MOSS-Image vs Nano Banana 2: ตัวหนึ่งมีวันปิดให้บริการ อีกตัวไม่มีเอนด์พอยต์

การเปรียบเทียบนี้มีคุณสมบัติที่ชวนกระอักกระอ่วนซึ่งผู้จำหน่ายทั้งสองรายไม่ได้โฆษณา N​ano Banana 2 — ชื่อเรียกฝั่งผู้บริโภคของ G​oogle สำหรับ G​emini 3.1 Flash Image, ตัวระบุ gemini-3.1-flash-image — มีกำหนดปิดให้บริการในอีกสิบสองวันนับจากนี้ บันทึกการเปลี่ยนแปลง G​emini API ของ G​oogle ระบุว่ามันจะเลิกใช้ในวันที่ 29 ตุลาคม 2026 ซึ่งเป็นสามสัปดาห์หลังจาก N​ano Banana 2.1 เปิดตัวเมื่อวันที่ 6 ตุลาคม ด้วยราคาต่อภาพประมาณครึ่งหนึ่ง M​OSS-Image ซึ่งเผยแพร่เป็นเวทแบบเปิดภายใต้ Apache 2.0 เมื่อวันที่ 16 ตุลาคม 2026 ไม่มีกำหนดปิดให้บริการ เพราะไม่มีอะไรให้ปิด: มันเป็นไฟล์ดาวน์โหลดขนาด 27 GB ที่คุณรันเอง และไม่มีการเผยแพร่ API เชิงพาณิชย์สำหรับมัน

ดังนั้น เวอร์ชันที่ตรงไปตรงมาของการเทียบกันครั้งนี้ไม่ใช่ "อันไหนดีกว่า" แต่มันคือการเปรียบเทียบระหว่างโมเดลที่กำลังจะหมดไปจากเซิร์ฟเวอร์ของคนอื่น กับโมเดลที่จะอยู่บนเซิร์ฟเวอร์ของคุณตราบเท่าที่คุณยังเก็บไฟล์ไว้ กรอบความคิดแบบนี้มีประโยชน์กว่าสเปกชีต เพราะมันคือการตัดสินใจที่ทีมกำลังทำอยู่ในเดือนนี้พอดี และเพราะคำถามลำดับที่สอง — อะไรจะมาแทน N​ano Banana 2 — มีคำตอบที่ทำให้ราคาเปลี่ยนไปครึ่งหนึ่ง

ก่อนอื่น คุณกำลังเปรียบเทียบกับ N​ano Banana ตัวไหนกันแน่

การตั้งชื่อของ Google มีสามระดับ และความแตกต่างนั้นไม่ใช่เพียงเรื่องผิวเผิน

Nano Banana 2 คือ Gemini 3.1 Flash Image การเปิดตัวสำหรับผู้บริโภคเริ่มเมื่อวันที่ 26 กุมภาพันธ์ 2026 และ API สำหรับนักพัฒนาเปิดให้ใช้งานทั่วไปเมื่อวันที่ 28 พฤษภาคม 2026 ภายใต้ชื่อ gemini-3.1-flash-image มันเป็นตัวสร้างภาพเริ่มต้นทั่วทั้งแอป Gemini, หน้า Lens และ AI Mode ของ Google Search, Flow และ Google Ads — ซึ่งเป็นข้อเท็จจริงที่ครอบงำการตัดสินใจนำไปใช้ใด ๆ เพราะมันไม่ใช่โมเดลที่ผู้ใช้ของคุณต้องถูกโน้มน้าวให้ใช้

N​ano Banana Pro เป็นรุ่นระดับสูงกว่า และเป็นโมเดลที่ OpenMOSS เลือกใช้เป็นคู่เปรียบเทียบในรายงานของตัวเอง ในตาราง LongLongTextBench ของผู้จำหน่าย N​ano Banana Pro ได้คะแนน 96.6 Mean-6 เทียบกับ 96.3 ของ M​OSS-Image — ช่องว่าง 0.3 ซึ่งเป็นส่วนต่างที่แคบที่สุดในตาราง และเป็นส่วนที่ควรค่าแก่การทำความเข้าใจมากที่สุด

N​ano Banana 2.1 คือสิ่งที่มาแทนที่ N​ano Banana 2 ในวันที่ 6 ตุลาคม มันไม่ใช่ประเด็นตรงนี้ แต่เป็นจุดหมายปลายทาง และการมีอยู่ของมันกำหนดเงื่อนไข: ประกาศเลิกใช้งานและรุ่นสืบทอดมาถึงในรายการบันทึกการเปลี่ยนแปลงรายการเดียวกัน

ช่องว่างสามในสิบ เมื่ออ่านอย่างถูกต้อง

รายงานของ MOSS-Image ผิดปกติตรงที่เผยแพร่ตารางซึ่งมีคู่แข่งที่ทำได้ดีกว่าตน LongLongTextBench ประกอบด้วยงานเรนเดอร์ข้อความวรรณกรรม 240 งาน — ภาษาอังกฤษ 120 งาน ภาษาจีน 120 งาน โดยมีความยาวเป้าหมายเฉลี่ย 1,339.8 ตัวอักษร ซึ่งประมาณสิบเอ็ดเท่าของค่าเฉลี่ยของ LongTextBench — และคะแนน Mean-6 96.3 ของ MOSS-Image ทำให้มันนำ Qwen-Image-2512 ที่ 64.9 อยู่ห่าง ๆ โดยได้ 97.1 สำหรับภาษาอังกฤษ และ 92.4 สำหรับภาษาจีนบนชุดย่อยเงื่อนไขที่ยาวที่สุด เหนือขึ้นไปมี GPT Image 2 ที่ 99.0 และ Nano Banana Pro ที่ 96.6

ความต่างสามในสิบระหว่าง M​OSS-Image กับ N​ano Banana Pro นั้นน้อยกว่าความเชื่อมั่นที่ใครก็ควรมีต่อตัวเลขใดตัวเลขหนึ่งในสองตัวนี้ ทั้งสองถูกสร้างขึ้นโดยแล็บที่ต่างกันบนเบนช์มาร์กที่เขียนโดย OpenMOSS โดยใช้การรันโมเดลของ G​oogle ของทางแล็บเอง และ N​ano Banana 2 ไม่ใช่โมเดลในแถวนั้น — ระดับ Flash อยู่ต่ำกว่า Pro ดังนั้นการอ่านอย่างซื่อตรงคือผลลัพธ์การเรนเดอร์ข้อความของ M​OSS-Image อยู่ในระดับประมาณระดับพรีเมียมของ G​oogle ในการทดสอบที่ผู้เขียน M​OSS-Image เขียนขึ้น ขณะที่โมเดลที่คุณจะนำมาเปรียบเทียบกับมันจริง ๆ ในกระบวนการจัดซื้อจัดจ้างนั้นอยู่ต่ำกว่านั้นหนึ่งระดับ

จุดที่ MOSS-Image ไม่ใกล้เคียงกับสิ่งที่ Google เปิดตัวคือเลย์เอาต์ บน 7Bench ซึ่งเป็นเบนช์มาร์กที่รายงานนี้แนะนำด้วย MOSS-Image รายงานค่าเฉลี่ย layout IoU ที่ 0.88 โดยมี Layout AUC ที่ 0.70 ส่วน Nano Banana Pro อยู่ที่ 0.33 และ 0.20 ในตารางเดียวกัน หากตัวเลขเหล่านั้นผ่านการทำซ้ำได้ การวางตำแหน่งวัตถุอย่างแม่นยำก็เป็นความสามารถที่ MOSS-Image ครอบครอง และยังไม่มีโมเดลภาพ Gemini ใดแข่งด้วยได้ในปัจจุบัน ตัวเลขเหล่านั้นยังไม่ได้รับการทำซ้ำ และแล็บเดียวกันนั้นเป็นผู้เขียนเมตริก

สิ่งที่ N​ano Banana 2 มอบให้คุณในวันนี้ และอีกสิบสองวันข้างหน้า

แผ่นข้อมูลความสามารถนี้เป็นของคนทั่วไป และนี่คือเหตุผลที่โมเดลนี้อยู่ทุกหนแห่ง

• ความสม่ำเสมอ — ตรึงตัวละครได้สูงสุดห้าตัวและวัตถุสิบสี่ชิ้นให้คงที่ตลอดเวิร์กโฟลว์ ซึ่งเป็นฟีเจอร์ที่ไลน์ Nano Banana ทั้งหมดขายกันด้วยจุดนี้

• เอาต์พุต — สูงสุด 4K ครอบคลุมสิบสี่อัตราส่วนภาพ รวมถึงรูปทรงสุดขั้วอย่าง 1:4 และ 1:8 ที่รูปแบบแบนเนอร์และวอลเปเปอร์จำเป็นต้องใช้

• ข้อความในภาพ — การเรนเดอร์ภายในภาพ รวมถึงการแปลและการแปลเป็นภาษาท้องถิ่นโดยคงเลย์เอาต์ไว้ นี่คือความสามารถที่ทับซ้อนกับจุดขายของ M​OSS-Image โดยตรงที่สุด และเป็นความสามารถที่ G​oogle สาธิตในตอนเปิดตัว

• Grounding — การสร้างที่ยึดโยงกับผลการค้นหาบนเว็บและรูปภาพ มากกว่าจะยึดโยงกับพรอมป์ตเพียงอย่างเดียว ซึ่งเป็นสัญชาตญาณด้านสถาปัตยกรรมแบบเดียวกับที่ Meta ผลักดันให้ก้าวไปไกลยิ่งขึ้นด้วย Muse Image

• การควบคุม — ระดับการคิดที่กำหนดค่าได้ ซึ่งแลกความหน่วงกับความสามารถในการให้เหตุผล พร้อมการใส่ลายน้ำ SynthID และข้อมูลเมตาแหล่งที่มา C2PA ในทุกเอาต์พุตเป็นค่าเริ่มต้น

• ราคา — เอาต์พุตคิดค่าบริการที่ $60 ต่อล้านโทเค็น ซึ่งเอกสารของ Google เองระบุว่าคิดเป็นประมาณ $0.045 ที่ 512px, $0.067 ที่ 1024×1024, $0.101 ที่ 2K และ $0.151 ที่ 4K โดยโหมดแบตช์คิดครึ่งหนึ่ง Artificial Analysis ระบุไว้ที่ $67 ต่อ 1,000 ภาพ

• ตำแหน่งที่วัดได้ — Elo 1,125 บนบอร์ด text-to-image ของ Artificial Analysis และ 1,108 บนบอร์ด image-editing ณ วันที่ 6 ตุลาคม 2026

ไม่มีข้อใดในนั้นที่ถูกโต้แย้ง สิ่งที่ก็เป็นจริงเช่นกันคือในวันที่ 29 ตุลาคม ตัวระบุจะหยุดทำงาน และเส้นทางต่อไปคือ N​ano Banana 2.1 — ซึ่ง Artificial Analysis ยังไม่ได้ให้คะแนน ซึ่ง G​oogle ตั้งราคาไว้ประมาณครึ่งหนึ่ง และซึ่งบทความอีกชิ้นหนึ่งบนบล็อกนี้ลงรายละเอียดไว้

MOSS-Image ให้อะไรกับคุณ และขออะไรเป็นการตอบแทน

สถาปัตยกรรมนี้เป็นทรานส์ฟอร์เมอร์แบบดิฟฟิวชันสตรีมเดี่ยวขนาด 5B ที่ฝึกตั้งแต่ต้น: 42 บล็อกแบบ joint, ความกว้าง hidden 3,072, 24 heads ที่มิติ 128, ฟีดฟอร์เวิร์ด SiTU-GLU กว้าง 8,192 และการเข้ารหัสตำแหน่งแบบโรตารีสี่แกน ซึ่งแกนแรกสงวนไว้สำหรับดัชนีอ้างอิง ป้าย 5B ไม่นับรวมส่วนที่มีต้นทุนสูง — ตัวเข้ารหัสข้อความ Qwen3.5-9B ที่ถูกแช่แข็ง และ FLUX.2 VAE ที่ถูกแช่แข็งซึ่งโหลดมาจาก FLUX.2-klein-4B ที่ 32 ช่อง latent โดยมีแพตช์ latent ขนาด 2×2 เหนือการดาวน์แซมเปิล 8× ทำให้ได้สไตรด์ที่มีประสิทธิผล 16 พิกเซล

พรอมต์สามารถเป็นอ็อบเจ็กต์ JSON ได้ โดยกรอบขอบเขตในพิกัดพิกเซลแบบสัมบูรณ์ที่วัดจากจุดศูนย์กลางของแคนวาส สตริงข้อความตามตัวอักษร และหมายเหตุด้านไทโปกราฟี ทั้งหมดพร้อมกับ bbox_format "yxyx"เพดานของพรอมต์คือ 4,096 โทเคนในขั้นตอนการฝึกล่วงหน้าขั้นสุดท้าย มิติเอาต์พุตต้องเป็นจำนวนเต็มบวกที่เป็นพหุคูณของ 16 และคู่มือแนะนำ 1, 1.5 หรือ 2 เมกะพิกเซล โดยมีช่วงที่รองรับตั้งแต่ 512×512 ถึง 4M ค่าเริ่มต้นการสุ่มตัวอย่างคือ flow-matching Euler ที่ 50 สเต็ป, CFG 3.0, shift 5.0 พร้อมการไกด์แบบข้ามเลเยอร์บนสาขาเชิงลบที่เลเยอร์ 22 — และเส้นทางการไกด์เริ่มต้นต้องใช้การฟอร์เวิร์ดของทรานส์ฟอร์เมอร์สองครั้งต่อสเต็ป ซึ่งเป็นเหตุผลว่าทำไม 50 สเต็ปจึงไม่ใช่การตั้งค่าที่ประหยัดอย่างที่ฟังดู

ค่าใช้จ่ายในการเข้าถึงนั้นมีอยู่จริง: ประมาณ 27.2 GB สำหรับที่เก็บ SFT ซึ่งประมาณ 16.8 GB เป็นตัวเข้ารหัสข้อความ บวกกับ GPU ของคุณเองและงานให้บริการของคุณเอง ผลตอบแทนสำหรับสิ่งนั้นคือโมเดลที่คุณสามารถควอนไทซ์ ไฟน์จูน รันแบบแยกจากเครือข่าย และฝังในผลิตภัณฑ์เชิงพาณิชย์ได้โดยไม่ต้องเจรจาเรื่องใบอนุญาต เพราะ Apache 2.0 ครอบคลุมทั้ง weights และโค้ดไปป์ไลน์แบบสแตนด์อโลน โดยไม่มีเกณฑ์รายได้และไม่มีภาคผนวกการใช้งานที่ยอมรับได้

ทีละบรรทัด

• สถานะ — N​ano Banana 2 ถูกยกเลิกการใช้งาน (deprecated) โดยจะปิดให้บริการในวันที่ 29 ตุลาคม 2026; M​OSS-Image เปิดตัวเมื่อวันที่ 16 ตุลาคม 2026 ในรูปแบบ open weights โดยไม่มีกลไกการยกเลิกการใช้งาน

• การเข้าถึง — N​ano Banana 2 ผ่าน API และช่องทางสำหรับผู้บริโภคของ G​oogle และผ่านแพลตฟอร์มการกำหนดเส้นทาง; M​OSS-Image ด้วยการดาวน์โหลด

• ราคา — N​ano Banana 2 ประมาณ $0.067 ต่อภาพขนาด 1024×1024 และ $0.151 ที่ความละเอียด 4K คิดค่าบริการเป็นโทเค็นเอาต์พุต แบบแบตช์ราคาครึ่งหนึ่ง; M​OSS-Image ฟรี โดยมีขนาดพื้นที่ติดตั้งประมาณ 27.2 GB และใช้เวลาประมวลผลบน GPU ของคุณเอง

• สัญญาอนุญาต — N​ano Banana 2 เป็นซอฟต์แวร์กรรมสิทธิ์ เฉพาะ API เท่านั้น ไม่มีเวทให้ใช้งาน; M​OSS-Image ใช้ Apache 2.0 สำหรับเวทและโค้ดไปป์ไลน์แบบสแตนด์อโลน

• คะแนนอิสระ — N​ano Banana 2 อยู่ที่ Elo 1,125 สำหรับการสร้างภาพจากข้อความ และ 1,108 สำหรับการแก้ไขภาพบน Artificial Analysis; M​OSS-Image ไม่มีรายการบน Artificial Analysis และคะแนนที่เผยแพร่มาจากเบนช์มาร์กที่ผู้เขียนของมันเองเขียนขึ้น

• การเรนเดอร์ข้อความ — N​ano Banana Pro ได้คะแนน 96.6 Mean-6 บน LongLongTextBench เมื่อเทียบกับ 96.3 ของ M​OSS-Image; รุ่น Flash ไม่ได้อยู่ในแถวดังกล่าว

• การควบคุมเลย์เอาต์ — M​OSS-Image รองรับเลย์เอาต์แบบ JSON ในพิกัดพิกเซลสัมบูรณ์เทียบกับจุดศูนย์กลาง และรายงานค่าเฉลี่ย IoU ที่ 0.88 บน 7Bench; N​ano Banana Pro รายงาน 0.33 บนตารางเดียวกัน และ G​oogle ไม่ได้เผยแพร่เมตริกด้านเลย์เอาต์ของตัวเอง

• ข้อมูลอ้างอิง — N​ano Banana 2 รักษาความสม่ำเสมอของตัวละครได้สูงสุดห้าตัวและวัตถุสิบสี่ชิ้นในพรอมป์ต์เดียว; การปรับเงื่อนไขด้วยข้อมูลอ้างอิงของ M​OSS-Image เป็นแกนตำแหน่งที่สงวนไว้ ซึ่งผู้จำหน่ายอธิบายว่าเป็นงานในอนาคต ไม่ใช่ฟีเจอร์ที่เปิดให้ใช้งานแล้ว

• แหล่งที่มา — N​ano Banana 2 ใช้การฝังลายน้ำ SynthID และข้อมูลเมตา C2PA กับทุกเอาต์พุตเป็นค่าเริ่มต้น; M​OSS-Image ไม่มีชั้นการฝังลายน้ำ

• การไฟน์ทูน — MOSS-Image สามารถไฟน์ทูนและควอนไทซ์ได้ และภายในเวลาประมาณหนึ่งวัน ก็มีควอนไทเซชันจากชุมชน, DMD LoRA แบบ 4 สเต็ป และตัวแปรแบบกลั่น (distilled) 8 สเต็ป ปรากฏขึ้น ส่วน Nano Banana 2 แตะต้องไม่ได้

ทำไมการเลิกใช้งาน (deprecation) จึงเปลี่ยนคำตอบ

หาก N​ano Banana 2 และ M​OSS-Image ต่างเป็นตัวเลือกที่เสถียร การตัดสินใจก็คงเป็นเรื่องธรรมดา: API ในราคาเจ็ดเซนต์ต่อภาพ เทียบกับโมเดลที่โฮสต์เองโดยคุณเป็นผู้ออกค่าใช้จ่ายเอง โดยคุณภาพเทียบเคียงกันได้คร่าว ๆ บนเกณฑ์มาตรฐานข้อความที่ผู้ขายจัดทำขึ้น และด้านเลย์เอาต์เป็นของ M​OSS-Image อย่างเด็ดขาด การเลิกใช้ทำให้ความสมดุลนั้นแตกออก และมันทำให้แตกออกทั้งสองทาง

เมื่อเทียบกับ N​ano Banana 2 ตอนนี้ M​OSS-Image ชนะข้อโต้แย้งเรื่องความอยู่รอดได้อย่างเด็ดขาด การสร้างไปป์ไลน์บนโมเดลที่ประกาศวันสิ้นสุดอายุการใช้งานไว้ล่วงหน้าอีกสิบสองวัน แล้วยังมีรุ่นสืบทอดที่คุณยังไม่ได้วัดผลด้วยนั้น ก็คือการย้ายระบบที่คุณได้จัดตารางไว้แล้วนั่นเอง ไฟล์ที่คุณดาวน์โหลดมาไม่สามารถถูกทำให้เลิกใช้ได้ด้วยรายการใน changelog นั่นไม่ใช่ประเด็นเชิงวาทศิลป์เกี่ยวกับความเปิดกว้าง แต่เป็นข้อเท็จจริงด้านการจัดตารางเวลา และเป็นข้อโต้แย้งที่ทรงพลังที่สุดเพียงข้อเดียวที่การเปรียบเทียบนี้ให้ออกมา

แต่การเลิกใช้งานยังส่งผลในทางกลับกันด้วย และนี่คือส่วนที่มักถูกมองข้าม การมาถึงของ Nano Banana 2.1 ในราคาประมาณครึ่งหนึ่งหมายความว่าทางเลือกแทน MOSS-Image ไม่ใช่ภาพราคาเจ็ดเซนต์ — แต่เป็นภาพราคาสามเซนต์ครึ่ง และเป็นภาพที่ Google จะปรับปรุงต่อไปตามกำหนดเวลาของตัวเอง โดยไม่มีภาระด้านปฏิบัติการกับคุณ ต้นทุนรวมในการเป็นเจ้าของของ MOSS-Image จะเอาชนะสิ่งนั้นได้ก็ต่อเมื่อเวลา GPU ของคุณมีราคาถูก ปริมาณงานของคุณสูง หรือคุณต้องการสิ่งใดสิ่งหนึ่งที่ API ให้คุณไม่ได้โดยโครงสร้าง: การปรับละเอียด (fine-tuning), การทำ quantization, การติดตั้งแบบ air-gapped หรือใบอนุญาตที่คุณไม่ต้องเจรจาใหม่

ฝั่ง OrcaRouter ของเรื่องนี้ โดยไม่กล่าวอ้างเกินจริง

นี่คือคู่เปรียบเทียบเพียงคู่เดียวในชุดปัจจุบันที่เรื่องราวการจัดเส้นทางเป็นเรื่องรูปธรรมมากกว่าเป็นสมมติฐาน จึงควรกล่าวให้ชัดเจน Nano Banana 2 ให้บริการอยู่บน แคตตาล็อกของเรา ในชื่อ google/gemini-3.1-flash-image-preview — แม้ว่าเมื่อพิจารณาถึงการปิดให้บริการในวันที่ 29 ตุลาคม สิ่งที่สมเหตุสมผลที่สุดที่ควรทำกับเอนด์พอยต์นั้นในเดือนนี้คือการทดสอบการโยกย้าย ไม่ใช่การผสานรวมใหม่ และตัวที่มาแทนนั้นก็เข้าถึงได้ด้วยวิธีเดียวกัน MOSS-Image ไม่ได้อยู่ในแคตตาล็อกของเราและเราไม่ได้โฮสต์มัน มันเป็นไฟล์ที่ต้องดาวน์โหลด และไม่มีสิ่งใดในที่นี้บ่งชี้เป็นอย่างอื่น

สิ่งที่การรวมกันนี้มีประโยชน์จริง ๆ คือการตัดสินใจที่อยู่ตรงหน้าคุณ หากคุณต้องการรู้ว่า M​OSS-Image ที่โฮสต์เองให้เอาต์พุตข้อความและเลย์เอาต์ดีกว่าระดับโฮสต์ที่คุณจ่ายอยู่หรือไม่ คุณต้องมีตัวเลขทั้งสองชุดบนพรอมป์ต์เดียวกัน และครึ่งที่เป็นโฮสต์ของการทดสอบนั้นไม่ควรต้องมีสัญญาฉบับที่สอง คีย์ API เพียงคีย์เดียว ราคาตามรายการของผู้ให้บริการถูกส่งผ่านโดยบวกเพิ่ม 0% ดังนั้นเมื่อ G​oogle ปรับราคา ที่นี่ก็อัปเดตทันทีในวันเดียวกัน การสลับสำรองอัตโนมัติข้ามผู้ให้บริการ เพื่อให้การรันเปรียบเทียบไม่ล่มเพราะบ่ายที่แย่ของอัปสตรีมรายเดียว และ DSL สำหรับกำหนดเส้นทางที่วางทั้งสองไว้หลังปลายทางเดียว นั่นคือคำกล่าวอ้างทั้งหมด และมันหยุดลงตรงจุดที่ข้อเสนอที่จะโฮสต์ M​OSS-Image จะเริ่มต้นพอดี

ต้องทำอะไรในอีกสิบสองวันข้างหน้า

หากคุณกำลังใช้งาน Nano Banana 2 ในโปรดักชัน งานเร่งด่วนในตอนนี้ไม่เกี่ยวข้องกับ MOSS-Image เลย: คุณมีตัวระบุที่เลิกใช้แล้ว ตัวสืบทอดที่ราคาครึ่งเดียว และกำหนดเส้นตาย จงรันชุดประเมินของคุณกับตัวสืบทอดอีกครั้งก่อนวันที่ 29 แล้วตัดสินใจจากหลักฐาน ไม่ใช่จากการลดราคา

หากคุณกำลังประเมิน MOSS-Image จงทำเพื่อสองเหตุผลที่ยังคงอยู่หลังการเปรียบเทียบ ประการแรก การควบคุมเลย์เอาต์ — ช่องว่าง 0.88 เทียบกับ 0.33 บน 7Bench เป็นผลลัพธ์เดียวในพื้นที่นี้ที่ไม่มีบริการโฮสต์ใดในปัจจุบันท้าทายได้ และหากการวางตำแหน่งที่แม่นยำเป็นปัญหาของคุณ ก็ไม่มีระดับ API ใดแก้ไขได้ ประการที่สอง ความคงทนถาวร — น้ำหนัก Apache 2.0 ที่ไม่มีใครสามารถยกเลิก กำหนดราคา หรือกั้นด้วยโรดแมปของใครนอกจากของคุณ

อย่านำ MOSS-Image มาใช้สำหรับการเรนเดอร์ข้อความ มันยอดเยี่ยมในเรื่องนี้ และไม่ได้เป็นผู้นำในด้านนี้: 96.3 อยู่ต่ำกว่า 96.6 ของ Nano Banana Pro และต่ำกว่า 99.0 ของ GPT Image 2 ในตารางของผู้ขายเอง และโมเดลที่คุณจะแทนที่นั้นมีค่าใช้จ่ายเพียงไม่กี่เซนต์ต่อภาพ โดยไม่มี 27 GB เลย เหตุผลสนับสนุนโมเดลนี้แคบ เจาะจง และเป็นจริง และไม่ใช่เหตุผลที่ตาราง benchmark ของมันถูกสร้างขึ้นมาเพื่อนำเสนอ

มีสองสิ่งที่จะทำให้เรื่องนี้ได้ข้อยุติ การรัน LongLongTextBench หรือ 7Bench แบบอิสระโดยคนอื่นที่ไม่ใช่ OpenMOSS และ pull request ของ vLLM-Omni ที่เพิ่ม MOSS-Image พร้อมการรวม skip-layer guidance เข้าใน tagged release — มันถูกเปิดเมื่อวันที่ 14 ตุลาคม มีการเพิ่มโค้ด 3,605 บรรทัดใน 25 ไฟล์ และยังเปิดอยู่ โดยผู้รีวิวขอหลักฐานเรื่อง output parity เทียบกับ reference ที่ปักหมุดไว้ จนกว่าทั้งสองอย่างนี้จะเกิดขึ้น บทสรุปที่แม่นยำก็คือ โมเดลของ Google เป็นโมเดลอเนกประสงค์ที่ดีกว่า เข้าถึงได้ด้วยต้นทุนที่ต่ำกว่า และจะหายไปในอีกสิบสองวัน ขณะที่โมเดลของ OpenMOSS ทำสิ่งหนึ่งที่ไม่มีใครทำได้ ต้องใช้ฮาร์ดแวร์ และจะยังติดตั้งได้อยู่ แม้ changelog ที่ปลดระวางคู่แข่งของมันจะถูกลืมไปนานแล้วก็ตาม

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