Images 2.6 vs Qwen Image 3.0: ни один из них не открыт, и только один был открытым.

Люди, которые ищут это сравнение, обычно хотят одного и того же: причину запускать модель изображений на собственных GPU.Qwen Image 3.0 выглядит как ответ, ведь линейка изображений Qwen имеет открытые веса на протяжении трёх поколений. Но это не ответ.Qwen Image 3.0 и Qwen Image 3.0 Pro — это модели, предоставляемые через API, анонсированные 22 июля 2026 года и общедоступные в Alibaba Cloud Model Studio с 4 августа 2026 года, без карточки модели, без технического отчёта и без опубликованного числа параметров. Открытая линейка обрывается на шаг раньше — на Qwen-Image-2.1. Тем временем Images 2.6 — выпуск OpenAI от 4 ноября 2026 года, включающий GPT-Image-2.6 Sunburst и GPT-Image-2.6 Flare — очевидно закрыты и никогда не притворялись иначе.

Итак, честная формулировка этого противостояния — не «открытое против закрытого». Это закрытое против закрытого: один вендор выпустил открытый вариант на шесть недель раньше, а другой продаёт более широкий продукт с анимацией, векторным выводом и схемой градации качества. Вопрос открытых весов всё равно заслуживает ответа, потому что именно ради него существует эта страница, и ответ такой: Qwen-Image-2.1 — это та модель, которая вам действительно нужна, если требуется собственный хостинг.

Позиция по лицензированию, изложенная аккуратно

Это тема, в которой вторичные источники активно ошибаются, поэтому качество источников важнее вывода.

Несколько страниц-агрегаторов — среди них страницы сравнения LLM Stats и таблица генеративного ИИ в Wikipedia — указывают Qwen Image 3.0 как модель с открытыми весами под Apache 2.0 или «Qwen License». Эти записи, по-видимому, являются артефактами шаблонов: страницы генерируются по схеме, которая предполагает, что семейство открытое, и они противоречат более подробным материалам. Не удалось найти ни репозиторий Hugging Face, ни контрольную точку safetensors, ни карточку модели для 3.0 или 3.0 Pro. Осторожная трактовка, которой придерживается эта статья, состоит в том, что 3.0 доступна только в хостинговом варианте, пока Alibaba не опубликует веса.

Однозначно открытым является предыдущее поколение. Qwen-Image-2.1, выпущенный в сентябре 2026 года, — это диффузионный трансформер на 7B в паре с текстовым энкодером Qwen3-VL 8B, опубликованный под лицензией Qwen Research License — не Apache 2.0 и не бесплатный для коммерческого использования без отдельной договорённости. Для большинства компаний это различие важнее самих весов. Исследовательская лицензия, требующая переговоров перед тем, как вы сможете выпустить продукт, — это совсем иная задача по закупке, чем скачивание Apache 2.0, и команды, полагавшие, что линейка моделей Qwen для изображений одинаково разрешительна, обнаружат, что условия изменились у них под ногами.

Это ставит Qwen Image 3.0 в неудобное положение. Он лучше, чем 2.1, по каждой измеряемой оси — подробнее об этом ниже, — но его нельзя развернуть на собственной инфраструктуре, нельзя дообучить на ваших собственных данных и нельзя привязать к чекпоинту, который вы контролируете. Если именно эти причины заставляли вас присматриваться к линейке Qwen, то 3.0 им не отвечает, а 2.1 — это шаг назад.

Оценочная карта с пробелом в нужном месте

Artificial Analysis, 5 ноября 2026 г., обе таблицы:

• AA-Image-Editing v2.1 — Qwen Image 3.0 Pro с 1,092 (20-е место, 13,614 образцов), Qwen Image 3.0 с 1,069 (29-е место, 8,137 образцов), Qwen-Image-2.1 с 1,081. GPT Image 2.5 Sunburst лидирует с 1,199.

• AA-Image-T2I v2.1 — Qwen Image 3.0 Pro с 1,096 (17-е место), Qwen Image 3.0 с 1,073 (18-е место), Qwen-Image-2.1 с 1,044. GPT Image 2.5 Sunburst лидирует с 1,224.

• Изображения 2.6 — ни одной строки ни на одном табло. Этому уже день.

Три наблюдения. Во-первых, разрыв между Qwen Image 3.0 Pro и предшественником от OpenAI составляет около 100 Elo в обоих рейтингах, и это не назовёшь близкой борьбой. Во-вторых, обновление до Pro даёт 23 Elo в генерации по тексту и 23 Elo в редактировании при умеренном росте цены — это реальное, последовательное улучшение, а не маркетинговая ступень. В-третьих, и что самое интересное, Qwen-Image-2.1 обходит Qwen Image 3.0 в рейтинге редактирования (1 081 против 1 069), несмотря на то что это более старая модель с открытыми весами, которая явно уступает Qwen Image 3.0 в генерации. Версия 3.0 улучшила генерацию, но не улучшила редактирование. Если вам нужно редактирование от семейства Qwen, открытая модель лучше, и это необычный и по-настоящему полезный вывод.

Доверительные интервалы достаточно широки — от ±12 до ±13 — так что разница в редактировании между 2.1 и 3.0 находится внутри шума. Но направление согласуется с объёмами выборок, и это причина не предполагать, что более новый номер всегда означает лучшую модель.

В чём Qwen Image 3.0 на самом деле хорош

Причина использовать его — не столбец с бенчмарками. Это текст.

Заявления Alibaba о Qwen Image 3.0 конкретны: промпты длиной примерно до 4500 токенов, разборчивая передача текста вплоть до примерно 10-пиксельного шрифта, поддержка 12 языков, до шести изображений за вызов и максимальное выходное разрешение 2048 × 2048. Референсные изображения тарифицируются отдельно — примерно $0,003 за каждое, а повторно переданные референсы тарифицируются снова; эта деталь стоит внимания, потому что цикл редактирования, который передаёт один и тот же референс на каждом шаге, незаметно накапливает расходы.

Из этих утверждений сильнее всего независимо подтверждается мультиязычный рендеринг текста. Alibaba не публиковала официальных бенчмарков для уровней 3.0 — что само по себе показательно, — но репутация модели в сообществе строится на изображениях с плотным текстом: постерах, UI-макетах, упаковке с мелким шрифтом и CJK-типографике, с которой западные модели справляются плохо. Если в вашем результате должны быть разборчивые надписи на китайском, японском или корейском в продуманной вёрстке, то в этом сравнении именно эта модель создана для такого, и у линейки OpenAI нет эквивалентного заявления.

Сильные стороны Images 2.6 лежат в другой плоскости, и они носят структурный, а не типографический характер. Она предлагает анимированные GIF — генерацию в ChatGPT, экспорт в SVG, редактирование по разметке и параметр сложности, определяющий, сколько планирования модель расходует на запрос. Также добавлены переиспользуемые сохранённые референсные изображения. Ничего из этого Qwen Image 3.0 не предлагает. Экспорт в SVG в особенности — это преимущество целой категории, а не приятный бонус: векторный вывод для иконок, логотипов и диаграмм не способна обеспечить ни одна растровая модель в этом сравнении при любых настройках качества.

Стоимость за пригодное изображение, а не за изображение

Тарифные карты выглядят почти одинаково, пока не учтёшь стоимость брака.

• Qwen Image 3.0 Standard — примерно $0,03–$0,035 за изображение в 1K или 2K, или около $30 за тысячу в листинге Artificial Analysis.

• Qwen Image 3.0 Pro — $0,04 за 1K, $0,075 за 2K или около $40 за тысячу. Референсы добавляют примерно $0,003 за каждый.

• Images 2.6 — тарификация по токенам: $5 за миллион входных текстовых токенов, $8 за миллион входных токенов изображений и $30 за миллион выходных токенов изображений; при пакетной обработке — примерно вдвое меньше. В пересчёте на одно изображение это около $0,006 при низком уровне, $0,013 при среднем, $0,053 при высоком и $0,21 при максимальном; значения получены из бюджетов токенов, перенесённых из поколения 2.5, а не из опубликованных цифр для 2.6.

На бумаге Qwen Image 3.0 Pro за $0.075 за 2K находится между настройками high и xhigh у OpenAI. Но отставание в 100 пунктов Elo — это не маленькая разница в качестве; оно подразумевает существенно более высокую долю результатов, которые отклоняются, требуют повторного запроса или ручной правки. Если Pro требуется две попытки, чтобы достичь приемлемого результата, а Images 2.6 на high — одна, эффективная стоимость составляет $0.15 против $0.053 — более дешёвая модель стоит в три раза дороже, если учесть те, что вы выбрасываете. Эта арифметика работает в обе стороны, поэтому честный совет — измерять долю отклонений на собственных промптах, а не доверять ни одной из тарифных сеток.

Именно здесь конкретно проявляется значение 0% наценки. OrcaRouter передаёт прейскурантную цену провайдера без изменений, поэтому указанная в нашем каталоге цена за изображение — это цена, которую взимает провайдер: к счёту с оплатой по токенам не добавляется спред, а изменение цены поставщика отражается в тот же день, а не в следующем цикле пересмотра цен. Для рабочего процесса, реальная стоимость которого зависит от доли отказов, которую вы всё ещё измеряете, счётчик без наценки — это разница между сопоставимым числом и завышенным.

Решение по открытым весам — если это действительно ваш вопрос.

Если самостоятельный хостинг не обсуждается, всё это не имеет значения, и ответ короткий: запускайте Qwen-Image-2.1, примите оценку редактирования 1 081, заложите в бюджет разговор о лицензии Qwen Research License, если вы компания, и не ждите весов 3.0, которые не опубликованы и, возможно, никогда не будут. Дополните её хостинговой моделью для работы, в которой она слаба, — а это генерация, а не редактирование.

Если self-hosting — это предпочтение, а не требование, расчёт меняется. Преимущество Qwen Image 3.0 — рендеринг многоязычного текста и низкая цена за изображение. Преимущества Images 2.6 — анимация, векторный вывод, правки разметки и гораздо более сильная измеренная база, по крайней мере если судить по его предшественнику. Это в основном непересекающиеся сильные стороны, а значит, оба могут находиться в одном пайплайне, не конкурируя: линейка OpenAI — для генерации и движения, Qwen — для макетов с обилием типографики на языках, которые западные модели коверкают.

Запуск обеих моделей — не проблема двух контрактов, если у них общий ключ. OrcaRouter маршрутизирует модели изображений OpenAI по цене из прайс-листа с автоматическим переключением при сбое, а правило маршрутизации может направлять запрос к той или другой в зависимости от того, что требует промпт — без второго SDK, без второго договора на биллинг, без ротации учётных данных для каждого поставщика. Это скромный операционный момент, но именно он решает, стоит ли вообще строить двухмодельный конвейер.

Куда это приведёт

Qwen Image 3.0 — хорошая модель с нерешённой историей распространения. Её цена конкурентоспособна, её многоязычный рендеринг текста действительно лучший в классе для этого сравнения, а измеренное качество примерно на 100 Elo отстаёт от предыдущего поколения OpenAI в обоих рейтингах. Открытые веса, которые в принципе делают линейку Qwen Image привлекательной, в 3.0 отсутствуют, а модель, которая действительно их несёт — Qwen-Image-2.1 — показывает лучшие результаты в редактировании, чем 3.0.

Images 2.6 — более широкий продукт с неизмеренной позицией. Всё, что в нём поддаётся проверке, — это унаследованное утверждение: модель ценообразования, поверхность эндпоинтов, структура с двумя вариантами. Всё новое в нём — GIF, SVG, правки разметки, параметр сложности — не проверено ни одним независимым тестом и частично недокументировано.

Единственный вывод, который не зависит от отсутствующего бенчмарка, — это вывод о лицензировании, и именно ради него пришло большинство читателей: если вам нужны веса, их здесь нет, и в 3.0 их тоже нет. Проверьте организацию Hugging Face, прежде чем планировать что-либо вокруг контрольной точки. Это был надёжный сигнал для этого семейства весь год, и сейчас он заканчивается на 2.1.