Bernini-Diffusers-v2 เทียบกับ Qwen Image 3.0: น้ำหนักที่คุณเป็นเจ้าของ กับ API ที่เรนเดอร์ข้อความ
- DeepSeekใหม่DeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.15 / $0.29 ต่อ 1 ล้านโทเค็น
- z-aiใหม่Z.ai: GLM 5.32026-08-1860ความฉลาด75การเขียนโค้ด
- obsidianใหม่Qwen3.8 27B2026-08-1552ความฉลาด68การเขียนโค้ด
- qwenใหม่Qwen: Qwen3.8 27B (free)2026-08-13qwen/qwen3.8-27b-free
- deepseekใหม่DeepSeek: DeepSeek V4 Pro 08132026-08-1253ความฉลาด69การเขียนโค้ด
- grokใหม่SpaceXAI: Grok 4.62026-08-1261ความฉลาด77การเขียนโค้ด
- metaMeta: Muse Spark 1.22026-08-0557ความฉลาด72การเขียนโค้ด
- qwenQwen: Qwen3.8 Max2026-08-0358ความฉลาด72การเขียนโค้ด
- deepseekDeepSeek: DeepSeek V4 Flash 07312026-07-3152ความฉลาด69การเขียนโค้ด
- minimaxMiniMax: MiniMax-H32026-07-31minimax/minimax-h3
- qwenQwen: Qwen3.7 Flash2026-07-27$0.03 / $0.13 ต่อ 1 ล้านโทเค็น
- orcaOrcaDub: OrcaDub 1.02026-07-27orca/dub
- anthropicAnthropic: Claude Opus 52026-07-2463ความฉลาด78การเขียนโค้ด
- googleGoogle: Gemini 3.6 Flash2026-07-2152ความฉลาด69การเขียนโค้ด
- googleGoogle: Gemini 3.5 Flash-Lite2026-07-2137ความฉลาด49การเขียนโค้ด
- metaMeta: Muse Spark 1.12026-07-1653ความฉลาด71การเขียนโค้ด
- kimiMoonshotAI: Kimi K32026-07-1560ความฉลาด76การเขียนโค้ด
- openaiOpenAI: GPT-5.6 Luna2026-07-0952ความฉลาด71การเขียนโค้ด
- openaiOpenAI: GPT-5.6 Terra2026-07-0957ความฉลาด77การเขียนโค้ด
- openaiOpenAI: GPT-5.6 Sol2026-07-0961ความฉลาด77การเขียนโค้ด
ห้องแล็บจีนสองแห่งส่งโมเดลที่รองรับรูปภาพออกมาห่างกันไม่ถึงสามสัปดาห์ และลงเอยอยู่คนละฝั่งของเส้นแบ่งที่ใหญ่ที่สุดในหมวดหมู่นี้. Qwen-Image-3.0เปิดตัวโดยทีมของ Alibaba เมื่อวันที่ 21 กรกฎาคม 2026 และเปิดให้ใช้งานผ่าน API ระหว่างประเทศเมื่อวันที่ 4 สิงหาคม เป็นโมเดลสร้างภาพแบบปิดน้ำหนักที่คุณเรียกใช้ผ่าน HTTP. Bernini-Diffusers-v2ซึ่ง ByteDance อัปโหลดขึ้น Hugging Face เมื่อวันที่ 13 สิงหาคม 2026 โดยไม่มีการประกาศ เป็น open weights แบบ Apache-2.0 ที่คุณดาวน์โหลดและเรียกใช้ได้ คำอธิบายงานโดยคร่าวเหมือนกัน — การสร้างและแก้ไขภาพ — แต่ให้คำตอบตรงข้ามกับคำถามที่ว่าใครเป็นผู้ควบคุมโมเดล สิ่งที่ตามมาส่วนใหญ่เป็นผลจากการตัดสินใจเพียงข้อเดียวนี้ ดังนั้น นี่คือจุดเริ่มต้นของการเปรียบเทียบ ไม่ใช่จุดสิ้นสุด
น้ำหนักแบ่งออก
• Qwen-Image-3.0 — เป็นโมเดลแบบน้ำหนักปิด (closed weights) ในขณะที่เขียนบทความนี้ Alibaba ยังไม่ได้เผยแพร่น้ำหนักหรือรายงานทางเทคนิคของโมเดล คุณใช้งานได้ผ่าน API บน Alibaba Cloud Bailian หรือแพลตฟอร์ม Qwen ผลลัพธ์ที่ส่งออกจะติดป้ายแสดงแหล่งที่มาแบบ AIGC สิ่งที่คุณได้มาคือขีดความสามารถโดยไม่มีการครอบครอง: โฮสต์เองไม่ได้ ปรับแต่งละเอียดไม่ได้ ใช้ออฟไลน์ไม่ได้ และไม่อาจมองกลไกภายในได้
• Bernini-Diffusers-v2 — โอเพนเวต ใบอนุญาต Apache-2.0 มาพร้อมไดเรกทอรี diffusers แบบครบชุดบน Hugging Face และสคริปต์อินเฟอเรนซ์สำหรับรันในเครื่องภายในที่เก็บ bytedance/Bernini คุณสามารถปรับแต่งโมเดล รันแบบออฟไลน์ (air-gapped) เก็บข้อมูลบนฮาร์ดแวร์ของคุณเอง และเลิกจ่ายเงินต่อภาพได้ ราคาของการดูแลคือการดำเนินการ: README แนะนำ GPU ระดับ Hopper และสแตก Python 3.11.2 / PyTorch 2.7.1+cu126
สำหรับทีมที่รูปภาพมีเนื้อหาความลับ หรือทีมที่กฎการปฏิบัติตามข้อกำหนดห้ามส่งข้อมูลไปยัง API ของบุคคลที่สาม ความแตกต่างดังกล่าวก็ตัดสินข้อโต้แย้งได้ด้วยตัวเอง
ความเที่ยงตรงของข้อความและรูปแบบ
จุดที่ Qwen-Image-3.0 มีความโดดเด่นอย่างแท้จริงคือด้านข้อความ ตัวเลขหลักจากเอกสารเผยแพร่ของ Alibaba:
• หน้าต่างพรอมต์ — รองรับได้ถึง 4,500 โทเคน ของอินพุต ซึ่งเพิ่มขึ้น 4.5× จากรุ่นก่อนหน้า ทำให้สามารถจัดการกับข้อมูลสรุปที่มีความหนาแน่นสูง เช่น หน้าแรกของหนังสือพิมพ์ หรือตารางความรู้ 9 ช่อง ในการเรียกครั้งเดียวbr />• ข้อความขนาดเล็ก — แสดงผลได้อ่านง่ายจนถึงประมาณ 10px, รวมถึงสัญลักษณ์ทางคณิตศาสตร์ ตัวห้อย ตัวยก และสูตรหลายบรรทัดbr />• ภาษา — รองรับการแสดงผลตามธรรมชาติใน 12 ภาษา ด้วยฟอนต์ 20+ แบบ และสไตล์ศิลปะ 100+ แบบ รวมถึงความคุ้นเคยกับอินเทอร์เฟซทั่วไปของเว็บ เกม และซอฟต์แวร์
Bernini-Diffusers-v2 ไม่ได้กล่าวอ้างถึงความสามารถด้านข้อความและเลย์เอาต์ที่เทียบเคียงได้บนการ์ดของมัน จุดแข็งของมันอยู่ที่อื่น — การแก้ไขเชิงความหมายที่ใช้การวางแผนและไปป์ไลน์วิดีโอ — และสำหรับงานที่เน้น "เรนเดอร์อินโฟกราฟิกนี้อย่างแม่นยำ" เป็นหลัก Qwen-Image-3.0 คือตัวเลือกที่ได้รับการพิสูจน์แล้ว ส่วน Bernini คือตัวเลือกที่ยังไม่ได้รับการพิสูจน์
ความลึกของการตัดต่อ
• Qwen-Image-3.0 — การสร้างและแก้ไขภาพ พร้อมเทคนิคเฉพาะทางหลากหลาย: การบูรณะภาพวาดโบราณ การสร้างภาพพาโนรามา การแปลงภาพร่างเป็นงานนำเสนอ (PPT) และการสร้างสตอรีบอร์ดแบบหลายช็อต จุดขายคือความมีประโยชน์ในงานผลิตจริง — เลย์เอาต์ที่คงสภาพได้ดี รายละเอียดที่ดูสมจริง — มากกว่าการเน้นสถาปัตยกรรมการแก้ไขแบบใดแบบหนึ่งโดยเฉพาะ
• Bernini-Diffusers-v2 — แก้ไขผ่านตัววางแผนเชิงความหมาย ตัววางแผน Qwen2.5-VL จะแยกย่อยคำสั่งออกเป็นแผนว่าควรเปลี่ยนแปลงอะไร และเรนเดอร์ที่ใช้ Wan2.2 ก็จะวาดมันออกมา นี่เป็นการออกแบบที่น่าสนใจสำหรับการแก้ไขที่ซับซ้อนและหลายขั้นตอน — "เปลี่ยนฤดูกาล เปลี่ยนรถ คงกรอบภาพ" — และยังขยายไปถึงงานวิดีโอ (t2v, v2v, rv2v) ที่คู่แข่งรายใดไม่แตะต้อง ทั้งหมดนี้เป็นข้อมูลที่ผู้พัฒนารายงาน และยังไม่ได้รับการยืนยันต่อสาธารณะ
ค่าใช้จ่าย
• Qwen-Image-3.0 — ประมาณ $0.025 ต่อ 1K ภาพ ที่ API ระหว่างประเทศ (ประมาณ 0.18 หยวน) รองรับเอาต์พุตสูงสุด 2048×2048 และสูงสุด 6 ภาพต่อการเรียกใช้ ราคาถูกตั้งมาเพื่อแข่งขันอย่างดุเดือดกับตลาด API รูปภาพอื่นๆ — เป็นเศษเสี้ยวของราคาที่โมเดลสร้างภาพแบบโฮสต์ระดับพรีเมียมเรียกเก็บเมื่อปีที่แล้ว
• Bernini-Diffusers-v2 — น้ำหนักโมเดลฟรี ไม่มีค่าธรรมเนียมต่อภาพ แต่มีค่าใช้จ่ายด้านฮาร์ดแวร์แทน เศรษฐศาสตร์จะพลิกกลับตามปริมาณ: การโฮสต์ด้วยตนเองไม่คุ้มค่าสำหรับการสร้างภาพเป็นครั้งคราว แต่จะคุ้มค่าขึ้นเรื่อยๆ เมื่อสร้างภาพมากขึ้น เพราะต้นทุนส่วนเพิ่มของภาพแต่ละภาพมีแนวโน้มเข้าสู่ศูนย์
ยังมีต้นทุนประการที่สามที่เอื้อต่อฝั่งโอเพนเวตส์และง่ายที่จะประเมินต่ำไป นั่นคือต้นทุนในการเปลี่ยน โมเดลแบบ Closed API ผูกมัดคุณเข้ากับราคา ขีดจำกัดอัตราการใช้งาน และแผนการพัฒนาของมัน ส่วนโมเดลที่คุณเป็นเจ้าของสามารถสลับ แก้ไข หรือปรับแต่งได้โดยไม่ต้องเจรจาใหม่กับใคร
ตัวไหนคือ API ที่คุณสร้างบน
Qwen-Image-3.0 เป็นแบบ API-only ดังนั้นหากคุณพัฒนาต่อยอดจากมัน คุณกำลังผูกพันกับการวัดผลต่อภาพบนโครงสร้างพื้นฐานของผู้อื่น — ซึ่งเป็นจุดที่ pass-through ของ OrcaRouter มีความสำคัญ ราคาที่คุณเห็นในฝั่งเราคือราคารายการของ Alibaba ที่ markup 0% และการลดราคาจากผู้ขายมีผลทันทีในวันเดียวกัน ดังนั้นต้นทุนต่อภาพจึงเป็นของผู้ขาย ไม่ใช่ markup ของผู้ค้าปลีกที่บวกเพิ่มอีกชั้น การ failover อัตโนมัติข้ามผู้ให้บริการเป็นอีกครึ่งหนึ่งของข้อโต้แย้ง: API รูปภาพที่ล่มกลางแคมเปญจะไม่สำคัญอีกต่อไปเมื่อการเรียกของคุณถูกจัดเส้นทางอ้อมไป หากคุณเลือกเส้นทาง open-weights กับ Bernini-Diffusers-v2 แทน คุณกำลังยอมรับภาระด้านปฏิบัติการในวันนี้เพื่อแลกกับค่าธรรมเนียมต่อภาพเป็นศูนย์ และเมื่อผู้ให้บริการโฮสต์รับ weights ขึ้นมาในที่สุด pass-through เดียวกันก็จะใช้กับราคาที่ผู้ให้บริการนั้นเรียกเก็บ
คำตัดสิน
ในทางกระดาษ Qwen-Image-3.0 เป็นโมเดลภาพล้วนที่แข็งแกร่งกว่า: การเรนเดอร์ข้อความที่พิสูจน์แล้ว หน้าต่างพรอมพ์ขนาดใหญ่ ความแม่นยำของเค้าโครงหลายภาษา และราคา API ที่แข่งขันได้ มันคือตัวเลือกที่ปลอดภัยสำหรับการสร้างภาพในระดับโปรดักชันเมื่อโจทย์มีข้อความหนาแน่นและเวิร์กโฟลว์เป็นแบบ API ส่วน Bernini-Diffusers-v2 คือโมเดลที่คุณสามารถเป็นเจ้าของได้จริง — น้ำหนักโมเดลภายใต้ Apache-2.0 โฮสต์เองได้ ปรับแต่งละเอียดได้ รองรับวิดีโอ — แต่แลกกับการที่คุณต้องดำเนินการด้วยตัวเองและเชื่อถือตาราง benchmark ที่ไม่มีใครทำซ้ำได้ เลือก Qwen-Image-3.0 เพื่อความแม่นยำและไม่ต้องมีโครงสร้างพื้นฐาน; เลือก Bernini-Diffusers-v2 เพื่อการดูแลและควบคุม กฎการตัดสินใจในหนึ่งบรรทัด: คุณต้องการเช่าความสามารถ หรือเป็นเจ้าของโมเดล?
