Hy Image3.5 против LLaDA-Image: арендовать эндпоинт или владеть весами

Есть два способа купить модель генерации 2K-изображений в сентябре 2026 года, и это не столько два продукта, сколько две бизнес-модели. Hy Image3.5 preview, работающий с 22 сентября 2026 года, — это тарифицируемый эндпоинт: $0.024 за изображение по международному тарифу Tencent, ¥0.15 внутри Китая, оплата взимается за фактически выданный результат, и вам никогда не придётся касаться GPU. LLaDA-Image из группы открытых моделей inclusionAI, выпущенный 4 сентября 2026 года, — это скачиваемый чекпойнт: семейство унифицированной генерации и редактирования класса 7B под лицензией Apache-2.0, размещённое на Hugging Face без привязанного к нему хостингового эндпоинта. Сто тысяч 2K-изображений в месяц первым способом обойдутся примерно в $2,400. Второй способ не стоит ничего за изображение и некоторой суммы денег, которую вам придётся подсчитать самому, потому что веса бесплатны, а оборудование — нет.

Вот и всё сравнение, и почти каждая ошибка, связанная с ним, возникает из-за того, что эти двое сравниваются так, будто столбец с ценой — единственное различие. Это не так. Один из них может устареть прямо у вас под ногами. Один из них можно дообучить. Один поставляется с бенчмарком от самого вендора и без независимой оценки; другой — с техническим отчётом, публичным репозиторием и примерно тысячей загрузок.

Два утверждения, связанные с LLaDA-Image, которые противоречат сами себе

Прежде чем сравнение станет хоть чего-то стоить, две детали в карточке LLaDA-Image следует отметить, а не разрешать: обе — настоящие противоречия в публичных источниках, и тихо выбрать одну сторону было бы худшей ошибкой, чем просто сказать об этом.

Первое — это число параметров. Текст самой карточки модели описывает её как «конкурентоспособное семейство открытых унифицированных моделей генерации и редактирования изображений с 6B параметров». На боковой панели на той же странице размер модели Safetensors указан как 7B параметров в BF16. Оба числа находятся на одной странице, опубликованы одной и той же организацией, и ничто в карточке не примиряет их между собой. Рассматривайте этот класс как «примерно семь миллиардов параметров, при этом в описании фигурирует цифра шесть миллиардов» и не приводите ни одну из них как окончательную. Любой, кто называет вам точное число, гадает по той же карточке, которую можете прочитать и вы.

Второе — это лицензия. На карточке указаноЛицензия: apache-2.0 сегодня. В наших более ранних материалах об этом семействе говорилось, что ни одна из выпущенных карточек не несла тега лицензии и что в репозитории не было файла LICENSE. Оба утверждения могут быть верны в разное время — тег можно добавить, — но мы не собираемся делать вид, что так было всегда, и лицензия, появившаяся после выпуска, — это существенно иной факт, чем лицензия, которая поставлялась вместе с весами. Если лицензия имеет решающее значение для вашего сценария использования, проверьте репозиторий самостоятельно в момент скачивания и проверьте, будет ли код обучения, который, как указано в карточке, появится скоро, распространяться на тех же условиях.

Что на самом деле продают эти две архитектуры

LLaDA-Image — не диффузионная модель в привычном смысле, и именно это в ней интересно. Она объединяет диффузионный трансформер с замороженной визуально-языковой моделью — LLaDA2.0-mini — и RQA-коннектором между ними, и публикуется как семейство, а не как отдельный чекпойнт: Base на 50 шагах для качества, Turbo на двух–четырёх шагах для пропускной способности, каждая в BF16 и FP8. Это четыре чекпойнта, и именно из-за числа шагов развёртывание на собственном сервере вообще может уложиться в бюджет: 7B-модель на 50 шагов — это совсем другое дело с точки зрения требований к оборудованию, чем модель на 2–4 шага. Технический отчёт находится в открытом доступе, а рецепт обучения описывается как полностью открытый — это более сильное заявление о прозрачности, чем делают большинство релизов с открытыми весами.

Hy Image3.5 preview — намеренно противоположная конфигурация. Это одна конечная точка с одним поведением: text-to-image и image-to-image в одном вызове, многоходовое редактирование, которое сохраняет предыдущие ходы в качестве контекста, до пяти референсных изображений на запрос, потолок вывода 2K и идентификатор hy-image-v3.5-preview. Здесь нечего выбирать, нечего настраивать и нечего скачивать. Набор возможностей шире из коробки — многоходовое диалоговое редактирование с сохранением контекста — это реальная функция, которую открытое семейство не рекламирует — и вы не контролируете ничего из этого.

• Ценообразование — Hy Image3.5 preview стоит $0,024 за изображение 2K с оплатой по факту выданного результата; LLaDA-Image — это бесплатные веса плюс всё, что вам стоит запуск на вашем GPU.

• Что вы получаете — Hy Image3.5 preview — это размещённый API с многоходовым редактированием и пятью референсными изображениями; LLaDA-Image — это четыре чекпойнта (Base и Turbo, BF16 и FP8) и рецепт обучения.

• Шаги к изображению — Hy Image3.5 preview — это один вызов, в котором параметр шагов не предоставляется; LLaDA-Image — 50 шагов на Base или от 2 до 4 на Turbo, которые вы задаёте сами.

• Веса — Hy Image3.5 preview не публикует никаких; LLaDA-Image публикует всё семейство.

• Лицензия — предварительная версия Hy Image3.5 представляет собой коммерческую услугу, регулируемую условиями Tencent; LLaDA-Image несёт тег apache-2.0, которого не увидели в наших собственных прежних публикациях.

• Доказательство — у предварительной версии Hy Image3.5 есть проведённый вендором слепой тест GSD и нет независимого Elo; у LLaDA-Image есть заявленный авторами показатель Qwen-Image-Bench — 53,53 для английского и 53,38 для китайского, а также нет независимого Elo.

То, что может делать только один из них

Начните с того, что дают вам веса, потому что это больше, чем вопрос лицензионных предпочтений. Чекпоинт — это актив: его нельзя объявить устаревшим, переоценить, ограничить по скорости или отключить, а конвейер, привязанный к конкретному файлу, будет работать и через три года. Его можно дообучить на ваших собственных материалах, что для команды с фирменным стилем или определённым набором символов — разница между промптингом чужой модели и обучением своей. Он работает офлайн, что важно, если материал — это работа для клиента в рамках соглашения о конфиденциальности. А его пропускная способность зависит от купленного вами оборудования, а не от очереди, в которую вы встали.

В противовес этому эндпоинт избавляет вас от работы. Никому в вашей команде не приходится изучать стек для обслуживания, никому не нужно подбирать размер GPU, никто не обнаруживает в продакшене, что чекпоинт FP8 требует другого рантайма, чем BF16, и никто не несёт ответственности, когда задача падает в 3 часа ночи. Модель Tencent также обладает возможностью, на которую не претендует семейство открытых моделей: многоходовое редактирование с сохранением диалога, а это как раз механизм, позволяющий удерживать персонажа на протяжении длинной серии правок. Поддержка редактирования в LLaDA-Image реальна — это унифицированное семейство генерации и редактирования — но состояние диалога между ходами не заявлено в карточке.

Честная формулировка такова: они вовсе не конкурируют по качеству. Они конкурируют по тому, кто несёт операционный риск, и два ответа — «Tencent» и «вы».

Что на самом деле было измерено с обеих сторон

Ни одна из моделей не имеет независимой позиции. Таблица текст-в-изображение от Artificial Analysis, прочитанная 23 сентября 2026 года, не содержит ни строки Hy Image3.5 preview, ни строки LLaDA-Image. Единственное место, где Tencent всё же присутствует в таблице, — это предыдущее поколение: HunyuanImage 3.0 Instruct с 964 Elo и HunyuanImage 3.0 с 945, занимающие 65-е и 70-е места из 156 моделей, — а это единственное стороннее измерение чего-либо из этого семейства, и оно устарело на целое поколение.

Вместо этого каждая сторона предлагает собственную работу. Работа Tencent — это слепой тест предпочтений в стиле GSD, проведённый с участием нескольких сотен собственных профессиональных дизайнеров компании, который показал примерно тридцать процентов превосходства над Hy Image3.0, паритет с Seedream 5.0 Pro и небольшое преимущество над Nano-Banana Pro и Qwen-Image-3.0-Pro. Проведённый вендором, заполненный вендором, набор промптов не опубликован — реальный метод с реальным конфликтом интересов, и обе половины этого предложения должны звучать на одном дыхании.

Оценка LLaDA-Image в Qwen-Image-Bench — 53,53 для английского и 53,38 для китайского; это число, сообщённое авторами, на выбранном авторами бенчмарке. Она не более независима, чем тест Tencent; она неаудирована по-другому. В карточке также перечислены пять Spaces сообщества и ежемесячное число загрузок около тысячи, что говорит о том, что у открытого семейства есть реальная, но скромная востребованность — это не модель, которую область уже приняла, и любой, кто утверждает обратное, не смотрел на это число.

Куда на самом деле уходят деньги — при больших объёмах

Считайте арендную сторону честно, потому что только у неё есть опубликованный тариф. Сто тысяч 2K-изображений в месяц при $0,024 — это $2 400. Полмиллиона в месяц — это $12 000, или около $144 000 в год, и в таком масштабе развёрнутая на собственном сервере модель генерации изображений класса 7B перестаёт быть любительским вариантом и становится очевидной статьёй расходов. Ниже примерно десяти тысяч изображений в месяц арифметика работает совсем не так: $240 против стоимости GPU, электроэнергии, хранилища, стека обслуживания и чьего-то внимания — это даже не близкое сравнение, и тарифицируемый эндпоинт выигрывает по всем осям, включая ту, которую вы не учитываете.

Точка перехода — это не число, которое кто-то может вам назвать, потому что вариант на собственном хостинге зависит от оборудования, которое у вас уже есть, от уровня загрузки, которого вы реально достигаете, и от того, занимается ли GPU чем-то ещё, когда не генерирует изображения. Точно можно сказать только о форме кривой: модель с оплатой по потреблению линейна по объёму, а модель на собственном хостинге — ступенчатая функция, поэтому вопрос не в том, что дешевле, а в том, где ваш объём находится относительно этой ступени.

Один эндпоинт — куда бы вы ни направлялись

OrcaRouter не маршрутизирует ни то, ни другое. Мы не хостим ни одной модели изображений Tencent — единственные записи Tencent в каталоге — это чисто текстовая линейка Hy3 — и вообще ничего от inclusionAI, поэтому Hy Image3.5 preview означает собственное облако Tencent и собственные продукты Tencent, а LLaDA-Image означает опубликованные веса и ту среду выполнения, на которую вы их направите. Сказать это прямо полезнее, чем страница модели, оставляющая это неоднозначным.

Чем полезен слой маршрутизации в этом решении — это третий вариант, который он делает дешёвым. Если вы взвешиваете $2 400 в месяц против покупки GPU, полезная промежуточная информация — знать, сколько та же рабочая нагрузка стоит на моделях, до которых можно дотянуться уже сегодня без контракта — openai/gpt-image-2, google/gemini-3.1-flash-image-preview, семейство Imagen 4 и grok/grok-imagine-image — все доступны через одну конечную точку, совместимую с OpenAI, по цене из прайс-листа провайдера с наценкой 0%, так что изменение цены поставщиком отражается на нашей стороне в тот же день, а автоматическое переключение при сбое означает, что неудачный день у одного провайдера — это не ваш простой. Это не замена ни одной из моделей в данном сравнении. Это то, что не даёт сравнению превратиться в выбор из двух вариантов, сделанный вслепую.

Тот единственный вопрос, который всё решает

Задайтесь вопросом, есть ли у вашей рабочей нагрузки форма, которую могут уловить веса, а конечная точка — нет. Если вы генерируете в соответствии с корпоративным стилем, фиксированным набором символов или собственными материалами клиента и у вас есть объём и оборудование, позволяющие модели класса 7B окупать себя, то LLaDA-Image — более долговечный актив, а тег Apache-2.0 — проверьте его при загрузке, учитывая историю выше, — именно то, что делает её пригодной для использования. Вы покупаете опциональность и платите за неё операционными издержками.

Если ваша нагрузка имеет пиковый характер, если никто в команде не хочет отвечать за стек обслуживания, если многоходовое редактирование с сохранением контекста — это та функция, которая вам действительно нужна, или если ваш объём меньше десяти тысяч изображений в месяц, то $0.024 за доставленное изображение 2K — хорошая цена за чужую проблему, и метка предварительного просмотра — главное, что нужно иметь в виду. Единственное, что стоит сделать до 7 октября 2026 года — пока Miora, WorkRally и OnSolo проводят бесплатный период — это прогнать свой собственный набор промптов через модель tencent и записать процент принятия, потому что именно это число, а не тридцать процентов, решает, стоит ли платная сторона своего счётчика.