Hy Image3.5 vs Ming-Image-0.1-Design: Một cái có thể thuê, cái kia không thể mua

Hy Image3.5 và Ming-Image-0.1-Design ra mắt cách nhau năm ngày trong tháng 9 năm 2026 và có cách phân phối khác nhau đến mức không thể khác hơn. Mô hình của Tencent là một API tính phí theo lưu lượng: ảnh 2K với giá 0,024 USD mỗi ảnh trên Tencent Cloud International, một bản xem trước mở ngày 22 tháng 9, hiện có thể truy cập qua chính các sản phẩm và bề mặt đám mây của Tencent. Ming-Image-0.1-Design của inclusionAI là một kho lưu trữ: trọng số cấp phép MIT trên Hugging Face từ ngày 17 tháng 9, khoảng 71,5 GB safetensors BF16, không có endpoint, không có giá, không có nhà cung cấp, và một Quick Start trỏ đến một kho lưu trữ đồng hành trả về 404. Một cái là sản phẩm bạn có thể gọi vào chiều nay. Cái kia là tệp bạn có thể tải về vào chiều nay.

Đó là sự so sánh, và đây không phải là một cuộc thi về chất lượng — không mô hình nào có điểm số độc lập, nên không mô hình nào có thể được xếp hạng dựa trên đầu ra. Điều có thể so sánh là mỗi mô hình cho phép bạn làm gì, và mỗi mô hình dừng lại ở đâu. Đọc theo cách đó, hai mô hình gần như đối lập hoàn toàn trên mọi trục mà một đội ngũ sản xuất quan tâm.

Chiều hướng duy nhất mà mô hình mở giành chiến thắng tuyệt đối

Hãy bắt đầu với giấy phép, vì đó là điểm duy nhất mà sự so sánh không cân bằng.

Ming-Image-0.1-Design theo giấy phép MIT. Hãy tải trọng số về, tinh chỉnh chúng trên danh mục của riêng bạn, đưa kết quả vào một sản phẩm thương mại, tự vận hành nó cho khách hàng, giữ lại mô hình dẫn xuất — không phí theo lượt gọi, không điều khoản sử dụng phải thương lượng, không nhà cung cấp nào có thể ngừng hỗ trợ endpoint ngay dưới chân bạn. Với một đội ngũ có ràng buộc về quyền riêng tư, ngân sách GPU cố định, hoặc nhu cầu huấn luyện trên tài sản thiết kế độc quyền, đó không phải là một sở thích, mà là sự khác biệt giữa có đường đi và không có đường đi. Không một API hình ảnh được lưu trữ nào, kể cả của Tencent, có thể cung cấp điều đó.

Cái giá của giấy phép đó là phần còn lại của bài báo.

Mọi thứ khác, từng dòng một.

• Truy cập — Hy Image3.5 đã hoạt động thông qua Tencent Cloud TokenHub, Media Processing Service và Video on Demand, cùng với Yuanbao, ima, Miora, WorkRally, OnSolo và WorkBuddy, với cửa sổ miễn phí cho ba trong số đó đến ngày 7 tháng 10 năm 2026; Ming-Image-0.1-Design không có endpoint được lưu trữ ở bất kỳ đâu, không có triển khai nhà cung cấp suy luận nào, và thẻ mô hình của chính nó bảo bạn clone một kho lưu trữ suy luận và chạy một script.

• Chi phí — $0.024 cho mỗi ảnh 2K được giao, với các lượt tạo bị lỗi và bị lọc không bị tính phí và không có đồng hồ đo đầu vào, so với trọng số miễn phí và một GPU CUDA 80 GiB mà bạn phải tự tìm. Con số thứ hai không phải bằng không; đó là tiền thuê hoặc khấu hao một card thuộc hạng đó, cộng với số giờ kỹ thuật để dựng stack lên.

• Đầu ra — Hy Image3.5 đạt 2K với các tỷ lệ khung hình tiêu chuẩn và không có mức 4K; Ming-Image-0.1-Design khuyến nghị 2048×2048 hoặc 1024×1024 để có tốc độ nhanh, ở 12 bước lấy mẫu và CFG 1.0 trong BF16.

• Độ trong suốt — Ming-Image-0.1-Design xuất ra RGBA với nền trong suốt như một đầu ra nguyên bản, đây là một năng lực thực sự cho công việc biểu tượng, sprite và ghép lớp; Hy Image3.5 không có chế độ nền trong suốt nào được tài liệu hóa.

• Điều kiện hóa — Hy Image3.5 nhận tối đa năm ảnh tham chiếu mỗi yêu cầu và giữ lại các lượt trước đó trong một phiên chỉnh sửa nhiều lượt; câu chuyện điều kiện hóa của Ming-Image-0.1-Design nằm ở bộ mã hóa văn bản của nó, một LLM đa phương thức trong pipeline, với việc tăng cường gợi ý được mong đợi từ các mô hình anh em thay vì được tích hợp sẵn.

• Hỗ trợ triển khai — một API được quản lý có kèm thời gian hoạt động, so với một lộ trình vLLM-Omni mà hướng dẫn cài đặt của nó thì chạy được trong khi công thức dành riêng cho mô hình thì không.

• Bằng chứng độc lập — không có gì, ở cả hai phía.

Vấn đề bằng chứng, vốn tệ hơn vẻ ngoài của nó

Cả hai mô hình đều ra mắt mà không có đo lường từ bên thứ ba, nhưng chúng thất bại theo những cách khác nhau, và sự khác biệt này mang tính chỉ dẫn.

Tuyên bố của Tencent là một nghiên cứu ưu tiên GSB mù được thực hiện với vài trăm nhà thiết kế chuyên nghiệp của chính họ, trong đó Hy Image3.5 đánh bại Hy Image3.0 khoảng 30%, ngang bằng Seedream 5.0 Pro, và nhỉnh hơn Nano-Banana Pro cùng Qwen-Image-3.0 Pro. Phương pháp luận thì chắc chắn, người tham gia làm việc cho Tencent, bộ prompt không được công bố, và kết quả là một con số mà không ai ngoài công ty có thể chạy lại. Trên bảng xếp hạng text-to-image của Artificial Analysis đọc ngày 23 tháng 9 năm 2026, hoàn toàn không có dòng Hy Image3.5 nào; thế hệ trước đó, HunyuanImage 3.0 Instruct, đứng thứ 65 trong số 156 với 964 Elo.

Tuyên bố của Ming-Image-0.1-Design là một đồ họa bảng xếp hạng được công bố bên trong chính kho lưu trữ của nó, có tiêu đề "Bảng xếp hạng Text to Image: Thiết kế UI/UX", với chân trang "Điểm Elo từ các phiếu bầu ưu tiên mù trong Image Arena của chúng tôi" và huy hiệu "Bảng xếp hạng Open Weights". Nó đặt mô hình ở vị trí đầu tiên với 1.082 Elo, trên Ideogram 4.0 (Quality) ở 1.052, Ideogram 4.0 ở 1.015 và HunyuanImage 3.0 Instruct ở 1.005. Đồ họa này mang thương hiệu Artificial Analysis; mô hình không xuất hiện trên các bảng trực tiếp của Artificial Analysis. Chúng tôi không thể tìm thấy bảng xếp hạng mà nó mô tả trên web công khai, và nó không hiển thị số phiếu bầu.

Vậy nên con số của Tencent ít nhất mô tả một nghiên cứu mà công ty đã thực hiện. Con số của Ming mô tả một nghiên cứu có thể không tồn tại bên ngoài kho lưu trữ của chính nó — một vấn đề khó hơn, bởi vì nó không chỉ chưa được kiểm toán, mà còn không thể định vị được. Cả hai đều không nên được trích dẫn như một chuẩn đối sánh, và quan điểm trung thực về cả hai là câu hỏi chất lượng vẫn còn bỏ ngỏ.

Vì sao kiến trúc này vẫn đáng để ngó qua

Một chi tiết trong pipeline của Ming-Image-0.1-Design là thứ kỹ thuật thú vị nhất trong cả hai thông báo, và nó hiện rõ trong kho mã chứ không phải trong bất kỳ tài liệu báo chí nào. Một commit vLLM-Omni của bên thứ ba đấu nối một bộ mã hoá glyph cấp byte ByT5 vào một pipeline tên là `ming_flash_omni`, mở rộng từ vựng tokenizer với các dấu hiệu phông chữ và màu sắc. Đó là một ý đồ thiết kế mà bạn có thể đọc trực tiếp: mô hình dường như coi văn bản được kết xuất như các glyph có thuộc tính kiểu chữ, thay vì như một thuộc tính nảy sinh từ câu lệnh, vốn là chế độ lỗi đằng sau gần như mọi tấm áp phích được kết xuất tồi tệ mà một mô hình hình ảnh từng tạo ra.

Nó cũng nhất quán với mục đích đã nêu của mô hình — UI, infographic, poster và các công việc thiết kế nặng về chữ khác — và với đầu ra 2048×2048 được khuyến nghị, vì chữ dễ đọc cần pixel. Nhưng đó là ý định, không phải bằng chứng. Bố cục kho chứa cho thấy sáu thư mục thành phần không có `model_index.json`, nghĩa là mô hình là một pipeline nhiều giai đoạn chứ không phải một lệnh gọi đơn, và phần đấu nối bộ mã hóa glyph nằm trong framework suy luận của người khác chứ không nằm trong model card. Cho đến khi một bên thứ ba chạy nó và cho thấy phần chữ, đó vẫn chỉ là một tuyên bố kiến trúc.

Tuyên bố tương ứng của Hy Image3.5 mang tính thông lệ hơn và cũng chưa được kiểm chứng không kém: Tencent cho biết chữ Trung và chữ Anh trong ảnh đã được cải thiện, cùng với bố cục do prompt chỉ định tốt hơn và khả năng chỉnh sửa mạnh mẽ hơn trên ảnh chụp thực tế. Cũng đều do nhà cung cấp tự báo cáo, cũng đều chưa được tái lập.

Cách thực sự sử dụng một trong hai

Câu trả lời thực tế khác hoàn toàn tùy thuộc vào mô hình bạn đã chọn, và cả hai câu trả lời đều không liên quan đến bảng xếp hạng.

Nếu bạn muốn Hy Image3.5, hãy tận dụng cửa sổ miễn phí. Miora, WorkRally và OnSolo mở miễn phí từ ngày 22 tháng 9 đến ngày 7 tháng 10 năm 2026, khoảng thời gian đủ dài để bạn chạy những prompt thật của mình với nó và hình thành quan điểm mà nghiên cứu của Tencent không thể mang lại cho bạn. Sau đó hãy quyết định liệu một bản xem trước mà bạn không thể tự vận hành, không thể tinh chỉnh và không thể đo lường độc lập có thuộc về lộ trình sản xuất hay không — và nếu có, hãy giữ lệnh gọi tạo sinh đằng sau một giao diện mà bạn có thể trỏ lại, vì một bản xem trước không kèm cam kết về tính khả dụng và giá hoặc mô hình có thể thay đổi dưới chân bạn.

Nếu bạn muốn Ming-Image-0.1-Design, nhiệm vụ đầu tiên không phải là tạo sinh, mà là triển khai. Hãy dự trù cho một GPU CUDA 80 GiB duy nhất, hãy chuẩn bị tinh thần phải clone một kho suy luận thay vì gọi một pipeline, và hãy kiểm tra liên kết công thức vLLM-Omni trước khi bạn lên kế hoạch dựa vào nó, vì nó đã không phân giải được khi chúng tôi kiểm tra. Thứ bạn nhận được ở phía bên kia là mô hình duy nhất trong hai mô hình này mà bạn có thể tinh chỉnh, là mô hình duy nhất phát ra kênh trong suốt, và là mô hình duy nhất không thể bị lấy đi khỏi bạn.

Đặc tính cuối cùng đó cũng chính là lý do vì sao một lớp định tuyến và một mô hình trọng số mở là bổ trợ cho nhau chứ không phải những phương án thay thế. OrcaRouter là nửa phần được quản lý — một khóa duy nhất cho hơn 200 mô hình, giá niêm yết của nhà cung cấp được chuyển nguyên với mức markup 0% nên khi nhà cung cấp thay đổi mức giá thì cập nhật có hiệu lực ngay trong cùng ngày, cùng với chuyển đổi dự phòng tự động để một bản xem trước chưa được kiểm chứng có thể nằm sau một lệnh gọi production mà không trở thành điểm lỗi đơn lẻ. Đó không phải là nửa phần mang lại trọng số cho bạn. Nói chính xác về danh mục của chúng tôi: cả Hy Image3.5 lẫn Ming-Image-0.1-Design đều không thể định tuyến tại đây. OrcaRouter không lưu trữ mô hình hình ảnh nào của Tencent và không có mô hình nào của inclusionAI, và những mô hình ảnh tĩnh được lưu trữ mà chúng tôi thực sự phục vụ là Nano Banana 2 của Google (dưới dạng google/gemini-3.1-flash-image-preview), GPT-Image-2, Imagen 4 Ultra và Grok Imagine Image.

Từng cái dùng để làm gì

Hy Image3.5 dành cho những đội ngũ muốn có hình ảnh với chi phí rẻ và không muốn vận hành bất cứ thứ gì: đầu ra 2K, tính phí theo từng hình ảnh và không thu phí cho những lần thử bị bỏ, một API hoạt động ngay hôm nay, cùng một tuyên bố về chất lượng mà bạn sẽ phải tự kiểm chứng. Đây là lựa chọn ít trở ngại nhất trong nhóm và nó hoàn toàn không đi kèm quyền sở hữu nào.

Ming-Image-0.1-Design dành cho những đội nhóm mà ràng buộc của họ không phải là giá cả mà là khả năng kiểm soát — một giấy phép họ có thể xây dựng doanh nghiệp trên đó, một mô hình họ có thể tinh chỉnh, một kênh minh bạch mà không API được lưu trữ nào cung cấp, và một hóa đơn GPU thay vì chi phí theo từng lần gọi. Nó đi kèm với không hỗ trợ, không endpoint, và một câu chuyện triển khai còn dang dở.

Hai thứ đó không cạnh tranh cho cùng một vị trí, và lý do không phải là chất lượng. Đó là vì một trong hai là dịch vụ còn cái kia là tài sản, và câu hỏi bạn cần cái nào đã được trả lời trước cả khi bạn nhìn đến một bài kiểm chuẩn.