RTX PRO 6000 Blackwell 96 GB, en 4,74 s op een 24 GB RTX 4090 met Cache-DiT en INT8-kernels, alleen denoise. Dat zijn latenties voor één verzoek, geen doorvoer, maar ze volstaan om te controleren of één kaart je volume dekt.

MAI-Image-2.6 Preview heeft geen eigen gepubliceerde prijs — Microsoft verkoopt het via Foundry en de Playground, niet via een openbare prijslijst. Het onafhankelijke board vermeldt er wel een, en het is het enige prijssignaal dat aan dit model hangt: $38,9 per 1.000 afbeeldingen, geregistreerd voor de preview-build door Artificial Analysis. Dat ligt tussen de standaard MAI-Image-2.5 op $48,1 per 1.000 en MAI-Image-2.6-Flash op $19,5, wat ongeveer is waar een model uit het middensegment zou moeten uitkomen. Zie het als het cijfer van het board en niet als een prijs die je daadwerkelijk kunt betalen.

Waar OrcaRouter past in een beslissing als deze, is aan de gehoste kant, en daar precies over zijn doet ertoe. We routeren geen van beide modellen. MAI-Image-2.6 Preview is alleen bereikbaar via Microsofts eigen oppervlakken zolang het alleen op uitnodiging beschikbaar blijft, en we hebben helemaal geen Microsoft-imageroute. Qwen-Image-2.1 is alleen self-hosted, en we routeren geen enkel Qwen-Image-model van welke versie dan ook. Wat we wél hebben, is de imagelijn waarmee je deze anders zou combineren: OpenAI's GPT-Image-2, GPT-Image-1.5 en GPT-Image-1-mini, Google's Imagen 4-tiers en Gemini-imagepreviews, en xAI's Grok Imagine-image-endpoint — 200+ modellen achter één OpenAI-compatibel endpoint, de list price van de provider doorgegeven tegen nul markup, automatische failover tussen providers, een routing-DSL voor het samenstellen van fallbacks, en model fusion voor calls in panelstijl. De pass-through is belangrijk voor een vergelijking als deze: wanneer een leverancier in die set een tarief aanpast, beweegt ons tarief dezelfde dag mee, en dat is de enige manier om een routeringslaag eerlijk te houden tegenover directe leveranciersprijzen.

Met welke kloof je kunt leven

• Je hebt een getal nodig dat je kunt verdedigen — MAI-Image-2.6 Preview, als je toegang kunt krijgen. Onafhankelijke blinde stemmen bovenaan de bewerkingsranglijst verslaan een leveranciersbenchmark, en als de beslissing tegenover iemand anders moet worden verantwoord, is dat het bewijs dat de toets der kritiek doorstaat.
• Je moet vandaag iets uitbrengen — Qwen-Image-2.1. De gewichten zijn openbaar, de frameworks ondersteunen het, en de licentie staat onderzoek en evaluatie onmiddellijk toe. Geen uitnodiging, geen wachtlijst.
• Je hebt transparantie of 2K nodig — Qwen-Image-2.1, en dit is de enige rij waarop de vergelijking niet nipt is. Alpha komt uit de sampler, en bij de MAI-Image-lijn is transparante output helemaal niet gedocumenteerd.
• Je moet de output kunnen verkopen — geen van beide, zoals de zaken er nu voor staan. Qwen-Image-2.1 verbiedt het zonder een aparte licentie en MAI-Image-2.6 Preview kan niet worden gekocht. Kies voor een commerciële pipeline iets met een gepubliceerde tariefkaart en een commerciële licentie.

De twee dingen die het volgen waard zijn, gaan beide over hetzelfde gat dat wordt gedicht. Als Microsoft MAI-Image-2.6 uit preview haalt met een openbare tariefkaart, is het niet langer een curiositeit op de ranglijst en wordt het een aankoopbare optie met het beste onafhankelijke bewijs voor bewerken op de lijst. Als Qwen commerciële voorwaarden voor Qwen-Image-2.1 publiceert en het model op de onafhankelijke ranglijsten begint te verschijnen, hoeft de licentieregel niet meer al het werk te doen. Tot dan is de eerlijke lezing dat dit geen krachtmeting is tussen twee producten — het is een krachtmeting tussen twee soorten ontbrekende informatie.