Qwen-Image-2.1 против Hy Image3.5: независимые советы ранжируют их в противоположном порядке

Столкнём Qwen-Image-2.1 и Hy Image3.5 лицом к лицу в двух рейтингах изображений Artificial Analysis, и эти рейтинги расходятся во мнениях о том, какая из них лучше. В генерации изображений по тексту Qwen-Image-2.1 опережает Hy Image3.5 на 59 Elo — 1 034 против 975, 18-е место против 66-го. В редактировании изображений те же две модели меняются местами: Hy Image3.5 находится на 1 088 Elo и 14-м месте, Qwen-Image-2.1 — на 1 074 и 18-м месте. Разрыв в 14 пунктов в другую сторону. Обе модели стали публично доступны с разницей в два дня — Qwen-Image-2.1 с открытыми весами 20 сентября 2026 года, Hy Image3.5 в публичном превью 22 сентября 2026 года — и это первый раз, когда у каждой из них появилась оценка в рамках одного и того же инструмента, и именно это делает расхождение достойным разбора, а не простой констатации.

Самое очевидное — сказать, что редакционная коллегия шумная, и двигаться дальше. Это наполовину верно. Другая половина — в том, что два ряда не одинаково надёжны, цена на одном из них не такая, как на другом, и одна из этих моделей обладает правами на веса, а другая — никогда.

Две доски, два заказа

Artificial Analysis проводит слепые попарные сравнения — один и тот же запрос двум моделям, голосующий выбирает победителя, рейтинг Elo накапливается — и публикует отдельную таблицу для каждой задачи. Таблица текст-в-изображение содержит 166 строк; таблица редактирования содержит 97. Обе строки для обеих моделей происходят из снимка одного и того же провайдера, так что это не несовпадение версий.

• Текст-в-изображение — Qwen-Image-2.1 с 1 034 Elo (интервал 1 024–1 044) по 5 286 сравнениям, ранг 18 из 166. Hy Image3.5 с 975 Elo (интервал 966–984) по 5 334 сравнениям, ранг 66 из 166. Интервалы не пересекаются. Разрыв в 59 пунктов на выборках сходного размера — это реальное упорядочение, а не артефакт округления.

• Редактирование изображений — Hy Image3.5 с 1 088 Elo (интервал от 1 079 до 1 097) по результатам 5 550 сравнений, 14-е место из 97. Qwen-Image-2.1 с 1 074 Elo (интервал от 1 065 до 1 083) по результатам 5 536 сравнений, 18-е место из 97. Эти интервалы пересекаются в диапазоне шириной четыре пункта — от 1 079 до 1 083. Такое упорядочение указывает на тенденцию, но не является установленным.

• Размеры выборок в обоих рейтингах близки — 5 286 против 5 334 в генерации изображений по тексту, 5 536 против 5 550 в редактировании, — поэтому разница в уверенности не объясняется тем, что одна из моделей получила меньше голосов.

• В таблице лидеров модели помечены по-разному, и это важно: строки Qwen-Image-2.1 несут метку Open Weights, а строки Hy Image3.5 — нет.

Итак, честная интерпретация асимметрична. Текст-в-изображение: Qwen-Image-2.1 явно выигрывает. Редактирование: Hy Image3.5, вероятно, впереди — с преимуществом в пределах погрешности измерений.

Откуда берётся асимметрия

Сила редактирования Hy Image3.5 не удивляет, если посмотреть, с чем Tencent её выпустила. Превью стало публичным с поддержкой до пяти референсных изображений на запрос, генерации изображений по тексту и из изображения в изображение в одной модели, а также многоходового редактирования — акцент при запуске был сделан на редактировании. Qwen-Image-2.1 была построена на унифицированном стеке генерации и редактирования, который также обрабатывает референсные изображения, но её строки в таблице лидеров показывают, что сторона редактирования отстаёт на два пункта Elo от собственной Qwen-Image-3.0-Pro от Alibaba, что говорит о более скромном разрыве, чем предполагала презентация при запуске.

Собственное заявление Tencent тоже расходится с тем, что показывает таблица лидеров. Вендор заявляет для превью примерно 30-процентную долю побед в слепой оценке против Hy Image3.0. Это число не воспроизвёл никто за пределами Tencent, и независимая таблица не подтверждает его в задаче text-to-image — где Hy Image3.5 preview с 975 баллами на 20 Elo ниже открытой модели HunyuanImage 3.0 Instruct с 995 баллами. В редактировании то же сравнение складывается в пользу вендора: Hy Image3.5 preview с 1 088 на 22 Elo выше HunyuanImage 3.0 Instruct с 1 066. Один шаг прогресса в одной таблице и шаг назад в другой — таков итог собственной смены поколений Tencent.

Ценовая ось, по которой эти двое совершенно несопоставимы.

Hy Image3.5 preview — это API с оплатой по потреблению. Tencent Cloud берёт ¥0,15 за изображение 2K на материковом эндпоинте и 0,024 долл. США на международном, причём плата взимается только за изображения, которые возвращает API. В столбце цены Artificial Analysis указано $24,00 за 1000 изображений, что соответствует той же цифре в единицах, которые использует таблица, — а по сравнению с $210,70, которые верхняя строка таблицы text-to-image показывает за те же тысячу изображений, это меньше девятой части цены.

У Qwen-Image-2.1 нет строки с ценой, потому что у неё нет эндпоинта. Обе её строки в рейтинге содержат явную пометку API недоступен. Эту модель не покупают: её скачивают, а платят за неё GPU-часами и вопросом о лицензии, о котором ниже. 5 286 и 5 536 голосов в её строках пришли от людей, которые сами запускали веса. Этот факт также даёт рейтингу оговорку, которую стоит сохранить: независимый Elo для модели, доступной только для самостоятельного хостинга, измеряет другую популяцию, чем Elo для того, что может вызвать кто угодно.

Если план состоит в том, чтобы встроить любую из этих двух моделей в продукт, практическое разделение теперь очевидно, и оно совпадает с тем, что подразумевает цена: модель с лучшей оценкой редактирования — та, которую вы арендуете, а модель с лучшей оценкой text-to-image — та, которую вы запускаете у себя. OrcaRouter — это как раз сторона аренды: один API поверх 200+ моделей, где прайс-листовая цена провайдера передаётся без наценки, автоматическое переключение между провайдерами при сбоях, и DSL маршрутизации для объединения нескольких моделей в один вызов. Мы не маршрутизируем Hy Image3.5 preview или Qwen-Image-2.1; линейки изображений на платформе — это уровни Imagen от Google и превью изображений Gemini, эндпоинт изображений Grok Imagine от xAI и семейство GPT-Image от OpenAI. Ни одна из этих двух не станет первым выбором из этого списка лишь на основании одной строки в таблице лидеров — именно поэтому решающим оказывается вопрос о лицензии, о котором ниже.

Ось, для которой ни на одной из плат нет столбца.

Qwen-Image-2.1 выпущен на условиях Лицензионного соглашения Qwen Research License Agreement от 20 сентября 2026 года, которое предоставляет права исключительно для некоммерческих целей и требует отдельной лицензии от вендора для коммерческого использования. Репозитории Hugging Face указывают лицензию как другое по этой причине — она не является лицензией OSI, и её не следует таковой считать. Маркер Open Weights в обеих строках таблицы указан верно и ничего об этом не говорит.

У Hy Image3.5 preview нет весов, которые можно лицензировать. Tencent их не опубликовала; preview работает на собственной платформе Tencent, и нет доступного для скачивания релиза этого поколения. Всё, что вы получаете, — это тарифная сетка, ограничение на референсные изображения и сервис, который можно запускать и останавливать. Нечего аудировать, нечего хостить, нечего обсуждать — и ничего не остаётся у вас, если Tencent изменит цену или прекратит поддерживать preview.

Сравнение, которое фактически решает вопрос открытых весов, — это предшественник самой Tencent, а не модель Qwen. HunyuanImage 3.0 Instruct присутствует в обеих таблицах с меткой Open Weights — 1 066 в редактировании, 995 в генерации изображений по тексту. Qwen-Image-2.1 превосходит его в обеих категориях. Так что если требование — «загружаемые веса, которые я могу запустить на собственном оборудовании», лучший вариант в этом противостоянии — вариант Alibaba, в любой из категорий, по лицензии, которая по-прежнему запрещает продавать результат.

Нет такого варианта, где бумажная волокита уладится сама собой. Вы можете получить лучший показатель редактирования без весов и с оплатой по счётчику либо лучший показатель текст-в-изображение с весами, которые вы не можете использовать в коммерческих целях. Выберите, с каким ограничением вы готовы жить, а затем измерьте оба на своих собственных промптах — разрыв в редактировании между ними составляет четыре пункта внутри перекрывающихся интервалов, а такой запас может стереть один-единственный отложенный набор промптов.