Qwen-Image 2.1 vs MAI-Image-2.5-Pro: 6.100 votos cegos contra zero

Um destes dois modelos foi classificado por cerca de 6.100 comparações humanas cegas. O outro não foi classificado por ninguém fora do seu próprio laboratório. MAI-Image-2.5-Pro, o modelo de imagem premium da Microsoft, ocupa o primeiro lugar na arena de edição de imagens da Artificial Analysis com um Elo de 1.272 — o resultado mais votado da categoria. Qwen-Image 2.1, que a equipe do Qwen-Image disponibilizou como código aberto em 20 de setembro de 2026, não tem nenhuma pontuação independente e não terá nenhuma até que pessoas suficientes o executem publicamente para gerar votos. Essa lacuna é o verdadeiro tema desta comparação, porque é a única diferença entre os dois modelos que não é uma alegação de fornecedor. Todo o resto — a arquitetura, a resolução, o preço — é conhecível, mas não comprovado, e os dois modelos são próximos o bastante no papel para que a lacuna de medição seja o que deve orientar a decisão.

O que os votos realmente dizem, e o que não

A Artificial Analysis realiza comparações pareadas às cegas: dois modelos recebem o mesmo prompt, os votantes escolhem a melhor saída e o Elo surge dos resultados. Não é um instrumento perfeito, mas é a coisa mais próxima que esta categoria tem de um placar compartilhado, e o tamanho da amostra importa tanto quanto o número.

• MAI-Image-2.5-Pro — edição de imagem #1 com Elo 1.272 em aproximadamente 6.100 comparações. Em texto para imagem, ocupa o #7 com Elo 1.292, atrás de GPT Image 2 (high) com 1.369, Reve 2.1 com 1.322, Nano Banana 2 com 1.320, GPT Image 1.5 (high) com 1.310 e MAI-Image-2.5 com 1.304.

• Qwen-Image 2.1 — sem entrada em nenhum dos dois rankings. Não é uma pontuação baixa; é a ausência de pontuação. O lançamento tem um dia de vida no momento em que escrevemos.

A forma desses números merece ser lida com atenção, porque não é a forma que o marketing sugere. O modelo da Microsoft é genuinamente o primeiro em edição e genuinamente o sétimo em geração. Essa é uma posição específica e defensável — um especialista em edição que lidera sua categoria — e é algo diferente de ser o melhor modelo de imagem, o que ele não é. Enquanto isso, o modelo que o supera em texto para imagem é o GPT Image 2 (high), que também não é o modelo mais recente da OpenAI nesse campo. Rankings independentes recompensam o modelo que foi mais vezes medido e, neste confronto, esse é, sem ambiguidade, o da Microsoft.

A única especificação em que o modelo aberto vence de forma absoluta

Há uma diferença concreta e não subjetiva entre esses dois, e ela é a resolução.

• Qwen-Image 2.1 gera nativamente em 2K, com 2048×2048 como padrão documentado em 40 etapas de inferência, sete predefinições de proporção e saída RGBA com um canal alfa real em vez de um matte.

• MAI-Image-2.5-Pro limita a saída a 1.048.576 pixels — cerca de um megapixel. Seus números de especificação de destaque estão em outro lugar: 32.000 tokens de entrada de texto, uma janela de contexto de 131k e 4.096 tokens de saída, o que é uma afirmação sobre quanta instrução ele consegue absorver, não quanta imagem consegue emitir.

Para a maior parte do trabalho social e de produto, um limite de um megapixel não é uma restrição. Para impressão, para composição em grande formato, para qualquer coisa em que um recorte precise sobreviver, é. Esta é a única dimensão em toda a comparação em que você pode apontar para um número e dizer que o modelo aberto está à frente — e observe que isso é um fato arquitetural da ficha técnica do modelo, não uma afirmação de qualidade. O Qwen-Image 2.1 renderizará em 2048×2048, quer renderize algo que valha a pena olhar, quer não.

Preço, que é onde a comparação fica desconfortável

O MAI-Image-2.5-Pro tem preço de modelo premium e os números não são nada sutis: US$ 5 por milhão de tokens de entrada de texto, US$ 8 por milhão de tokens de entrada de imagem e US$ 106 por milhão de tokens de saída de imagem. Com uma saída de 1024 pixels, isso equivale a cerca de US$ 108,50 por mil imagens. Para dar uma ideia de escala, esse valor corresponde a aproximadamente 2,3× o custo do MAI-Image-2.5 e a cerca de 5,4× o do MAI-Image-2.5-Flash, ou seja, a Microsoft segmentou deliberadamente sua própria linha em vez de posicionar o nível Pro como uma atualização incremental.

Qwen-Image 2.1 não tem preço hospedado, porque não há endpoint hospedado — é um download de pesos sob uma licença de pesquisa. Seu custo é o tempo de GPU, e sua restrição é que você não pode vender legalmente o que ele produz. Comparar US$ 108,50 por mil imagens com "pesos gratuitos" é comparar um serviço com uma máquina, e a versão honesta dessa comparação é: o preço por uso medido compra um modelo medido, com suporte e licenciado comercialmente, e os pesos compram um download de 33 GB e um arquivo de licença que diz apenas não comercial.

É exatamente aí que uma camada de roteamento justifica seu lugar. O OrcaRouter coloca mais de 200 modelos por trás de um único endpoint compatível com OpenAI, pelo preço de tabela do provedor e sem nenhuma margem adicionada, com failover automático entre provedores — assim, uma equipe que quer avaliar um modelo aberto ainda não medido não precisa migrar a produção para ele só para fazer isso, e, como o preço de tabela é repassado, qualquer mudança de preço de um fornecedor em um modelo roteado chega até nós no mesmo dia, e não na próxima renovação de contrato. Nem o MAI-Image-2.5-Pro nem o Qwen-Image 2.1 estão entre os modelos que roteamos hoje, e este texto não vai sugerir o contrário. A linha de imagens que de fato trazemos é a família GPT-Image da OpenAI, os níveis do Imagen 4 e as prévias de imagem do Gemini, do Google, e o endpoint de imagem Grok Imagine da xAI.

Onde se situam as alegações dos fornecedores e que peso lhes dar

Ambos os fornecedores publicam números que nenhum terceiro reproduziu, e estes devem ser lidos com o mesmo ceticismo em ambas as direções.

• Alegações da Microsoft — 96,8% de precisão de renderização de texto em inglês, chinês, japonês, coreano e espanhol; 27% melhor aderência ao prompt do que o GPT-Image-1.5; 94% de consistência de personagem em várias imagens; e até 84–89% menos custo de GPU em cenários internos específicos da Microsoft. A última é aquela com que se deve ter cuidado: descreve a configuração de serving da própria Microsoft, não algo que um cliente possa verificar.

• Alegações da Alibaba — o post do blog sobre o Qwen-Image 2.1 traz um gráfico comparativo do Qwen-Image-Bench, e os números nele são do próprio fornecedor. Há também um número que circula em coberturas de terceiros descrevendo o modelo como um transformer de 20 camadas, o que contradiz o DiT de fluxo único de 32 camadas do model card; o model card é a fonte primária e o número de 32 camadas é o que deve ser usado.

A diferença entre as duas situações não está na honestidade de nenhum dos fornecedores. Está no fato de que o modelo da Microsoft foi medido de forma independente, e o da Alibaba não, de modo que as afirmações da Microsoft podem ser verificadas com base em algo, enquanto as da Alibaba ainda não podem ser verificadas com base em nada.

Para que serve cada um

Lidos em conjunto, estes não estão competindo pelo mesmo espaço.

• O MAI-Image-2.5-Pro é o instrumento de edição. Ele lidera o ranking de edição com base em uma ampla base de votos, aceita uma instrução longa (32 mil tokens de entrada de texto, 131 mil de contexto), tem licença comercial e já está disponível como pré-visualização pública no Microsoft Foundry e no MAI Playground. Se o seu trabalho é a correção iterativa de imagens e você precisa saber, antes de se comprometer, que ele é o melhor disponível para essa tarefa, esta é a resposta medida, e custa cerca de US$ 108,50 por mil imagens.

• Qwen-Image 2.1 é o artefato de pesquisa aberto. Ele gera imagens maiores, vem com um checkpoint inspecionável de reescrita de prompt junto ao modelo de imagem, aceita até 10 imagens de referência com edições locais por círculo, anotação pintada ou máscara, e é gratuito para baixar e ilegal para vender com ele. Se o seu trabalho é avaliação, benchmarking ou construção sobre pesos que você pode ler, ele é o objeto mais interessante — e você está fazendo esse trabalho sem um leaderboard que lhe diga se ele é bom.

Há também uma assimetria temporal que vale a pena mencionar. MAI-Image-2.6 entrou em pré-visualização privada em 19 de agosto de 2026, o que significa que o modelo no topo do ranking de edição já está uma geração atrás do que a Microsoft está se preparando para lançar. Qwen-Image 2.1, por outro lado, está no primeiro dia, com um programa de acesso antecipado que pediu aos seus testadores que publicassem até 29 de setembro. Ambos os placares desta comparação vão parecer diferentes dentro de um mês.

O que resolveria isso

Uma coisa: o Qwen-Image 2.1 aparecendo em um ranking. Tudo neste artigo que não seja o limite de resolução ou o preço é uma alegação de um laboratório ou de outro, e a razão inteira pela qual o MAI-Image-2.5-Pro pode ser recomendado com toda a seriedade é que 6.100 pessoas que não trabalhavam para a Microsoft olharam para a saída dele ao lado de outra coisa e a preferiram. Esse é o padrão que o modelo aberto não atingiu, e o padrão pelo qual ele deveria ser cobrado.

Até então, a leitura prática é simples. Se você precisa hoje de um modelo de edição, sob licença comercial, com um placar por trás, a resposta é da Microsoft, e custa cerca de US$ 108,50 por mil imagens. Se você quer descobrir se um modelo de pesos abertos de 7B com saída nativa em 2K e um reescritor de prompt inspecionável é melhor, você mesmo precisa fazer a medição — e a coisa mais útil que você pode fazer com o resultado é publicá-lo, porque toda a categoria está atualmente faltando um ponto de dados.