Qwen-Image 2.1 против MAI-Image-2.5-Pro: 6 100 слепых голосов против нуля

Одну из этих двух моделей оценили примерно в 6 100 слепых человеческих сравнениях. Другую не оценивал никто за пределами её собственной лаборатории. MAI-Image-2.5-Pro, премиальная модель Microsoft для работы с изображениями, занимает первое место на арене редактирования изображений Artificial Analysis с рейтингом Elo 1272 — это результат с наибольшим числом голосов в категории. Qwen-Image 2.1, которую команда Qwen-Image выложила в открытый доступ 20 сентября 2026 года, вообще не имеет независимой оценки и не получит её, пока достаточное число людей не запустит её публично, чтобы набрать голоса. Именно этот разрыв и есть настоящая тема данного сравнения, ведь это единственное различие между двумя моделями, которое не является заявлением производителя. Всё остальное — архитектура, разрешение, цена — можно узнать, но нельзя подтвердить, а на бумаге модели настолько близки, что решение должно определяться именно разрывом в измерениях.

Что на самом деле говорят голоса, а что — нет

Artificial Analysis проводит слепые попарные сравнения: две модели получают один и тот же промпт, голосующие выбирают лучший результат, а из результатов выводится Elo. Это не идеальный инструмент, но это самое близкое к общей таблице результатов, что есть в этой категории, и размер выборки значит не меньше, чем само число.

• MAI-Image-2.5-Pro — №1 в редактировании изображений с Elo 1 272 по результатам примерно 6 100 сравнений. В генерации изображений по тексту он занимает 7-е место с Elo 1 292, уступая GPT Image 2 (high) с 1 369, Reve 2.1 с 1 322, Nano Banana 2 с 1 320, GPT Image 1.5 (high) с 1 310 и MAI-Image-2.5 с 1 304.

• Qwen-Image 2.1 — отсутствует в обеих таблицах. Не низкий балл — балла нет вовсе. На момент написания релизу всего один день.

Форма этих цифр заслуживает внимательного прочтения, потому что она не такая, какую подразумевает маркетинг. Модель Microsoft действительно первая в редактировании и действительно седьмая в генерации. Это конкретная, обоснованная позиция — специалист по редактированию, лидирующий в своей категории — и это не то же самое, что быть лучшей моделью изображений, которой она не является. Тем временем модель, которая превосходит её в генерации изображений по тексту, — это GPT Image 2 (high), которая также не является новейшей моделью OpenAI в этой области. Независимые таблицы лидеров вознаграждают модель, которую измеряли чаще всего, и в этом противостоянии это однозначно модель Microsoft.

Единственная характеристика, по которой открытая модель безоговорочно выигрывает

Между этими двумя есть конкретное, не субъективное различие, и это — разрешение.

• Qwen-Image 2.1генерирует нативно в 2K, при этом 2048×2048 является документированным значением по умолчанию при 40 шагах инференса, семь предустановок соотношения сторон и вывод RGBA с настоящим альфа-каналом, а не с матовой подложкой.

• MAI-Image-2.5-Pro ограничивает вывод 1 048 576 пикселями — примерно одним мегапикселем. Его ключевые характеристики указаны в другом месте: 32 000 входных текстовых токенов, контекстное окно 131k и 4 096 выходных токенов — это говорит о том, сколько инструкций он способен воспринять, а не о том, сколько изображения он может выдать.

Для большинства задач в соцсетях и в работе с продуктом ограничение в один мегапиксель — не помеха. Для печати, для широкоформатного композитинга, для всего, где обрезка должна выдержать, — ещё как помеха. Это единственное измерение во всём сравнении, где можно ткнуть пальцем в число и сказать, что открытая модель впереди, — и заметьте: это архитектурный факт из карточки модели, а не заявление о качестве. Qwen-Image 2.1 выдаст 2048×2048 независимо от того, есть ли там вообще что-то, на что стоит смотреть.

Цена — вот где сравнение становится неудобным

MAI-Image-2.5-Pro позиционируется как премиальная модель, и цифры здесь весьма красноречивы: $5 за миллион входных текстовых токенов, $8 за миллион входных токенов изображений и $106 за миллион выходных токенов изображений. При выводе в 1024 пикселя это составляет примерно $108,50 за тысячу изображений. Для сравнения: это примерно в 2,3 раза дороже, чем MAI-Image-2.5, и примерно в 5,4 раза дороже, чем MAI-Image-2.5-Flash, так что Microsoft намеренно сегментировала собственную линейку, а не назначила цену за уровень Pro как за постепенное улучшение.

Qwen-Image 2.1 не имеет облачной цены, потому что нет облачного эндпоинта — это скачивание весов по исследовательской лицензии. Его стоимость — это ваше время на GPU, а его ограничение в том, что вы не можете законно продавать то, что он создаёт. Сравнивать $108.50 за тысячу изображений с «бесплатными весами» — это сравнивать сервис с машиной, и честная версия такого сравнения такова: оплата по счётчику покупает вам измеренную, поддерживаемую, коммерчески лицензированную модель, а веса покупают вам скачивание на 33 ГБ и файл лицензии, в котором сказано: только некоммерческое использование.

Именно здесь и оправдывает себя слой маршрутизации. OrcaRouter предоставляет более 200 моделей через одну совместимую с OpenAI конечную точку по прайс-листовой цене провайдера без наценки, с автоматическим переключением между провайдерами при сбоях — так что команде, которая хочет оценить ещё не измеренную открытую модель, для этого не нужно переводить на неё продакшен, и поскольку прайс-листовая цена передаётся как есть, любое изменение цены вендором на маршрутизируемую модель отражается на нашей стороне в тот же день, а не при следующем продлении контракта. Ни MAI-Image-2.5-Pro, ни Qwen-Image 2.1 не входят в число моделей, которые мы маршрутизируем сегодня, и эта статья не собирается утверждать обратное. Линейка изображений, которую мы действительно предоставляем, — это семейство GPT-Image от OpenAI, тарифы Imagen 4 и предпросмотры изображений Gemini от Google, а также конечная точка изображений Grok Imagine от xAI.

Где находятся заявления поставщика, и какой вес им придавать

Оба поставщика публикуют цифры, которые не воспроизвела ни одна третья сторона, и к ним следует относиться с одинаковым скептицизмом в обе стороны.

• Заявления Microsoft — точность отрисовки текста 96,8% для английского, китайского, японского, корейского и испанского языков; на 27% лучшее следование промпту, чем у GPT-Image-1.5; 94% согласованности персонажей на нескольких изображениях; и до 84–89% снижения затрат на GPU в отдельных внутренних сценариях Microsoft. С последним стоит быть осторожным: он описывает собственную конфигурацию обслуживания Microsoft, а не то, что может проверить клиент.

• Утверждения Alibaba — в блог-посте о Qwen-Image 2.1 приводится сравнительная диаграмма Qwen-Image-Bench, и цифры в ней взяты у самого производителя. В сторонних публикациях также ходит цифра, описывающая модель как 20-слойный трансформер, что противоречит указанному в карточке модели 32-слойному однопоточному DiT; карточка модели — это первоисточник, и использовать следует именно цифру в 32 слоя.

Разница между этими двумя ситуациями не в честности того или другого поставщика. Дело в том, что модель Microsoft была независимо измерена, а модель Alibaba — нет, поэтому утверждения Microsoft можно с чем-то сверить, а утверждения Alibaba пока не с чем сверить.

Для чего предназначен каждый

Если читать их вместе, они не конкурируют за один и тот же слот.

• MAI-Image-2.5-Pro — это инструмент редактирования. Он лидирует в таблице редактирования на большой базе голосов, принимает длинную инструкцию (32 тыс. входных текстовых токенов, контекст 131 тыс.), имеет коммерческую лицензию и уже доступен в качестве публичной предварительной версии в Microsoft Foundry и MAI Playground. Если ваша работа — это итеративная коррекция изображений и вам нужно ещё до принятия обязательств знать, что этот инструмент лучший в своём деле, вот измеренный ответ, и он стоит около $108,50 за тысячу изображений.

• Qwen-Image 2.1 — это открытый исследовательский артефакт. Он генерирует более крупные изображения, вместе с моделью изображений поставляется доступный для изучения чекпойнт переписывания промптов, принимает до 10 референсных изображений с локальными правками с помощью круга, нарисованной пометки или маски, а также его можно бесплатно скачать, но нельзя продавать. Если ваша работа — это оценка, бенчмаркинг или построение на весах, которые вы можете прочитать, то это более интересный объект — и вы выполняете эту работу без таблицы лидеров, которая сказала бы вам, хорош ли он.

Также стоит отметить асимметрию по срокам. MAI-Image-2.6 вышла в закрытое превью 19 августа 2026 года, а значит, модель на вершине таблицы редактирования уже на одно поколение отстаёт от того, что Microsoft готовится выпустить. Qwen-Image 2.1, напротив, находится в самом начале пути, а программа раннего доступа просила своих тестировщиков опубликовать результаты к 29 сентября. Обе таблицы результатов в этом сравнении уже через месяц будут выглядеть иначе.

Что бы это уладило

Одно: появление Qwen-Image 2.1 в таблице лидеров. Всё в этой статье, что не является ограничением разрешения или ценой, — это заявление одной лаборатории или другой, и единственная причина, по которой MAI-Image-2.5-Pro можно с невозмутимым лицом рекомендовать, состоит в том, что 6 100 человек, не работавших в Microsoft, посмотрели на его результаты рядом с чем-то ещё и предпочли его. Это тот стандарт, которому открытая модель не соответствует, и тот, которому ей следует соответствовать.

До тех пор практический вывод прост. Если вам сегодня нужна модель для редактирования, по коммерческой лицензии, с подтверждёнными результатами, ответ — Microsoft, и она стоит около $108.50 за тысячу изображений. Если вы хотите выяснить, лучше ли 7B-модель с открытыми весами, с нативным выводом 2K и проверяемым переписчиком промптов, вам придётся измерить это самостоятельно — а самое полезное, что можно сделать с результатом, — опубликовать его, потому что всей категории сейчас не хватает одной точки данных.