Images 2.6 vs Qwen Image 3.0: Nenhum dos dois é aberto, e apenas um costumava ser

Quem pesquisa esta comparação geralmente procura a mesma coisa: um motivo para rodar um modelo de imagem nas próprias GPUs. Qwen Image 3.0 parece ser a resposta, porque a linha de imagens Qwen tem pesos abertos desde três gerações atrás. Não é a resposta. Qwen Image 3.0 e Qwen Image 3.0 Pro são modelos de API hospedados, anunciados em 22 de julho de 2026 e disponíveis em geral no Alibaba Cloud Model Studio desde 4 de agosto de 2026, sem model card, sem relatório técnico e sem contagem de parâmetros publicada. A linhagem aberta para um passo antes, em Qwen-Image-2.1. Enquanto isso, Images 2.6 — lançamento da OpenAI de 4 de novembro de 2026 de GPT-Image-2.6 Sunburst e GPT-Image-2.6 Flare — é obviamente fechado, e nunca fingiu o contrário.

Então, o enquadramento honesto desta comparação não é aberto versus fechado. É fechado versus fechado, com um fornecedor que lançou uma opção aberta seis semanas antes e outro que vende um produto mais amplo com animação, saída vetorial e um esquema de níveis de qualidade. A questão dos pesos abertos merece uma resposta de qualquer forma, porque é o motivo pelo qual esta página existe, e a resposta é que Qwen-Image-2.1 é o modelo que você realmente quer se a hospedagem própria for o requisito.

A posição sobre o licenciamento, expressa com cautela

Este é um tema em que as fontes secundárias estão ativamente erradas, então a origem das fontes importa mais do que a conclusão.

Várias páginas de agregadores — entre elas as páginas de comparação do LLM Stats e a tabela de IA generativa da Wikipedia — listam o Qwen Image 3.0 como de pesos abertos sob Apache 2.0 ou uma "Qwen License". Essas listagens parecem ser artefatos de template: as páginas são geradas a partir de um esquema que presume que a família é aberta, e contradizem a reportagem mais detalhada. Não foi possível localizar nenhum repositório no Hugging Face, nenhum checkpoint safetensors e nenhum model card para o 3.0 ou o 3.0 Pro. A leitura cautelosa, e a adotada por este artigo, é que o 3.0 é somente hospedado até que a Alibaba publique os pesos.

O que está inequivocamente aberto é a geração anterior. Qwen-Image-2.1, lançado em setembro de 2026, é um diffusion transformer de 7B emparelhado com um text encoder Qwen3-VL 8B, publicado sob a Qwen Research License — não Apache 2.0, e não gratuito para uso comercial sem um acordo separado. Essa distinção importa mais do que os próprios pesos para a maioria das empresas. Uma licença de pesquisa que exige negociação antes de você poder lançar é um problema de contratação diferente de um download Apache 2.0, e equipes que presumiram que a linha de imagens Qwen era uniformemente permissiva descobrirão que os termos mudaram sob seus pés.

O que deixa o Qwen Image 3.0 em uma posição incômoda. Ele é melhor que o 2.1 em todos os eixos medidos — mais sobre isso abaixo —, mas não pode ser hospedado por conta própria, não pode ser ajustado com fine-tuning nos seus próprios dados e não pode ser fixado a um checkpoint que você controla. Se esses eram os motivos pelos quais você estava considerando a linha Qwen, o 3.0 não os atende, e o 2.1 é um downgrade.

O scorecard, com a lacuna no lugar certo

Artificial Analysis, 5 de novembro de 2026, ambos os rankings:

• AA-Image-Editing v2.1 — Qwen Image 3.0 Pro com 1,092 (20º no ranking, 13,614 amostras), Qwen Image 3.0 com 1,069 (29º no ranking, 8,137 amostras), Qwen-Image-2.1 com 1,081. O GPT Image 2.5 Sunburst lidera com 1,199.

• AA-Image-T2I v2.1 — Qwen Image 3.0 Pro com 1,096 (posição 17), Qwen Image 3.0 com 1,073 (posição 18), Qwen-Image-2.1 com 1,044. GPT Image 2.5 Sunburst lidera com 1,224.

• Images 2.6 — nenhuma linha em nenhum dos painéis. Tem um dia.

Três observações. Primeiro, a diferença entre o Qwen Image 3.0 Pro e o predecessor da OpenAI é de cerca de 100 Elo nos dois rankings, o que não é uma disputa acirrada. Segundo, o upgrade Pro rende 23 Elo em texto para imagem e 23 em edição por um aumento de preço modesto — uma melhoria real e consistente, e não um nível de marketing. Terceiro, e mais interessante, o Qwen-Image-2.1 supera o Qwen Image 3.0 no ranking de edição (1,081 contra 1,069), apesar de ser o modelo de pesos abertos mais antigo e ficar claramente atrás dele na geração. O lançamento 3.0 melhorou a geração e não melhorou a edição. Se edição é o que você precisa da família Qwen, o modelo aberto é o melhor, o que é uma descoberta incomum e genuinamente útil.

Os intervalos de confiança são amplos o suficiente — ±12 a ±13 — para que a diferença de edição entre 2.1 e 3.0 fique dentro do ruído. Mas a direção é consistente com as contagens amostrais e é um motivo para não presumir que um número mais recente sempre signifique um modelo melhor.

No que o Qwen Image 3.0 é realmente bom

A razão para usá-lo não é a coluna de benchmark. É o texto.

As afirmações da Alibaba sobre o Qwen Image 3.0 são específicas: prompts de até aproximadamente 4.500 tokens, renderização legível até cerca de 10 pixels de texto, suporte a 12 idiomas, até seis imagens por chamada e uma saída máxima de 2048 × 2048. As imagens de referência são cobradas separadamente a aproximadamente US$ 0,003 cada, e as referências reenviadas são cobradas novamente — um detalhe que vale a pena acompanhar, porque um loop de edição que passa a mesma referência a cada turno acumula custos silenciosamente.

Dessas afirmações, a renderização de texto multilíngue é a que tem o suporte independente mais forte. A Alibaba não publicou benchmarks oficiais para os níveis 3.0, o que por si só já é uma declaração, mas a reputação do modelo na comunidade se baseia em imagens de texto denso: pôsteres, mockups de UI, embalagens com letras miúdas e tipografia CJK que modelos ocidentais lidam mal. Se o seu entregável precisa conter textos legíveis em chinês, japonês ou coreano em um layout elaborado, este é o modelo da comparação feito para isso, e a linha da OpenAI não tem uma alegação equivalente.

Os pontos fortes do Images 2.6 estão em outro lugar e são estruturais, não tipográficos. Ele traz geração de GIF animado no ChatGPT, exportação SVG, edições guiadas por marcação e um parâmetro de complexidade que define quanto planejamento o modelo dedica a uma solicitação. Também adiciona imagens de referência salvas e reutilizáveis. Nenhum desses é um recurso oferecido pelo Qwen Image 3.0. A exportação SVG, em particular, é uma vantagem de categoria e não um mero extra: a saída vetorial para ícones, logotipos e diagramas é algo que nenhum modelo raster nesta comparação consegue produzir em qualquer configuração de qualidade.

Custo por imagem utilizável, não por imagem

As tabelas de tarifas parecem equivalentes até você levar em conta a taxa de rejeição.

• Qwen Image 3.0 Standard — aproximadamente US$ 0,03 a US$ 0,035 por imagem em 1K ou 2K, ou cerca de US$ 30 por mil na listagem do Artificial Analysis.

• Qwen Image 3.0 Pro — $0,04 em 1K, $0,075 em 2K, ou cerca de $40 por mil. As referências acrescentam aproximadamente $0,003 cada.

• Images 2.6 — cobrado por token a US$ 5 por milhão de tokens de entrada de texto, US$ 8 por milhão de tokens de entrada de imagem e US$ 30 por milhão de tokens de saída de imagem, com o processamento em lote custando aproximadamente a metade. Por imagem, isso dá cerca de US$ 0,006 no nível baixo, US$ 0,013 no médio, US$ 0,053 no alto e US$ 0,21 no máximo, derivado de orçamentos de tokens herdados da geração 2.5, e não de números publicados da 2.6.

No papel, o Qwen Image 3.0 Pro a US$ 0,075 para 2K fica entre as configurações high e xhigh da OpenAI. Mas um déficit de 100 pontos de Elo não é uma diferença pequena de qualidade; ele implica uma proporção substancialmente maior de saídas que são rejeitadas, recebem novo prompt ou são corrigidas manualmente. Se o Pro precisa de duas tentativas para chegar a um resultado aceitável e o Images 2.6 no high precisa de uma, o custo efetivo é US$ 0,15 contra US$ 0,053 — o modelo mais barato sai três vezes mais caro quando você conta os resultados que descarta. Essa aritmética funciona nos dois sentidos, e é por isso que o conselho honesto é medir a taxa de rejeição com seus próprios prompts em vez de confiar em qualquer uma das tabelas de preços.

É também aqui que a margem de 0% importa concretamente. A OrcaRouter repassa o preço de tabela do fornecedor sem alterações, pelo que o valor por imagem no nosso catálogo é o valor cobrado pelo fornecedor — não é adicionada qualquer margem a uma fatura medida por tokens, e uma alteração de preço do fornecedor é refletida no próprio dia, em vez de no próximo ciclo de reprecificação. Para um fluxo de trabalho cujo custo real depende de uma taxa de rejeição que ainda está a medir, um medidor sem margem é a diferença entre um número comparável e um número inflacionado.

A decisão sobre os pesos abertos, se é isso que você está realmente perguntando.

Se a auto-hospedagem não for negociável, nada disso importa e a resposta é curta: execute o Qwen-Image-2.1, aceite a pontuação de edição de 1.081, reserve verba para a conversa sobre a Qwen Research License se você for uma empresa, e não espere pelos pesos 3.0 que não foram publicados e talvez nunca sejam. Combine-o com um modelo hospedado para o trabalho em que ele é fraco, que é geração e não edição.

Se a auto-hospedagem fosse uma preferência e não um requisito, o cálculo mudaria. A vantagem do Qwen Image 3.0 é a renderização de texto multilíngue e o preço baixo por imagem. As vantagens do Images 2.6 são animação, saída vetorial, edições de marcação e uma linha de base medida muito mais forte — por meio de seu antecessor, pelo menos. Essas são forças em grande parte não sobrepostas, o que significa que os dois podem ocupar o mesmo pipeline sem competir: a linha da OpenAI para geração e movimento, a da Qwen para layouts com forte carga tipográfica em idiomas que os modelos ocidentais deturpam.

Executar ambos não é um problema de dois contratos se eles compartilharem uma chave. O OrcaRouter encaminha os modelos de imagem da OpenAI pelo preço de tabela com failover automático, e uma regra de roteamento pode enviar uma solicitação para um ou para o outro com base no que o prompt precisa — sem segundo SDK, sem segunda relação de cobrança, sem rotação de credenciais por fornecedor. Esse é um ponto operacional modesto, mas é o que decide se vale a pena construir um pipeline de dois modelos.

Onde isto vai parar

O Qwen Image 3.0 é um bom modelo com uma história de distribuição não resolvida. Seu preço é competitivo, sua renderização de texto multilíngue é genuinamente a melhor da categoria nesta comparação, e sua qualidade medida está cerca de 100 Elo atrás da geração anterior da OpenAI em ambos os rankings. Os pesos abertos que tornam a linha de imagens Qwen atraente em princípio não estão presentes no 3.0, e o modelo que de fato os traz — Qwen-Image-2.1 — tem pontuação melhor em edição do que o 3.0.

Images 2.6 é um produto mais amplo com uma posição não mensurada. Tudo nele que é verificável é uma alegação herdada: o modelo de precificação, a superfície de endpoints, a estrutura de duas variantes. Tudo nele que é novo — GIF, SVG, edições de marcação, o parâmetro de complexidade — não foi verificado por nenhum teste independente e é parcialmente indocumentado.

A única conclusão que não depende de um benchmark ausente é a relativa ao licenciamento, e é o motivo pelo qual a maioria dos leitores chegou: se você precisa dos pesos, eles não estão aqui, e também não estão na 3.0. Verifique a organização no Hugging Face antes de planejar com base em um checkpoint. Ela tem sido o sinal confiável para esta família o ano todo, e atualmente para na 2.1.