Images 2.6 vs Qwen Image 3.0: Cả hai đều không mở, và chỉ một từng mở.

Những người tìm kiếm so sánh này thường tìm cùng một thứ: một lý do để chạy một mô hình hình ảnh trên GPU của riêng họ. Qwen Image 3.0 trông giống như câu trả lời, vì dòng hình ảnh Qwen có trọng số mở kéo dài suốt ba thế hệ. Đó không phải là câu trả lời. Qwen Image 3.0 và Qwen Image 3.0 Pro là các mô hình API được lưu trữ, được công bố vào ngày 22 tháng 7 năm 2026 và có sẵn rộng rãi trên Alibaba Cloud Model Studio kể từ ngày 4 tháng 8 năm 2026, không có thẻ mô hình, không có báo cáo kỹ thuật và không có số lượng tham số được công bố. Dòng dõi mở dừng lại sớm hơn một bước, tại Qwen-Image-2.1. Trong khi đó Images 2.6 — bản phát hành ngày 4 tháng 11 năm 2026 của OpenAI về GPT-Image-2.6 Sunburst và GPT-Image-2.6 Flare — rõ ràng là đóng, và chưa bao giờ giả vờ khác đi.

Vậy nên cách đặt vấn đề trung thực cho màn so tài này không phải là mở so với đóng. Mà là đóng so với đóng, với một nhà cung cấp đã tung ra một lựa chọn mở sớm hơn sáu tuần và một nhà cung cấp khác bán một sản phẩm rộng hơn với hoạt ảnh, đầu ra vector và cơ chế phân tầng chất lượng. Câu hỏi về trọng số mở dù sao vẫn đáng được trả lời, vì đó là lý do trang này tồn tại, và câu trả lời là Qwen-Image-2.1 chính là mô hình bạn thực sự muốn nếu yêu cầu là tự vận hành.

Lập trường về cấp phép, được nêu cẩn thận

Đây là một chủ đề mà các nguồn thứ cấp sai rõ rệt, nên việc dẫn nguồn quan trọng hơn kết luận.

Một số trang tổng hợp — trong đó có các trang so sánh của LLM Stats và bảng AI tạo sinh trên Wikipedia — liệt kê Qwen Image 3.0 là trọng số mở theo Apache 2.0 hoặc "Qwen License". Những mục liệt kê đó có vẻ là hiện vật từ mẫu: các trang được tạo từ một lược đồ giả định rằng dòng mô hình này là mở, và chúng mâu thuẫn với các báo cáo chi tiết hơn. Không thể tìm thấy kho lưu trữ Hugging Face, checkpoint safetensors hay thẻ mô hình nào cho 3.0 hoặc 3.0 Pro. Cách đọc thận trọng, và cũng là cách bài viết này lựa chọn, là 3.0 chỉ được lưu trữ (hosted-only) cho đến khi Alibaba công bố trọng số.

Điều rõ ràng là mở chính là thế hệ trước. Qwen-Image-2.1, được phát hành vào tháng 9 năm 2026, là một transformer khuếch tán 7B đi kèm bộ mã hóa văn bản Qwen3-VL 8B, được công bố theo Qwen Research License — không phải Apache 2.0, và không miễn phí cho mục đích thương mại nếu không có thỏa thuận riêng. Sự khác biệt đó quan trọng hơn cả bản thân các trọng số đối với hầu hết các công ty. Một giấy phép nghiên cứu yêu cầu đàm phán trước khi bạn có thể phát hành là một vấn đề thu mua khác với một bản tải xuống Apache 2.0, và những nhóm từng cho rằng dòng hình ảnh Qwen đều cho phép rộng rãi như nhau sẽ thấy các điều khoản đã thay đổi ngay dưới chân mình.

Điều này đặt Qwen Image 3.0 vào một thế khó. Nó tốt hơn 2.1 trên mọi khía cạnh được đo — sẽ nói rõ hơn bên dưới — nhưng nó không thể tự triển khai, không thể tinh chỉnh trên dữ liệu của riêng bạn và không thể ghim vào một checkpoint do bạn kiểm soát. Nếu đó là những lý do bạn đang xem xét dòng Qwen, thì 3.0 không đáp ứng được chúng và 2.1 là một bản hạ cấp.

Bảng điểm, với khoảng trống ở đúng chỗ.

Artificial Analysis, ngày 5 tháng 11 năm 2026, cả hai bảng xếp hạng:

• AA-Image-Editing v2.1 — Qwen Image 3.0 Pro đạt 1,092 (hạng 20, 13.614 mẫu), Qwen Image 3.0 đạt 1,069 (hạng 29, 8.137 mẫu), Qwen-Image-2.1 đạt 1,081. GPT Image 2.5 Sunburst dẫn đầu với 1,199.

• AA-Image-T2I v2.1 — Qwen Image 3.0 Pro đạt 1,096 (hạng 17), Qwen Image 3.0 đạt 1,073 (hạng 18), Qwen-Image-2.1 đạt 1,044. GPT Image 2.5 Sunburst dẫn đầu với 1,224.

• Images 2.6 — không có dòng nào trên cả hai bảng. Nó đã được một ngày.

Ba nhận xét. Thứ nhất, khoảng cách giữa Qwen Image 3.0 Pro và mô hình tiền nhiệm của OpenAI là khoảng 100 Elo trên cả hai bảng xếp hạng, đây không phải một cuộc so tài sát sao. Thứ hai, bản nâng cấp Pro mang lại thêm 23 Elo ở tạo ảnh từ văn bản và 23 Elo ở chỉnh sửa với mức tăng giá khiêm tốn — một cải thiện thực sự, nhất quán chứ không phải một hạng mục tiếp thị. Thứ ba, và thú vị nhất, Qwen-Image-2.1 đánh bại Qwen Image 3.0 trên bảng chỉnh sửa (1.081 so với 1.069), dù là mô hình trọng số mở cũ hơn và kém rõ rệt về khả năng tạo ảnh. Bản phát hành 3.0 cải thiện khả năng tạo ảnh và không cải thiện khả năng chỉnh sửa. Nếu chỉnh sửa là thứ bạn cần ở dòng Qwen, mô hình mở là lựa chọn tốt hơn, một phát hiện bất thường và thực sự hữu ích.

Các khoảng tin cậy đủ rộng — ±12 đến ±13 — đến mức chênh lệch chỉnh sửa giữa 2.1 và 3.0 nằm trong vùng nhiễu. Nhưng chiều hướng này nhất quán với số lượng mẫu và đó là lý do để không cho rằng một con số mới hơn luôn có nghĩa là một mô hình tốt hơn.

Qwen Image 3.0 thực sự giỏi ở điểm nào

Lý do sử dụng nó không phải là cột điểm chuẩn. Mà là văn bản.

Những tuyên bố của Alibaba về Qwen Image 3.0 rất cụ thể: lời nhắc lên tới khoảng 4.500 token, khả năng kết xuất rõ ràng ở cỡ chữ nhỏ tới khoảng 10 pixel, hỗ trợ 12 ngôn ngữ, tối đa sáu hình ảnh mỗi lần gọi và đầu ra tối đa 2048 × 2048. Hình ảnh tham chiếu được tính phí riêng ở mức khoảng 0,003 USD mỗi ảnh, và các tham chiếu được gửi lại sẽ bị tính phí lần nữa — một chi tiết đáng theo dõi, vì vòng lặp chỉnh sửa truyền cùng một tham chiếu ở mỗi lượt sẽ âm thầm tích lũy chi phí.

Trong số những tuyên bố đó, khả năng kết xuất văn bản đa ngôn ngữ là tuyên bố có bằng chứng độc lập mạnh nhất. Alibaba không công bố chuẩn đánh giá chính thức nào cho các hạng 3.0, bản thân điều đó cũng là một tuyên bố, nhưng danh tiếng của mô hình trong cộng đồng được xây dựng trên các hình ảnh văn bản dày đặc: áp phích, bản mô phỏng giao diện người dùng, bao bì có chữ in nhỏ và kiểu chữ CJK mà các mô hình phương Tây xử lý kém. Nếu sản phẩm bàn giao của bạn phải mang nội dung tiếng Trung, tiếng Nhật hoặc tiếng Hàn dễ đọc trong một bố cục được thiết kế, thì đây là mô hình trong so sánh được xây dựng cho việc đó, và dòng sản phẩm của OpenAI không có tuyên bố tương đương.

Điểm mạnh của Images 2.6 nằm ở những chỗ khác và mang tính cấu trúc hơn là kiểu chữ. Nó cung cấp tính năng tạo ảnh GIF động trong ChatGPT, xuất SVG, chỉnh sửa theo đánh dấu và một tham số độ phức tạp quy định mức độ lập kế hoạch mà mô hình dành cho một yêu cầu. Nó cũng bổ sung ảnh tham chiếu đã lưu có thể tái sử dụng. Không có tính năng nào trong số đó là thứ Qwen Image 3.0 cung cấp. Xuất SVG đặc biệt là một lợi thế cả một hạng mục chứ không chỉ là tiện ích có thì tốt: đầu ra vector cho biểu tượng, logo và sơ đồ là thứ mà không mô hình raster nào trong so sánh này có thể tạo ra ở bất kỳ mức chất lượng nào.

Chi phí trên mỗi hình ảnh sử dụng được, không phải trên mỗi hình ảnh

Các bảng biểu phí trông có vẻ sát nhau cho đến khi bạn tính đến tỷ lệ loại bỏ.

• Qwen Image 3.0 Standard — khoảng $0,03 đến $0,035 mỗi ảnh ở 1K hoặc 2K, hoặc khoảng $30 mỗi nghìn theo danh sách niêm yết của Artificial Analysis.

• Qwen Image 3.0 Pro — $0,04 ở 1K, $0,075 ở 2K, hoặc khoảng $40 mỗi nghìn. Mỗi ảnh tham chiếu cộng thêm khoảng $0,003.

• Images 2.6 — tính theo token với giá $5 mỗi triệu đầu vào văn bản, $8 mỗi triệu đầu vào hình ảnh và $30 mỗi triệu đầu ra hình ảnh, với lô khoảng một nửa. Mỗi hình ảnh tốn khoảng $0,006 ở mức thấp, $0,013 ở mức trung bình, $0,053 ở mức cao và $0,21 ở mức tối đa, được suy ra từ ngân sách token kế thừa từ thế hệ 2.5 thay vì các con số 2.6 đã công bố.

Trên lý thuyết, Qwen Image 3.0 Pro ở mức $0.075 cho 2K nằm giữa thiết lập high và xhigh của OpenAI. Nhưng mức kém 100 điểm Elo không phải là chênh lệch chất lượng nhỏ; nó ngụ ý tỷ lệ đầu ra bị từ chối, phải nhắc lại hoặc sửa thủ công cao hơn đáng kể. Nếu Pro cần hai lần thử để đạt kết quả chấp nhận được còn Images 2.6 ở mức high chỉ cần một lần, thì chi phí thực tế là $0.15 so với $0.053 — mô hình rẻ hơn lại có giá gấp ba lần khi bạn tính cả những kết quả bị bỏ đi. Phép tính đó có thể hiểu theo cả hai chiều, đó là lý do lời khuyên trung thực là hãy đo tỷ lệ bị từ chối trên chính prompt của bạn thay vì tin bảng giá của bên nào.

Đây cũng là nơi mức cộng thêm 0% có ý nghĩa cụ thể. OrcaRouter chuyển nguyên giá niêm yết của nhà cung cấp mà không thay đổi, vì vậy con số trên mỗi hình ảnh trong danh mục của chúng tôi chính là con số mà nhà cung cấp tính — không có khoản chênh lệch nào được cộng vào hóa đơn tính theo token, và thay đổi giá của nhà bán được phản ánh ngay trong ngày thay vì vào chu kỳ định giá lại tiếp theo. Đối với một quy trình mà chi phí thực tế phụ thuộc vào tỷ lệ từ chối mà bạn vẫn đang đo, một bộ đếm không cộng thêm chênh lệch chính là sự khác biệt giữa một con số có thể so sánh được và một con số bị đội lên.

Quyết định về trọng số mở, nếu đó thực sự là câu hỏi của bạn

Nếu tự vận hành là điều không thể thương lượng, thì tất cả những điều này đều không quan trọng và câu trả lời rất ngắn gọn: hãy chạy Qwen-Image-2.1, chấp nhận điểm chỉnh sửa 1.081, dự trù cho cuộc trao đổi về Qwen Research License nếu bạn là doanh nghiệp, và đừng chờ đợi bản trọng số 3.0 vốn chưa được công bố và có thể sẽ không bao giờ có. Hãy kết hợp nó với một mô hình được lưu trữ sẵn cho những công việc mà nó yếu, cụ thể là tạo sinh chứ không phải chỉnh sửa.

Nếu tự lưu trữ là một tùy chọn được ưu tiên chứ không phải yêu cầu bắt buộc, thì cách tính sẽ thay đổi. Lợi thế của Qwen Image 3.0 là khả năng hiển thị văn bản đa ngôn ngữ và mức giá thấp trên mỗi ảnh. Lợi thế của Images 2.6 là hoạt ảnh, xuất vector, chỉnh sửa markup và đường cơ sở đo lường mạnh hơn nhiều — ít nhất là thông qua phiên bản tiền nhiệm của nó. Đây phần lớn là những điểm mạnh không trùng lặp, nghĩa là cả hai có thể cùng nằm trong một pipeline mà không cạnh tranh: dòng của OpenAI dành cho tạo sinh và chuyển động, còn dòng của Qwen dành cho các bố cục nặng về typography bằng những ngôn ngữ mà các mô hình phương Tây xử lý lộn xộn.

Chạy cả hai không phải là vấn đề hai hợp đồng nếu chúng dùng chung một khóa. OrcaRouter định tuyến các mô hình hình ảnh của OpenAI theo giá niêm yết với chuyển đổi dự phòng tự động, và một quy tắc định tuyến có thể gửi yêu cầu đến mô hình này hoặc mô hình kia dựa trên nhu cầu của lời nhắc — không cần SDK thứ hai, không cần quan hệ thanh toán thứ hai, không cần xoay vòng thông tin xác thực theo từng nhà cung cấp. Đó là một điểm vận hành khiêm tốn, nhưng chính nó quyết định liệu một pipeline hai mô hình có đáng để xây dựng hay không.

Nơi điều này kết thúc

Qwen Image 3.0 là một mô hình tốt nhưng vẫn còn câu chuyện phân phối chưa được giải quyết. Giá của nó có tính cạnh tranh, khả năng kết xuất văn bản đa ngôn ngữ của nó thực sự là tốt nhất trong phân khúc so sánh, và chất lượng đo được của nó kém khoảng 100 Elo so với thế hệ trước của OpenAI trên cả hai bảng xếp hạng. Các trọng số mở khiến dòng Qwen Image hấp dẫn về nguyên tắc không có mặt trong 3.0, và mô hình thực sự mang chúng — Qwen-Image-2.1 — đạt điểm cao hơn 3.0 ở khả năng chỉnh sửa.

Images 2.6 là một sản phẩm rộng hơn với vị thế chưa được đo lường. Mọi điều có thể xác minh về nó đều là một khẳng định kế thừa: mô hình định giá, bề mặt endpoint, cấu trúc hai biến thể. Mọi điểm mới của nó — GIF, SVG, chỉnh sửa markup, tham số độ phức tạp — đều chưa được kiểm chứng bởi bất kỳ bài kiểm thử độc lập nào và một phần chưa được ghi chép tài liệu.

Kết luận duy nhất không phụ thuộc vào một benchmark còn thiếu là kết luận về cấp phép, và đó là lý do hầu hết độc giả tìm đến: nếu bạn cần trọng số, chúng không có ở đây, và chúng cũng không có trong 3.0. Hãy kiểm tra tổ chức Hugging Face trước khi bạn lập kế hoạch dựa trên một checkpoint. Đó đã là tín hiệu đáng tin cậy cho dòng mô hình này suốt cả năm, và hiện tại nó dừng ở 2.1.