MOSS-Image vs HY-Image 3.5: ทั้งคู่ขายข้อความที่เรนเดอร์ให้คุณ และมีเพียงตัวเดียวเท่านั้นที่ให้คุณเห็นการทดสอบ

ไม่ว่าคุณจะถามผู้ให้บริการรายไหนว่าโมเดลรูปภาพของพวกเขาจริง ๆ แล้วมีไว้เพื่ออะไร คุณก็จะได้คำตอบเดียวกัน M​OSS-Image ซึ่งเปิดตัวโดย OpenMOSS เมื่อวันที่ 16 ตุลาคม 2026 ในฐานะเช็กพอยต์ Apache 2.0 M​OSS-Image-Base และ M​OSS-Image-SFT โดยชูจุดเด่นด้านการเรนเดอร์ข้อความและเลย์เอาต์ H​Y-Image 3.5 ซึ่งเป็นโมเดลรูปภาพปัจจุบันของ T​encent ในสาย H​unyuan ชูจุดเด่นเรื่องความแม่นยำที่ดีขึ้นในการเรนเดอร์ข้อความภายในภาพ — ทั้งภาษาจีนและภาษาอังกฤษ ผู้ให้บริการสองราย ห่างกันห้าพันไมล์ กลับเลือกความสามารถเดียวกันมาโฆษณา ซึ่งเป็นสัญญาณที่สมเหตุสมผลว่าโหมดความล้มเหลวที่แท้จริงของหมวดหมู่นี้อยู่ตรงไหนในช่วงสองปีที่ผ่านมา

อย่างไรก็ตาม ข้อกล่าวอ้างทั้งสองถูกนำเสนอในรูปแบบที่แตกต่างกันอย่างสิ้นเชิง ข้อหนึ่งมาพร้อมกับเบนช์มาร์กและตัวเลข ส่วนอีกข้อมาพร้อมกับเพียงประโยคเดียว ความไม่สมมาตรนี้ — ไม่ใช่คุณภาพของภาพ ซึ่งยังไม่มีใครวัดเทียบกันระหว่างสองตัวนี้ — คือการเปรียบเทียบทั้งหมด และมันคุ้มค่าที่จะพิจารณากันอย่างละเอียด เพราะตัวเลขที่มีอยู่นั้นเป็นของเจ้าของผลิตภัณฑ์เอง ส่วนประโยคที่ยังไม่มีนั้นมาจากเจ้าของผลิตภัณฑ์ที่มีประวัติความเป็นมายาวนานกว่า

"การเรนเดอร์ข้อความ" หมายถึงอะไรในแต่ละฝั่ง

ข้ออ้างของ Tencent เป็นข้ออ้างเกี่ยวกับความถูกต้องแม่นยำข้ามสองระบบตัวเขียน HY-Image 3.5 มีเอกสารระบุว่าปรับปรุงความแม่นยำของข้อความที่วาดอยู่ภายในภาพ และเนื้อหาเอกสารก็ระบุชัดเจนว่าครอบคลุมทั้งภาษาจีนและภาษาอังกฤษ นั่นเป็นข้ออ้างที่แคบกว่าและใช้ได้จริงมากกว่าที่ฟังดู ภาษาจีนเป็นระบบตัวเขียนที่โมเดลสร้างภาพจากตะวันตกส่วนใหญ่จัดการได้แย่ที่สุด — ความหนาแน่นของสัญลักษณ์สูงกว่า คลังตัวอักษรมีความลึกเป็นพัน ๆ ตัว而非เพียงหลักสิบ และโมเดลที่เรนเดอร์รูปอักษรละตินได้ดูสมจริงก็ยังสามารถเรนเดอร์hanziที่กุขึ้นมาเองทั้งหมดได้โดยไม่มีใครทันสังเกตจนกว่าจะมีคนตรวจอักษร ผู้ขายที่ตลาดบ้านเกิดใช้ภาษาจีนย่อมมีเหตุผลชัดเจนที่จะโจมตีจุดนั้นก่อน และ Tencent ก็พูดเช่นนั้นออกมาตรง ๆ

ข้ออ้างของ OpenMOSS เกี่ยวกับความยาว มากกว่าความครอบคลุมของชุดตัวอักษร การสาธิตชูโรงของ MOSS-Image คือย่อหน้า — ข้อความวรรณกรรมที่มีความยาวเป้าหมายเฉลี่ยราว 1,340 ตัวอักษร และยังอ่านออกได้ชัดเจนทั่วทั้งภาพ นั่นเป็นปัญหาที่ต่างไปจากการทำให้ตัวอักษรจีนสี่ตัวถูกต้อง มันคือความต่างระหว่างการเรนเดอร์เวิร์ดมาร์กกับการเรนเดอร์ทั้งหน้า

• สิ่งที่ผู้ขายยกเป็นจุดเด่น — MOSS-Image: การเรนเดอร์ข้อความแบบยาว โดยใช้เลย์เอาต์เป็นกลไกควบคุม HY-Image 3.5: ความแม่นยำของข้อความในภาษาจีนและอังกฤษ โดยมีความสอดคล้องของตัวแบบเมื่อแก้ไขซ้ำหลายครั้ง

• สิ่งที่อินเทอร์เฟซมอบให้คุณ — MOSS-Image: พร้อมต์ JSON ที่มี summaryบล็อก และ itemsอาร์เรย์ โดยแต่ละอิลิเมนต์ข้อความจะมี bounding box และสตริงตามจริงที่จะเรนเดอร์ HY-Image 3.5: พร้อมต์ภาษาธรรมชาติ พร้อมภาพอ้างอิงสำหรับทิศทางการแก้ไข ไม่มีฟิลด์สตริงต่ออิลิเมนต์ที่ระบุไว้ในเอกสาร

• เพดานเอาต์พุตคืออะไร — MOSS-Image: ฝึกด้วย 576 แล้ว 3,072 แล้ว 8,192 โทเคน ครอบคลุมสามระดับความละเอียด โดยระยะสุดท้ายอยู่ที่ประมาณ 1024². HY-Image 3.5: สูงสุดถึง 2K ตามคำกล่าวของ Tencent เอง

• อะไรเป็นตัวกำหนดเงื่อนไขของเวต — M​OSS-Image: Apache 2.0 ไม่มีเกณฑ์รายได้ H​Y-Image 3.5: ไม่มีข้อมูลเผยแพร่ ไม่มีเช็กพอยต์ ไม่มีไลเซนส์สำหรับใช้งานในเครื่อง ไม่มีเส้นทางออฟไลน์

• สิ่งที่คุณจ่าย — MOSS-Image: ไม่มีค่าใช้จ่ายสำหรับใบอนุญาต H​Y-Image 3.5: $0.024 สำหรับภาพ 2K บนปลายทางระหว่างประเทศ, ¥0.15 ในประเทศ, คิดค่าบริการเฉพาะภาพเอาต์พุตที่ส่งมอบแล้วเท่านั้น

หัวข้อย่อยที่สี่นั้นสมควรมีประโยคเป็นของตัวเอง เพราะมันเป็นสิ่งเดียวเกี่ยวกับการเปรียบเทียบนี้ที่คุณสามารถลงมือทำได้ในวันนี้ หากการเรนเดอร์ข้อความคือเหตุผลที่คุณกำลังเลือกระหว่างโมเดลเหล่านี้ คุณจะตรวจสอบพฤติกรรมของหนึ่งในนั้นบนเครื่องของคุณเองได้เท่านั้น การทดสอบ MOSS-Image บนสำเนาของคุณเองหมายถึงการดาวน์โหลด 27.2 GB และรันมัน; การทดสอบ HY-Image 3.5 หมายถึงการส่งพรอมต์ไปยัง Tencent และดูว่าอะไรตอบกลับมา

ตัวเลขเดียวในการเปรียบเทียบนี้ และสิ่งที่มันมีค่า

MOSS-Image มีเบนช์มาร์ก LongLongTextBench ประกอบด้วยงานเรนเดอร์ข้อความวรรณกรรม 240 งาน — ภาษาอังกฤษ 120 งาน ภาษาจีน 120 งาน — โดยมีความยาวเป้าหมายเฉลี่ย 1,339.8 ตัวอักษร และ OpenMOSS ให้คะแนน MOSS-Image ที่ 96.3 ในความครอบคลุมข้อความ Mean-6 เทียบกับ 64.9 ของ Qwen-Image-2512 ตารางเดียวกันจัดให้ GPT Image 2 อยู่ที่ 99.0 และ Nano Banana Pro อยู่ที่ 96.6 ซึ่งน่าสังเกตสองประการ: มันเป็นตารางที่คู่แข่งเป็นผู้ชนะ และเป็นตารางที่ส่วนได้เปรียบของ MOSS-Image เหนือโมเดลที่มันเอาชนะนั้นมากกว่าส่วนที่มันตามหลังโมเดลที่อยู่ข้างหน้า

ตอนนี้ข้อควรระวัง ซึ่งไม่ใช่เรื่องเล็กเลย LongLongTextBench เป็นเบนช์มาร์กของ OpenMOSS เอง สร้างขึ้นสำหรับรีลีสนี้ ดำเนินการโดย OpenMOSS บนระบบของ OpenMOSS เอง ค่า Mean-6 text coverage เป็นเมตริกของ OpenMOSS เอง ยังไม่มีใครนอกห้องแล็บทำซ้ำผลลัพธ์เหล่านี้ได้เลย นี่เป็นตัวเลขจากผู้ขายรายแรกในหมวดนี้ที่พยายามวัดข้อความยาวเลยด้วยซ้ำ และมันก็เป็นตัวเลขประเภทเดียวกับที่ผู้ขายสร้างขึ้นเมื่อมีอะไรจะโชว์

H​Y-Image 3.5 ไม่มีตัวเลขตรงนี้เลยแม้แต่ตัวเดียว ไม่ใช่ตัวเลขที่เผยแพร่ และไม่ใช่ตัวเลขที่เป็นอิสระ — ไม่มีบอร์ดจัดอันดับใดให้คะแนนโมเดลสองตัวนี้ในด้านการเรนเดอร์ข้อความ และบอร์ดจัดอันดับอิสระที่มีโมเดลของ T​encent อยู่ก็ไม่ทดสอบข้อความ ดังนั้นคำถามเรื่องข้อความ ซึ่งเป็นสิ่งที่ผู้ขายทั้งสองรายเลือกชูเป็นประเด็นนำ กลับเป็นคำถามเดียวที่การเปรียบเทียบนี้ตอบไม่ได้ด้วยหลักฐานจากทั้งสองฝ่าย ผู้ขายรายหนึ่งเผยแพร่การทดสอบ อีกรายเผยแพร่คำกล่าวอ้าง นั่นคือสถานะปัจจุบัน และบทความใดที่ใส่ตัวเลขไว้ข้าง ๆ H​Y-Image 3.5 ในแกนนี้ก็ได้กุตัวเลขนั้นขึ้นมาเอง

ในกรณีที่มีหลักฐานอิสระอยู่จริง และมันเป็นเพียงการเปรียบเทียบเพียงครึ่งเดียว

โมเดลของ Tencent อยู่บนบอร์ดของ Artificial Analysis ภายใต้ชื่อ HunyuanImage 3.5 (Preview) ซึ่งมีประโยชน์ในตัวเองเพราะช่วยยืนยันการตั้งชื่อนี้ ป้าย Preview สะท้อนสถานะปัจจุบันของโมเดล ไม่ใช่สถานะในอดีต ตัวระบุที่ใช้กันอยู่คือ hy-image-v3.5-preview และไม่มีตัวระบุถาวรตัวที่สองอยู่เคียงข้าง บนบอร์ด text-to-image มันอยู่ในอันดับกลางๆ ของกลุ่มด้วยคะแนน 976.02 Elo บนบอร์ด image-editing มันอยู่ในกลุ่ม 20% แรก ด้วยคะแนน 1,088 Elo จาก 5,775 การเปรียบเทียบแบบไม่เปิดเผยตัวตน — ผู้นำในบอร์ดนั้นคือ GPT Image 2.5 Sunburst และ Flare ของ OpenAI ด้วยคะแนน 1,198 และ 1,177 ดังนั้น Tencent จึงอยู่ต่ำกว่าแนวหน้าประมาณ 110 Elo โดยมีช่วงความคลาดเคลื่อนประมาณ ±14

อันดับการแก้ไขนั้นเป็นอันดับที่น่าสนใจสำหรับการจับคู่นี้ และไม่ใช่เพราะตัวอันดับ มันเป็นบอร์ดที่ครอบคลุมความสามารถที่ T​encent โฆษณาไว้จริงบางส่วน การแก้ไขตัวแบบซ้ำแล้วซ้ำเล่าโดยไม่ให้มันเพี้ยนไปคือครึ่งหลังของข้อเสนอเรื่องข้อความและความสม่ำเสมอของ T​encent และ Elo ด้านการแก้ไขที่ติด 1 ใน 5 อันดับแรกก็อย่างน้อยก็สอดคล้องกับข้ออ้างเรื่องความสม่ำเสมอแบบหลวม ๆ มันไม่ใช่การวัดข้อความ และไม่ใช่การวัดการเพี้ยนไปตลอดทั้งลำดับ แต่เป็นอิสระ ซึ่งมากกว่าสิ่งใด ๆ ที่ฝั่ง M​OSS-Image มี

M​OSS-Image ไม่ได้อยู่บนกระดานจัดอันดับเหล่านั้น มันมีอายุเพียงหนึ่งวันเท่านั้น เบนช์มาร์กตัวที่สองของมันอย่าง RealLayoutArena คืองานออกแบบ 61 งานที่ถูกตัดสินผ่านการเปรียบเทียบแบบจับคู่โดยไม่รู้ที่มา แล้วนำมาปรับเข้ากับสเกล Bradley–Terry — โปสเตอร์ 20 ชิ้น อินโฟกราฟิก 20 ชิ้น อินเทอร์เฟซ 21 ชิ้น — และมันก็มาพร้อมกับการเปิดตัวครั้งนี้ด้วย อีกทั้งยังสร้างโดยผู้ขายเช่นกัน บนอารีนาแบบครบวงจร M​OSS-Image ได้คะแนน 1698.70 Elo เป็นรอง GPT Image 2 ที่ 1844.35; เมื่อจำกัดเฉพาะแบ็กโบนเพียงอย่างเดียวภายใต้พรอมป์ต์เสริมแบบเดียวกัน มันครองอันดับหนึ่งที่ 1807.34 การเปิดตัวเดียวกัน ฝ่ายเดียวกัน ข้อแม้เดียวกัน

ภาษาจีน ซึ่งเป็นจุดที่ข้อกล่าวอ้างทั้งสองมาบรรจบกันจริง ๆ

นี่คือความแตกต่างเชิงโครงสร้างที่ผู้จำหน่ายทั้งสองรายจะไม่ยอมชี้ให้เห็น และมีความสำคัญมากกว่าผลการทดสอบแต่ละแถวเสียอีก

OpenMOSS สร้าง benchmark ข้อความสองภาษาโดยจงใจออกแบบให้สมดุล — 120 งานภาษาอังกฤษและ 120 งานภาษาจีน แบ่งครึ่งพอดี นั่นคือทางเลือกในการออกแบบ และมันบ่งบอกว่าโมเดลนี้ถูกประเมินในฐานะผลิตภัณฑ์สองภาษา มากกว่าจะเป็นผลิตภัณฑ์ภาษาอังกฤษที่มีภาษาจีนเป็นของแถม คลังข้อมูลฝึกของ MOSS​-Image มาจากข้อมูลที่ได้จาก ReLAION ซึ่งถูกตัดจากประมาณ 5B ตัวอย่างเหลือ 3B โดยไม่มีการกรองเพิ่มเติม และรูปแบบเลย์เอาต์ของมันitems อาร์เรย์รับ label ได้แก่ text, character หรือ object — อนุกรมวิธานที่ดูเหมือนจงใจให้ไม่ผูกกับระบบตัวเขียนใด ๆ

จุดยืนของ T​encent เป็นภาพสะท้อนตรงกันข้าม จีนคือตลาดหลัก เอกสารผลิตภัณฑ์ระบุว่าโมเดลมีความสามารถในการเข้าใจภาษาจีนได้ดี ปลายทางระหว่างประเทศเป็นส่วนที่สองรองจากส่วนในประเทศ โดยคิดราคาแยกต่างหาก T​encent ไม่จำเป็นต้องสร้างเกณฑ์มาตรฐานที่สมดุลระหว่างภาษาอังกฤษ/ภาษาจีน เพราะภาษาจีนไม่เคยเป็นความเสี่ยง สิ่งที่ยังไม่ได้ทำคือเผยแพร่ว่าครึ่งภาษาอังกฤษมีประสิทธิภาพเป็นอย่างไร

ดังนั้น ทีมที่ส่งมอบเนื้อหาภาษาจีนจึงมี ด้านหนึ่งคือผู้ขายที่มีผลิตภัณฑ์ที่ให้ความสำคัญกับจีนเป็นอันดับแรกและตัวเลขภาษาอังกฤษที่เผยแพร่ไม่ได้ และอีกด้านหนึ่งคือผู้ขายที่มีการประเมินแบบสองภาษาที่สมดุลอย่างจงใจและไม่มีประวัติผลงานในตลาดจีน ความมั่นใจสองแบบที่แตกต่างกัน และไม่มีแบบใดถ่ายโอนไปยังตลาดของอีกฝ่ายได้ วิธีเดียวที่จะยุติเรื่องนี้คือการเทียบกันแบบตัวต่อตัวบนข้อความของคุณเอง และมีเพียงหนึ่งในสองโมเดลนี้เท่านั้นที่ให้คุณทำเช่นนั้นได้ ลองรันสตริงภาษาจีนที่คุณส่งมอบจริง — ชื่อผลิตภัณฑ์ ข้อความทางกฎหมาย อักษรจีนที่แต่งขึ้นได้ง่าย — ผ่าน MOSS-Image-SFT ในเครื่อง และนำสตริงเดียวกันไปทดสอบกับ hy-image-v3.5-previewผ่าน API การทดลองนั้นใช้เวลาบ่ายเดียวและยุติได้มากกว่าข้อมูลของผู้ขายทั้งสองรายรวมกัน

ค่าใช้จ่าย การเข้าถึง และคำถามเรื่องเส้นทาง

การเปรียบเทียบด้านต้นทุนเอนไปทางหนึ่ง และการเปรียบเทียบด้านการเข้าถึงเอนไปอีกทางหนึ่ง นั่นคือเหตุผลว่าทำไมการตัดสินใจจึงแทบไม่ขึ้นอยู่กับใบแจ้งหนี้

HY-Image 3.5 ราคาอยู่ที่ $0.024 ต่อภาพ 2K ในระดับสากล — $24 ต่อ 1,000 ภาพ ซึ่งเป็นตัวเลขเดียวกันที่คิดใหม่ต่อพันภาพที่ปรากฏบนบอร์ดอิสระ ดังนั้นอัตราของผู้ขายและคอลัมน์ราคาบนบอร์ดจึงตรงกัน สำหรับในประเทศ ราคาอยู่ที่ ¥0.15 ต่อภาพ 2K และคิดค่าบริการเฉพาะภาพเอาต์พุตที่ส่งมอบแล้วเท่านั้น คำขอที่ถูกกรองหรือล้มเหลวจึงไม่ถูกเรียกเก็บเงิน หากเดือนหนึ่งมีหนึ่งแสนภาพ คิดเป็น $2,400 โดยมีรูปแบบความล้มเหลวที่ได้รับการบันทึกไว้ซึ่งไม่คิดค่าบริการ

MOSS-Image ไม่มีเรตการ์ด สัญญาอนุญาตคือ Apache 2.0 และไฟล์ดาวน์โหลดมีขนาดประมาณ 27.2 GB โดยในจำนวนนี้ประมาณ 16.8 GB กระจายอยู่บนสี่ shard เป็น text encoder Qwen3.5-9B ที่ถูกแช่แข็ง และประมาณ 10.2 GB กระจายอยู่บนสาม shard เป็น transformer ป้าย 5B บ่งบอกถึงเฉพาะ diffusion generator เท่านั้น และ encoder เป็นครึ่งที่ใหญ่กว่าของไฟล์ดาวน์โหลด ค่าเริ่มต้นของการสุ่มตัวอย่างคือ flow-matching Euler ที่ 50 steps ด้วย CFG 3.0 และ shift 5.0; เส้นทาง guidance เริ่มต้นต้องใช้ transformer forward สองครั้งต่อ step ดังนั้นจำนวน step จึงไม่ใช่ค่าที่ประหยัดอย่างที่ดูเหมือน หนึ่งแสนภาพของคุณมีต้นทุนเท่ากับค่าเวลา GPU ของคุณ และไม่มีอย่างอื่น

จุดที่สองเส้นทางนั้นมาบรรจบกันคือทั้งคู่ไม่ใช่ปัญหาการจัดเส้นทาง M​OSS-Image ไม่ได้อยู่ในแค็ตตาล็อกของ OrcaRouter — เรามีโมเดลให้บริการมากกว่า 200 โมเดล และมันไม่ใช่หนึ่งในนั้น — ดังนั้นครึ่งหนึ่งของเวตในการเปรียบเทียบนี้จึงเป็นโครงสร้างพื้นฐานของคุณเอง H​Y-Image 3.5 ก็ไม่อยู่ในนั้นเช่นกัน และเส้นทางที่มีเอกสารระบุไว้คือ API ของ T​encent เองหรือผลิตภัณฑ์ของ T​encent เอง; T​encent ไม่มี checkpoint ไม่มีไลเซนส์สำหรับใช้ในเครื่อง และไม่มีเส้นทางออฟไลน์ และโหนด ComfyUI ที่มีอยู่สำหรับมันจะเรียก API แทนที่จะรันอยู่เบื้องหลัง คำอธิบายที่ตรงไปตรงมาของทั้งสองคือคำอธิบายทั่วไป: ผ่าน API ของผู้จำหน่ายเอง และในกรณีของ T​encent คือเครื่องมือของบริษัทเอง

สิ่งที่เราเตอร์มีประโยชน์จริง ๆ ในกรณีนี้คือเรื่องที่สาม ซึ่งก็คือการทดลองข้างต้น หากคุณต้องการทดสอบว่าการเรนเดอร์ข้อความในเครื่องของ MOSS-Image เทียบกับโมเดลแบบโฮสต์ได้ดีแค่ไหน แทนที่จะเทียบกับลีดเดอร์บอร์ด ฝั่งโฮสต์คือจุดที่การเปรียบเทียบได้ผลจริง และการนำเช็กพอยต์ที่โฮสต์เองมาเทียบกับโมเดลรูปภาพแบบโฮสต์หลายตัวบนพรอมป์ต์เดียวกัน คือประเภทของงานที่ปลายทางเดียวซึ่งมี การสลับไปใช้ผู้ให้บริการรายอื่นอัตโนมัติเมื่อเกิดข้อขัดข้อง พร้อมราคาตามรายการของผู้ให้บริการที่ส่งผ่านไปโดยไม่เปลี่ยนแปลง ถูกออกแบบมาเพื่อรองรับ: ใช้คีย์เดียวแทนการเชื่อมต่อสี่อย่าง และการรันที่จบได้แม้ผู้ให้บริการรายหนึ่งจะมีช่วงเวลาที่มีปัญหา GPT Image 2 และโมเดลรูปภาพของ Google อยู่บนปลายทางนั้น ส่วน MOSS-Image ไม่ได้อยู่

การเลือกระหว่างการประเมินที่ส่งมอบแล้วกับผลิตภัณฑ์ที่ส่งมอบแล้ว

เลือกใช้ MOSS-Image ถ้าสิ่งที่คุณต้องการโดยเฉพาะคือการควบคุมเชิงโครงสร้างว่า�ข้อความจะไปอยู่ตรงไหนและยาวต่อเนื่องแค่ไหน JSON ของเลย์เอาต์ระบุสตริงและตำแหน่งของแต่ละองค์ประกอบข้อความอย่างชัดเจน Apache 2.0 ทำให้การตรวจสอบเพื่อการใช้งานเชิงพาณิชย์ใช้เวลาสั้นลง และ Base checkpoint ถูกจงใจเว้นไว้โดยไม่กลั่น — การ์ดโมเดลระบุว่าไม่มีการทำโพสต์เทรนหรือการกลั่นพารามิเตอร์การอนุมาน เช่น CFG — ซึ่งเป็นการเลือกโดยตั้งใจที่จะเหลือบางอย่างไว้ให้การเทรน LoRA ได้ทำต่อ เข้าไปโดยรู้ว่าเบนช์มาร์กทั้งสองที่ใช้ชื่อนี้เป็นของผู้ขายเอง ว่าตัวเลขเลย์เอาต์แบบ end-to-end ที่แข็งแกร่งที่สุดมาจากไปป์ไลน์ซึ่งครึ่งที่เป็นการระบุพรอมป์ต์นั้นเป็นโมเดลของบุคคลที่สาม แทนที่จะเป็นโมดูล OpenMOSS ขนาดเล็ก และว่าตัว encoder คิดเป็นสัดส่วนหลักของการดาวน์โหลด

เลือกใช้ H​Y-Image 3.5 ถ้าคุณต้องการปลายทางที่เรียกใช้งานได้ภายในสัปดาห์นี้ ถ้าแอสเซ็ตของคุณเป็นภาษาจีน หรือถ้าคุณอยากซื้อโมเดลที่มีอันดับการแก้ไขที่เป็นอิสระมากกว่าโมเดลที่มีเกณฑ์มาตรฐานจากผู้ขาย เข้าไปโดยรู้ไว้ว่าตัวระบุนี้เป็นชื่อเรียกแบบพรีวิวที่ไม่มีกำหนดวันแทนที่ คำกล่าวอ้างเรื่องข้อความเป็นเพียงประโยค ไม่ใช่คะแนน และสิ่งเดียวที่ถูกวัดอย่างอิสระเกี่ยวกับโมเดลนี้คือค่าเฉลี่ยความชอบแบบ blind ซึ่งไม่ได้บอกอะไรเลยว่าส่วนที่ไม่ได้แตะต้องของเฟรมคุณยังคงไม่ถูกแตะต้องหรือไม่

ช่องว่างที่จะเปลี่ยนเรื่องนี้มากที่สุดไม่ใช่โมเดลใหม่ แต่เป็นการที่อีกฝ่ายหนึ่งรัน LongLongTextBench กับบางสิ่งที่ไม่ใช่ MOSS-Image หรือการที่ Tencent เผยแพร่คะแนนการเรนเดอร์ข้อความสำหรับพรีวิว ทั้งสองอย่างยังไม่มี และจนกว่าจะมีสักอย่าง เวอร์ชันที่ใช้ได้จริงของการเปรียบเทียบนี้ก็คือการดาวน์โหลดเทียบกับการเรียก API และใช้เวลาช่วงบ่ายไปกับสตริงของคุณเอง — ซึ่งเป็นการใช้เวลาที่ดีกว่าการอ่านตารางของผู้ขายทั้งสองราย

ความล้มเหลวของ AI และเหตุการณ์เกี่ยวกับเอเจนต์ที่มีการบันทึกเป็นหลักฐานไว้ ซึ่งอยู่เบื้องหลังการเปิดตัวในลักษณะนี้ ถูกรวบรวมไว้ใน OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง ระดับความเชื่อมั่น และแฟล็กข้อโต้แย้งของตัวเอง