Hy Image3.5 กับ LLaDA-Image: เช่า Endpoint หรือเป็นเจ้าของ Weights เอง

มีสองวิธีในการซื้อโมเดลภาพ 2K ในเดือนกันยายน 2026 และพวกมันไม่ใช่ผลิตภัณฑ์สองชิ้นเท่าไรนัก หากเป็นโมเดลธุรกิจสองแบบมากกว่า Hy Image3.5 preview ซึ่งเปิดใช้งานตั้งแต่ 22 กันยายน 2026 เป็นเอนด์พอยต์แบบคิดค่าตามการใช้งาน: $0.024 ต่อภาพตามเรตการ์ดต่างประเทศของ Tencent, ¥0.15 ในประเทศ คิดค่าบริการจากเอาต์พุตที่ส่งมอบ และคุณไม่ต้องแตะ GPU เลย LLaDA-Image จากกลุ่มโมเดลเปิด inclusionAI และเปิดตัวเมื่อ 4 กันยายน 2026 เป็นเช็กพอยต์ที่ดาวน์โหลดได้: ตระกูลการสร้างและแก้ไขแบบรวมเป็นหนึ่งระดับ 7B ภายใต้แท็ก Apache-2.0 อยู่บน Hugging Face โดยไม่มี hosted endpoint ติดมาด้วย การสร้างภาพ 2K หนึ่งแสนภาพต่อเดือนมีค่าใช้จ่ายประมาณ $2,400 ด้วยวิธีแรก วิธีที่สองไม่มีค่าใช้จ่ายต่อภาพ และมีจำนวนเงินที่คุณต้องคำนวณเอง เพราะเวตฟรี แต่ฮาร์ดแวร์ไม่ฟรี

นั่นคือการเปรียบเทียบทั้งหมด และความผิดพลาดเกือบทุกอย่างที่เกิดขึ้นเกี่ยวกับเรื่องนี้ มาจากการนำทั้งสองมาเปรียบเทียบกันราวกับว่าคอลัมน์ราคาเป็นความแตกต่างเพียงอย่างเดียว แต่ไม่ใช่ หนึ่งในนั้นอาจถูกเลิกใช้ (deprecated) ไปในขณะที่คุณยังใช้งานอยู่ หนึ่งในนั้นสามารถไฟน์จูน (fine-tuned) ได้ หนึ่งในนั้นมาพร้อมกับเบนช์มาร์กของผู้ขายเองและไม่มีคะแนนอิสระ ส่วนอีกอันมาพร้อมกับรายงานทางเทคนิค รีโพซิทอรีสาธารณะ และยอดดาวน์โหลดประมาณหนึ่งพันครั้ง

สองข้ออ้างที่แนบมากับ LLaDA-Image ซึ่งไม่สอดคล้องกันเอง

ก่อนที่การเปรียบเทียบจะมีความหมายอะไร รายละเอียดสองจุดบนการ์ด LLaDA-Image จำเป็นต้องถูกหยิบยกมาเตือนไว้มากกว่าจะถูกแก้ไขให้จบ เพราะทั้งสองเป็นความขัดแย้งที่มีอยู่จริงในบันทึกสาธารณะ และการเลือกข้างอย่างเงียบ ๆ จะเป็นความผิดพลาดที่แย่กว่าการบอกออกไป

ประการแรกคือจำนวนพารามิเตอร์ ข้อความบรรยายในการ์ดโมเดลเองระบุว่าเป็น "ตระกูลโมเดลโอเพนซอร์สแบบรวมสำหรับการสร้างและแก้ไขภาพขนาด 6B พารามิเตอร์ที่แข่งขันได้" แถบด้านข้างในหน้าเดียวกันรายงานขนาดโมเดล Safetensors ว่าเป็น 7B พารามิเตอร์ที่ BF16 ตัวเลขทั้งสองอยู่บนหน้าเดียวกัน เผยแพร่โดยองค์กรเดียวกัน และไม่มีสิ่งใดในการ์ดที่ทำให้ตัวเลขเหล่านี้สอดคล้องกัน ให้ถือว่าคลาสนี้เป็น "ประมาณเจ็ดพันล้านพารามิเตอร์ โดยมีตัวเลขหกพันล้านในคำอธิบาย" และอย่าอ้างตัวเลขใดตัวเลขหนึ่งว่าเป็นที่ยุติ ใครก็ตามที่บอกคุณถึงจำนวนที่แน่นอนกำลังเดาจากการ์ดเดียวกันกับที่คุณอ่านได้

ประการที่สองคือสัญญาอนุญาต (licence) การ์ดนี้ระบุ License: apache-2.0 อยู่ในปัจจุบัน บทความก่อนหน้าของเราเองเกี่ยวกับตระกูลนี้ระบุว่าการ์ดที่เผยแพร่แล้วไม่มีการติดแท็กสัญญาอนุญาต และไม่มีไฟล์ LICENSE ในรีพอซิทอรี ข้อความทั้งสองประการสามารถเป็นจริงได้ในเวลาที่ต่างกัน — แท็กสามารถถูกเพิ่มเข้ามาได้ — แต่เราจะไม่แสร้งทำเป็นว่ามันเหมือนกันมาตลอด และสัญญาอนุญาตที่โผล่ขึ้นมาหลังการเผยแพร่ก็เป็นข้อเท็จจริงที่ต่างกันอย่างมีนัยสำคัญจากสัญญาอนุญาตที่มาพร้อมกับเวตต์ หากสัญญาอนุญาตเป็นสิ่งค้ำจุนสำหรับกรณีการใช้งานของคุณ โปรดตรวจสอบรีพอซิทอรีด้วยตัวคุณเอง ณ เวลาที่คุณดาวน์โหลด และตรวจสอบว่าโค้ดสำหรับฝึก ซึ่งการ์ดระบุว่าจะมาในเร็ว ๆ นี้ นั้นมาภายใต้เงื่อนไขเดียวกันหรือไม่

สองสถาปัตยกรรมนี้กำลังขายอะไรกันจริง ๆ

LLaDA-Image ไม่ใช่โมเดล diffusion ในความหมายปกติ และนั่นคือส่วนที่น่าสนใจของมัน มันจับคู่ diffusion transformer กับโมเดล vision-language ที่ถูกแช่แข็ง — LLaDA2.0-mini — และตัวเชื่อมต่อ RQA ระหว่างทั้งสอง และเผยแพร่เป็นตระกูลโมเดลมากกว่าจะเป็นเช็กพอยต์เดียว: Base ที่ 50 สเต็ปเพื่อคุณภาพ, Turbo ที่สองถึงสี่สเต็ปเพื่อ throughput โดยแต่ละตัวมีทั้ง BF16 และ FP8 นั่นคือสี่เช็กพอยต์ และจำนวนสเต็ปคือเหตุผลที่ทำให้การติดตั้งใช้งานแบบโฮสต์เองสามารถทำได้ภายใต้งบประมาณจำกัด: โมเดล 7B ที่ 50 สเต็ปเป็นข้อกำหนดด้านฮาร์ดแวร์ที่ต่างจากแบบ 2 ถึง 4 สเต็ป รายงานทางเทคนิคเปิดเผยต่อสาธารณะ และสูตรการฝึกอบรมถูกอธิบายว่าเปิดเผยทั้งหมด ซึ่งเป็นคำกล่าวอ้างด้านความโปร่งใสที่หนักแน่นกว่าที่การเปิดตัวโมเดลแบบเปิดน้ำหนักส่วนใหญ่กล่าวอ้าง

Hy Image3.5 preview มีรูปแบบตรงกันข้ามโดยเจตนา มันเป็นเอนด์พอยต์เดียวที่มีพฤติกรรมเดียว: การสร้างภาพจากข้อความและการแปลงภาพเป็นภาพในการเรียกครั้งเดียวกัน การแก้ไขแบบหลายรอบที่นำรอบก่อนหน้ามาใช้เป็นบริบท ภาพอ้างอิงสูงสุดห้าภาพต่อคำขอ เพดานเอาต์พุต 2K และตัวระบุ hy-image-v3.5-previewไม่มีอะไรให้เลือก ไม่มีอะไรให้ปรับจูน และไม่มีอะไรให้ดาวน์โหลด ชุดความสามารถกว้างกว่าโดยค่าเริ่มต้น — การแก้ไขแบบสนทนาหลายรอบโดยรักษาบริบทไว้เป็นฟีเจอร์จริงที่ตระกูลแบบเปิดไม่ได้โฆษณา — และคุณไม่สามารถควบคุมสิ่งใดในนั้นได้เลย

• ฐานต้นทุน — Hy Image3.5 preview อยู่ที่ $0.024 ต่อภาพ 2K โดยคิดตามผลลัพธ์ที่ส่งมอบจริง ส่วน LLaDA-Image นั้นน้ำหนักโมเดลฟรี บวกกับค่า GPU ที่คุณต้องจ่ายในการรัน

• สิ่งที่คุณได้รับ — Hy Image3.5 preview เป็น API แบบโฮสต์ที่มีการแก้ไขแบบหลายรอบและรูปภาพอ้างอิงห้ารูป; LLaDA-Image คือเช็คพอยต์สี่ตัว (Base และ Turbo, BF16 และ FP8) และสูตรการฝึกอบรม

• จำนวนขั้นตอนในการสร้างภาพ — Hy Image3.5 preview เป็นการเรียกเพียงครั้งเดียวโดยไม่มีพารามิเตอร์ step ให้ตั้งค่า ส่วน LLaDA-Image ใช้ 50 ขั้นตอนบน Base หรือ 2 ถึง 4 บน Turbo ซึ่งคุณเป็นคนตั้งค่าเอง

• น้ำหนักโมเดล — Hy Image3.5 preview ไม่เผยแพร่เลย; LLaDA-Image เผยแพร่ทั้งตระกูล

• สัญญาอนุญาต — Hy Image3.5 preview เป็นบริการเชิงพาณิชย์ที่อยู่ภายใต้ข้อกำหนดของ Tencent; LLaDA-Image มีแท็ก apache-2.0 ที่รายงานก่อนหน้าของเราเองไม่ได้พบเห็น

• หลักฐาน — Hy Image3.5 preview มีการทดสอบแบบอำพราง GSD โดยผู้ขาย และไม่มี Elo อิสระ; LLaDA-Image มีตัวเลข Qwen-Image-Bench ที่ผู้เขียนรายงานไว้ที่ 53.53 ในภาษาอังกฤษ และ 53.38 ในภาษาจีน และก็ไม่มี Elo อิสระเช่นกัน

สิ่งต่างๆ ที่มีเพียงหนึ่งในสิ่งเหล่านี้เท่านั้นที่ทำได้

เริ่มจากสิ่งที่ค่าน้ำหนักมอบให้คุณ เพราะมันเป็นมากกว่าความชอบเรื่องการออกใบอนุญาต เช็กพอยต์เป็นสินทรัพย์: มันไม่สามารถถูกทำให้เลิกใช้ กำหนดราคาใหม่ จำกัดอัตราการใช้งาน หรือปิดได้ และไปป์ไลน์ที่ผูกไว้กับไฟล์เฉพาะจะยังรันได้ในอีกสามปี มันสามารถไฟน์จูนด้วยเนื้อหาของคุณเองได้ ซึ่งสำหรับทีมที่มีสไตล์เฉพาะขององค์กรหรือชุดตัวอักษรเฉพาะ นั่นคือความแตกต่างระหว่างการพรอมป์ต์โมเดลของคนอื่นกับการเทรนโมเดลของคุณเอง มันทำงานแบบออฟไลน์ ซึ่งสำคัญหากเนื้อหานั้นเป็นงานของลูกค้าภายใต้ข้อกำหนดการรักษาความลับ และทรูพุตของมันขึ้นอยู่กับฮาร์ดแวร์ที่คุณซื้อ ไม่ใช่คิวที่คุณเข้าไปรอ

ในทางตรงกันข้าม การใช้ endpoint ทำให้คุณไม่ต้องทำงานใดๆ ไม่มีใครในทีมของคุณต้องเรียนรู้ serving stack ไม่มีใครต้องคำนวณขนาด GPU ไม่มีใครค้นพบในโปรดักชันว่า checkpoint FP8 ต้องใช้รันไทม์ที่ต่างจาก BF16 และไม่มีใครต้องมารับผิดชอบเมื่องานล้มเหลวตอนตี 3 โมเดลของ Tencent ยังมีความสามารถที่ตระกูลโมเดลเปิดไม่ได้อ้างถึง: การแก้ไขแบบหลายรอบที่เก็บบทสนทนาไว้ ซึ่งเป็นกลไกที่ทำให้สามารถคงตัวละครไว้ได้ตลอดชุดการแก้ไขที่ยาวนาน การรองรับการแก้ไขของ LLaDA-Image นั้นมีจริง — มันเป็นตระกูลที่รวมการสร้างและการแก้ไขไว้ด้วยกัน — แต่สถานะการสนทนาข้ามรอบไม่ใช่สิ่งที่การ์ดโฆษณาไว้

การวางกรอบอย่างตรงไปตรงมาคือสิ่งเหล่านี้ไม่ได้แข่งขันกันที่คุณภาพเลยแม้แต่น้อย สิ่งที่พวกมันแข่งขันกันคือใครเป็นผู้แบกรับความเสี่ยงด้านปฏิบัติการ และคำตอบสองอย่างก็คือ "Tencent" กับ "คุณ"

อะไรที่ได้รับการวัดจริง ๆ ในแต่ละฝ่าย

ทั้งสองโมเดลไม่มีอันดับที่เป็นอิสระ บอร์ด text-to-image ของ Artificial Analysis ซึ่งอ่านเมื่อวันที่ 23 กันยายน 2026 ไม่มีแถว Hy Image3.5 preview และไม่มีแถว LLaDA-Image ส่วนจุดที่บอร์ดมี Tencent อยู่นั้นคือรุ่นก่อนหน้า: HunyuanImage 3.0 Instruct ที่ 964 Elo และ HunyuanImage 3.0 ที่ 945 อยู่ในอันดับที่ 65 และ 70 จาก 156 โมเดล — ซึ่งเป็นการวัดจากบุคคลที่สามเพียงหนึ่งเดียวสำหรับสิ่งใด ๆ ในตระกูลนี้ และมันก็เก่าไปหนึ่งรุ่นแล้ว

สิ่งที่แต่ละฝ่ายนำเสนอแทนก็คืองานของตัวเอง ของ Tencent คือการทดสอบความชอบแบบปิดตาสไตล์ GSD ที่จัดทำกับนักออกแบบมืออาชีพของบริษัทเองหลายร้อยคน โดยรายงานว่าชนะ Hy Image3.0 ราวสามสิบเปอร์เซ็นต์ ทัดเทียมกับ Seedream 5.0 Pro และได้เปรียบเล็กน้อยเหนือ Nano-Banana Pro กับ Qwen-Image-3.0-Pro ดำเนินการโดยผู้ขาย เติมผู้ทดสอบโดยผู้ขาย ชุดพรอมป์ต์ไม่เปิดเผย — เป็นวิธีการที่จริงจังพร้อมผลประโยชน์ทับซ้อนที่จริงจัง และทั้งสองครึ่งของประโยคนั้นควรถูกกล่าวถึงในลมหายใจเดียวกัน

ของ LLaDA-Image คือคะแนน Qwen-Image-Bench ที่ 53.53 ในภาษาอังกฤษ และ 53.38 ในภาษาจีน ซึ่งเป็นตัวเลขที่ผู้เขียนรายงานเองบนเบนช์มาร์กที่ผู้เขียนเลือกเอง มันไม่ได้เป็นอิสระมากกว่าการทดสอบของ Tencent เพียงแต่ไม่ถูกตรวจสอบในแบบที่ต่างออกไป การ์ดนี้ยังระบุ Spaces ของชุมชนห้าแห่ง และยอดดาวน์โหลดรายเดือนประมาณหนึ่งพัน ซึ่งบอกคุณว่าครอบครัวแบบเปิดนี้มีการยอมรับจริงแต่ก็ modest — มันไม่ใช่โมเดลที่วงการรับมาใช้แล้ว และใครก็ตามที่บอกคุณเป็นอย่างอื่นก็ไม่ได้ดูตัวเลขนั้น

เงินไปที่ไหนจริง ๆ เมื่อมีปริมาณมาก

ลองคิดฝั่งเช่าอย่างตรงไปตรงมา เพราะมันเป็นฝั่งเดียวที่มีอัตราที่ประกาศไว้ ภาพ 2K หนึ่งแสนภาพต่อเดือนที่ $0.024 คิดเป็น $2,400 ห้าแสนภาพต่อเดือนคือ $12,000 หรือประมาณ $144,000 ต่อปี และที่สเกลขนาดนั้น โมเดลภาพระดับ 7B ที่โฮสต์เองจะเลิกเป็นตัวเลือกสำหรับงานอดิเรก และกลายเป็นรายการค่าใช้จ่ายที่ชัดเจน ต่ำกว่าประมาณหนึ่งหมื่นภาพต่อเดือน คณิตศาสตร์ไม่ได้เป็นแบบนั้นเลย: $240 เมื่อเทียบกับค่า GPU ค่าไฟ ค่าพื้นที่จัดเก็บ สแตกสำหรับให้บริการ และความใส่ใจของใครสักคน ไม่ใช่การตัดสินใจที่สูสีเลย และ endpoint แบบคิดค่าบริการตามการใช้งานชนะในทุกมิติ รวมถึงมิติที่คุณยังไม่ได้นับ

จุดตัดจุดคุ้มทุนไม่ใช่ตัวเลขที่ใครจะยื่นให้คุณได้ เพราะฝั่งที่โฮสต์เองนั้นขึ้นอยู่กับฮาร์ดแวร์ที่คุณมีอยู่แล้ว อัตราการใช้งานที่คุณทำได้จริง และว่า GPU กำลังทำงานอื่นอยู่หรือไม่ในยามที่มันไม่ได้สร้างภาพ สิ่งที่พูดได้อย่างแม่นยำคือรูปทรงของเส้นโค้ง: โมเดลแบบคิดตามปริมาณการใช้งานเป็นเส้นตรงตามปริมาณงาน ส่วนโมเดลแบบโฮสต์เองเป็นฟังก์ชันขั้นบันได ดังนั้นคำถามไม่ใช่ว่าแบบไหนถูกกว่า แต่คือปริมาณการใช้งานของคุณอยู่ตรงตำแหน่งใดเมื่อเทียบกับขั้นบันไดนั้น

ปลายทางเดียว ไม่ว่าคุณจะไปทางไหน

OrcaRouter ไม่ได้ให้บริการเส้นทางสำหรับทั้งสองอย่างนี้ เราไม่ได้โฮสต์โมเดลภาพของ Tencent — รายการของ Tencent เพียงอย่างเดียวในแค็ตตาล็อกคือสาย Hy3 ที่มีเฉพาะข้อความ — และไม่มีอะไรจาก inclusionAI เลย ดังนั้น Hy Image3.5 preview จึงหมายถึงคลาวด์ของ Tencent เองและผลิตภัณฑ์ของ Tencent โดยตรง ส่วน LLaDA-Image หมายถึงเวตส์ที่เผยแพร่และรันไทม์ใดก็ตามที่คุณชี้ไป การพูดแบบตรงไปตรงมาเช่นนั้นมีประโยชน์มากกว่าหน้าของโมเดลที่ปล่อยให้เกิดความกำกวม

สิ่งที่มีประโยชน์ของเลเยอร์การจัดเส้นทาง (routing layer) ในการตัดสินใจครั้งนี้ คือทางเลือกที่สามซึ่งมันทำให้มีต้นทุนต่ำ หากคุณกำลังชั่งน้ำหนักระหว่าง 2,400 ดอลลาร์ต่อเดือนกับการซื้อ GPU ตัวกลางที่มีประโยชน์ก็คือการรู้ว่าภาระงานเดียวกันมีค่าใช้จ่ายเท่าไรในแต่ละโมเดลที่คุณเข้าถึงได้ในวันนี้โดยไม่ต้องมีสัญญา — openai/gpt-image-2, google/gemini-3.1-flash-image-preview, ตระกูล Imagen 4 และ grok/grok-imagine-image ล้วนอยู่เบื้องหลังเอนด์พอยต์เดียวที่เข้ากันได้กับ OpenAI ที่ ราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม 0% ดังนั้นการเปลี่ยนแปลงราคาของผู้ขายจึงมีผลฝั่งเราในวันเดียวกัน, และ การสลับสำรองอัตโนมัติ (automatic failover) หมายความว่าช่วงเวลาที่ผู้ให้บริการรายหนึ่งมีปัญหาจะไม่กลายเป็นระบบล่มของคุณ นั่นไม่ใช่สิ่งทดแทนโมเดลใดโมเดลหนึ่งในการเปรียบเทียบนี้ มันคือสิ่งที่ทำให้การเปรียบเทียบนี้ไม่ใช่การเลือกระหว่างสองทางที่ต้องตัดสินใจกันในความมืด

คำถามเดียวที่ชี้ขาด

ถามว่าภาระงานของคุณมีลักษณะที่ค่าน้ำหนักสามารถจับได้ แต่เอนด์พอยต์จับไม่ได้หรือไม่ หากคุณกำลังสร้างงานโดยยึดตามสไตล์ขององค์กร ชุดอักขระตายตัว หรือเนื้อหาของลูกค้าเอง และคุณมีปริมาณงานกับฮาร์ดแวร์ที่จะทำให้โมเดลระดับ 7B คุ้มทุน แล้ว LLaDA-Image ก็เป็นสินทรัพย์ที่คงทนกว่า และแท็ก Apache-2.0 — ตรวจสอบตอนดาวน์โหลด ด้วยประวัติข้างต้น — คือสิ่งที่ทำให้มันใช้งานได้ คุณกำลังซื้อทางเลือก และจ่ายค่ามันด้วยงานปฏิบัติการ

ถ้าภาระงานของคุณมาเป็นช่วง ๆ ถ้าไม่มีใครในทีมอยากรับผิดชอบสแต็กการให้บริการ ถ้าการแก้ไขแบบหลายรอบโดยคงบริบทไว้คือฟีเจอร์ที่คุณต้องการจริง ๆ หรือถ้าปริมาณของคุณต่ำกว่าหมื่นภาพต่อเดือน ราคา $0.024 ต่อภาพ 2K ที่ส่งมอบได้ถือเป็นราคาที่ดีสำหรับปัญหาของคนอื่น และป้าย preview คือสิ่งสำคัญที่ต้องจับตาไว้ สิ่งหนึ่งที่คุ้มค่าจะทำก่อนวันที่ 7 ตุลาคม 2026 — ในขณะที่ Miora, WorkRally และ OnSolo กำลังเปิดช่วงใช้ฟรี — คือการนำชุดพรอมป์ตของคุณเองไปลองกับโมเดล tencent แล้วจดอัตราการยอมรับไว้ เพราะตัวเลขนั้น ไม่ใช่สามสิบเปอร์เซ็นต์ คือตัวที่ตัดสินว่าฝั่งที่คิดตามการใช้งานคุ้มค่ากับมิเตอร์ของมันหรือไม่