MOSS-Image vs HY-Image 3.5: Cả hai đều bán cho bạn văn bản được kết xuất, và chỉ một bên cho bạn thấy bài kiểm tra.

Hỏi bất kỳ nhà cung cấp nào xem mô hình hình ảnh của họ thực sự dùng để làm gì và bạn sẽ nhận được cùng một câu trả lời. M​OSS-Image, được OpenMOSS phát hành ngày 16 tháng 10 năm 2026 dưới dạng các checkpoint Apache 2.0 M​OSS-Image-Base và M​OSS-Image-SFT, nổi bật với khả năng kết xuất văn bản và bố cục. H​Y-Image 3.5, mô hình hình ảnh hiện tại của T​encent trong dòng H​unyuan, nổi bật với độ chính xác được cải thiện đối với văn bản được kết xuất bên trong hình ảnh — cả tiếng Trung lẫn tiếng Anh. Hai nhà cung cấp, cách nhau năm nghìn dặm, cùng chọn một năng lực để quảng bá, và đó là một tín hiệu đáng tin về việc chế độ thất bại thực sự của hạng mục này đã nằm ở đâu trong hai năm qua.

Tuy nhiên, hai tuyên bố ấy đến trong những gói hoàn toàn khác nhau. Một trong số đó đi kèm với một benchmark và một con số. Cái còn lại đi kèm với một câu. Chính sự bất đối xứng đó — chứ không phải chất lượng hình ảnh, thứ mà chưa ai đo lường giữa hai cái này — mới là toàn bộ phép so sánh, và đáng để xem xét kỹ lưỡng bởi vì con số tồn tại là của chính một nhà cung cấp, còn câu nói không tồn tại thì đến từ một nhà cung cấp có bề dày lịch sử hơn.

Ý nghĩa của "kết xuất văn bản" ở mỗi bên là gì

Tuyên bố của Tencent là một tuyên bố về độ chính xác trên hai hệ chữ. HY-Image 3.5 được ghi nhận là cải thiện độ chính xác của văn bản được vẽ bên trong hình ảnh, và tài liệu nêu rõ rằng điều này bao gồm cả tiếng Trung lẫn tiếng Anh. Đó là một tuyên bố hẹp hơn và thực tế hơn so với vẻ ngoài của nó. Tiếng Trung là hệ chữ mà hầu hết các mô hình hình ảnh phương Tây xử lý kém nhất — mật độ ký tự cao hơn, kho ký tự sâu hàng nghìn chữ thay vì chỉ vài chục, và một mô hình có thể vẽ ra những mẫu chữ Latin trông có vẻ hợp lý lại có thể vẽ ra nhữngHán tự hoàn toàn bịa đặt mà không ai nhận ra cho đến khi người hiệu đính phát hiện. Một nhà cung cấp có thị trường quê nhà sử dụng chữ Trung Quốc có lý do rõ ràng để tấn công vấn đề đó trước tiên, và Tencent đã nói thẳng như vậy.

Tuyên bố của OpenMOSS nói về độ dài chứ không phải độ bao phủ hệ chữ. Minh chứng nổi bật của MOSS-Image là các đoạn văn — văn bản văn học có độ dài mục tiêu trung bình khoảng 1.340 ký tự, được giữ đọc được rõ ràng trên khắp một hình ảnh. Đó là một bài toán khác với việc làm đúng bốn ký tự tiếng Trung. Đó là sự khác biệt giữa kết xuất một wordmark và kết xuất một trang.

• Điều nhà cung cấp nhấn mạnh trước tiên — M​OSS-Image: khả năng render văn bản dạng dài, với bố cục đóng vai trò cơ chế điều khiển. H​Y-Image 3.5: độ chính xác văn bản ở tiếng Trung và tiếng Anh, cùng sự nhất quán của chủ thể qua nhiều lần chỉnh sửa lặp lại.

• Giao diện mang lại cho bạn những gì — MOSS-Image: một prompt JSON với một khối tóm tắt và một mảng mục, trong đó mỗi phần tử văn bản mang một hộp giới hạn và chuỗi ký tự nguyên văn cần hiển thị. HY-Image 3.5: một prompt bằng ngôn ngữ tự nhiên, cùng với ảnh tham chiếu cho hướng chỉnh sửa. Không có trường chuỗi nào được ghi nhận cho từng phần tử.

• Giới hạn đầu ra là gì — M​OSS-Image: được huấn luyện với 576, rồi 3.072, rồi 8.192 token qua ba độ phân giải, với giai đoạn cuối ở mức xấp xỉ 1024². H​Y-Image 3.5: lên tới 2K, theo lời của chính T​encent.

• Điều gì chi phối các trọng số — MOSS-Image: Apache 2.0, không có ngưỡng doanh thu. HY-Image 3.5: không có gì được công bố. Không có checkpoint, không có giấy phép cục bộ, không có phương án ngoại tuyến.

• Bạn phải trả những gì — M​OSS-Image: không mất gì cho giấy phép. H​Y-Image 3.5: $0.024 cho một ảnh 2K trên endpoint quốc tế, ¥0.15 trong nước, chỉ tính phí trên ảnh đầu ra được gửi trả.

Gạch đầu dòng thứ tư đó xứng đáng có một câu riêng, bởi vì đó là điều duy nhất về cuộc so tài này mà bạn có thể hành động ngay hôm nay. Nếu khả năng hiển thị văn bản là lý do bạn đang chọn giữa các mô hình này, bạn chỉ có thể kiểm tra hành vi của một trong số chúng trên máy của chính mình. Thử nghiệm M​OSS-Image trên bản sao của riêng bạn đồng nghĩa với việc tải xuống 27,2 GB và chạy nó; thử nghiệm H​Y-Image 3.5 đồng nghĩa với việc gửi lời nhắc đến T​encent và xem kết quả trả về.

Con số duy nhất trong phép so sánh này, và giá trị của nó.

MOSS-Image có một bộ đánh giá. LongLongTextBench gồm 240 tác vụ kết xuất văn bản văn học — 120 tiếng Anh, 120 tiếng Trung — với độ dài mục tiêu trung bình là 1.339,8 ký tự, và OpenMOSS cho điểm MOSS-Image là 96,3 trên độ phủ văn bản Mean-6, so với 64,9 của Qwen-Image-2512. Bảng này cũng xếp GPT Image 2 ở mức 99,0 và Nano Banana Pro ở mức 96,6, điều này đáng được lưu ý hai lần: đây là một bảng mà một đối thủ giành chiến thắng, và là một bảng mà mức chênh lệch của MOSS-Image so với mô hình mà nó đánh bại lớn hơn mức thua kém của nó so với các mô hình xếp trên.

Giờ đến những lưu ý, mà chúng không hề nhỏ. LongLongTextBench là benchmark của chính OpenMOSS, được xây dựng cho bản phát hành này, do OpenMOSS chạy, trên hệ thống của chính OpenMOSS. Độ phủ văn bản Mean-6 là chỉ số của chính OpenMOSS. Chưa ai bên ngoài phòng thí nghiệm tái lập được bất kỳ phần nào trong đó. Đây là con số đầu tiên từ một nhà cung cấp trong hạng mục này có nỗ lực đo lường văn bản dài, và nó cũng đúng là kiểu con số mà một nhà cung cấp tạo ra khi có thứ gì đó để thể hiện.

HY-Image 3.5 hoàn toàn không có con số nào ở đây. Không phải một con số được công bố, cũng chẳng phải một con số độc lập — không có bảng điểm nào chấm điểm hai mô hình này về kết xuất văn bản, và những bảng độc lập có đưa mô hình của Tencent vào cũng không thử phần văn bản. Vậy nên câu hỏi về văn bản, thứ mà cả hai nhà cung cấp đều chọn để mở đầu, lại là câu hỏi duy nhất mà so sánh này không thể trả lời bằng bằng chứng từ cả hai phía. Một nhà cung cấp đã công bố một bài kiểm tra. Nhà cung cấp kia đã công bố một tuyên bố. Đó là tình thế hiện nay, và bất kỳ bài viết nào đặt một con số bên cạnh HY-Image 3.5 trên trục này đều đã bịa ra con số đó.

Ở những nơi bằng chứng độc lập thực sự tồn tại, và nó chỉ là một nửa của phép so sánh

Mô hình của Tencent nằm trên các bảng của Artificial Analysis dưới tên định danh HunyuanImage 3.5 (Preview), và điều này tự nó hữu ích vì nó xác nhận cách đặt tên: nhãn preview phản ánh trạng thái hiện tại của mô hình, chứ không phải trạng thái lịch sử. Định danh đang lưu hành là hy-image-v3.5-preview, và không có định danh thứ hai, ổn định nào nằm bên cạnh nó. Trên bảng text-to-image, nó xếp ở giữa bảng với 976,02 Elo. Trên bảng chỉnh sửa ảnh, nó lọt vào nhóm 1/5 đứng đầu, với 1.088 Elo qua 5.775 so sánh mù — những mô hình dẫn đầu ở đó là GPT Image 2.5 Sunburst và Flare của OpenAI với 1.198 và 1.177, nên Tencent nằm dưới mức tiên phong khoảng 110 Elo, với các khoảng tin cậy cỡ ±14.

Vị trí xếp hạng trong hạng mục chỉnh sửa đó là điểm đáng chú ý của cặp đối đầu này, và không phải vì thứ hạng. Đó là bảng xếp hạng bao quát một phần năng lực mà Tencent thực sự quảng cáo. Việc chỉnh sửa một chủ thể lặp đi lặp lại mà nó không bị trôi lệch là nửa sau trong lời quảng bá về văn bản và tính nhất quán của Tencent, và một điểm Elo chỉnh sửa thuộc top 1/5 thì ít nhất cũng tương đối khớp với tuyên bố về tính nhất quán. Nó không phải là một phép đo văn bản, cũng không phải là một phép đo độ trôi lệch xuyên suốt một chuỗi, nhưng nó độc lập, điều mà không thứ gì bên phía MOSS-Image có được.

MOSS-Image không có trên những bảng xếp hạng đó. Nó mới ra đời được một ngày. Bộ đánh giá thứ hai của nó, RealLayoutArena, gồm 61 tác vụ thiết kế được chấm bằng so sánh cặp mù và khớp theo thang Bradley–Terry — 20 poster, 20 infographic, 21 giao diện — và nó cũng đi kèm bản phát hành, đồng thời cũng do nhà cung cấp xây dựng. Trên đấu trường đầu-cuối, MOSS-Image đạt 1698,70 Elo, xếp sau GPT Image 2 với 1844,35; khi chỉ giới hạn ở riêng phần backbone dưới các prompt tăng cường dùng chung, nó đứng đầu với 1807,34. Cùng một bản phát hành, cùng một bên, cùng một lưu ý.

Tiếng Trung, đó chính là nơi hai khẳng định thực sự gặp nhau

Đây là một khác biệt về cấu trúc mà không nhà cung cấp nào sẽ chỉ ra và nó quan trọng hơn cả hai dòng benchmark.

OpenMOSS đã xây dựng một bộ đánh giá văn bản song ngữ được cân bằng một cách có chủ đích — 120 tác vụ tiếng Anh và 120 tác vụ tiếng Trung, một sự chia đều. Đó là một lựa chọn thiết kế, và nó cho thấy mô hình đã được đánh giá như một sản phẩm song ngữ thay vì một sản phẩm tiếng Anh với tiếng Trung như một phần cộng thêm. Kho ngữ liệu huấn luyện của M​OSS-Image đến từ dữ liệu dẫn xuất từ ReLAION được cắt gọt từ khoảng 5B mẫu xuống 3B mà không lọc thêm, và định dạng bố cục có mảng các mục nhận một nhãn là văn bản, ký tự hoặc đối tượng — một hệ phân loại có vẻ cố ý không phụ thuộc vào hệ chữ viết.

Vị thế của T​encent là hình ảnh phản chiếu. Tiếng Trung là thị trường quê nhà; tài liệu sản phẩm mô tả mô hình này có khả năng hiểu tiếng Trung mạnh mẽ; điểm cuối quốc tế là một bề mặt thứ hai nằm sau bề mặt trong nước​, được định giá riêng. T​encent không phải xây dựng một tiêu chuẩn đánh giá cân bằng tiếng Anh/tiếng Trung vì tiếng Trung chưa bao giờ là​ rủi ro. Điều họ chưa làm là công bố cách nửa​ tiếng Anh vận hành.

Vậy nên một nhóm phát hành các tài sản tiếng Trung có, một bên là một nhà cung cấp với sản phẩm ưu tiên tiếng Trung và một con số tiếng Anh không thể công bố, còn bên kia là một nhà cung cấp với đánh giá song ngữ cân bằng có chủ đích và không có thành tích tại thị trường Trung Quốc. Hai kiểu tự tin khác nhau và không kiểu nào chuyển được sang thị trường của bên kia. Cách duy nhất để giải quyết là đối đầu trực tiếp trên chính nội dung của bạn, và chỉ một trong hai mô hình này cho phép bạn làm điều đó. Hãy chạy chính những chuỗi tiếng Trung mà bạn thực sự phát hành — tên sản phẩm, các dòng pháp lý, chữ Hán dễ bịa ra — qua MOSS-Image-SFT chạy cục bộ, rồi đặt cùng những chuỗi đó đối chiếu với hy-image-v3.5-preview qua API. Thí nghiệm đó chỉ tốn một buổi chiều mà giải quyết được nhiều hơn cả tài liệu của hai nhà cung cấp cộng lại.

Chi phí, khả năng tiếp cận và câu hỏi về tuyến đường

So sánh chi phí thì lệch hẳn về một phía, còn so sánh khả năng tiếp cận lại lệch hẳn về phía ngược lại, đó là lý do vì sao quyết định hiếm khi chỉ phụ thuộc vào hóa đơn.

H​Y-Image 3.5 có giá $0,024 cho một ảnh 2K trên thị trường quốc tế — $24 mỗi 1.000 ảnh, đây là cùng con số được quy đổi theo mỗi nghìn xuất hiện trên bảng độc lập, nên mức giá của nhà cung cấp và cột giá của bảng khớp nhau. Trong nước, giá là ¥0,15 cho một ảnh 2K, và chỉ tính phí trên ảnh đầu ra được giao, nên yêu cầu bị lọc hoặc thất bại không bị tính phí. Ở mức một trăm nghìn ảnh một tháng, chi phí là $2.400, với một dạng lỗi đã được ghi nhận là không tính phí.

MOSS-Image không có bảng giá. Giấy phép là Apache 2.0 và bản tải xuống khoảng 27,2 GB, trong đó khoảng 16,8 GB trên bốn phân mảnh là bộ mã hóa văn bản Qwen3.5-9B đóng băng và khoảng 10,2 GB trên ba phân mảnh là transformer. Nhãn 5B chỉ mô tả riêng bộ sinh khuếch tán, còn bộ mã hóa là nửa lớn hơn của bản tải xuống. Mặc định lấy mẫu là Euler flow-matching ở 50 bước với CFG 3,0 và shift 5,0; đường dẫn guidance mặc định cần hai lượt truyền xuôi transformer mỗi bước, vì vậy số bước không phải là thiết lập rẻ như vẻ ngoài của nó. Một trăm nghìn ảnh của bạn tốn đúng bằng chi phí thời gian GPU của bạn, và không gì khác.

Chỗ mà hai hướng đi đó hội tụ chính là ở việc cả hai đều không phải là một vấn đề định tuyến. MOSS-Image không nằm trong danh mục của OrcaRouter — chúng tôi phục vụ hơn 200 mô hình và nó không phải là một trong số đó — nên nửa phần trọng số của so sánh này thuộc về hạ tầng của chính bạn. HY-Image 3.5 cũng không có trong đó, và con đường được ghi nhận trong tài liệu của nó là API riêng của Tencent hoặc các sản phẩm riêng của Tencent; Tencent không có checkpoint, không có giấy phép chạy cục bộ và không có đường chạy ngoại tuyến, và các node ComfyUI hiện có cho nó là gọi API chứ không phải chạy phía sau API đó. Cách mô tả trung thực về cả hai chính là cách nói chung: thông qua API riêng của nhà cung cấp và, trong trường hợp của Tencent, các công cụ chính chủ của họ.

Điều mà router thực sự hữu ích ở đây là điều thứ ba, tức là thí nghiệm ở trên. Nếu bạn muốn kiểm tra khả năng kết xuất văn bản cục bộ của MOSS-Image so với các mô hình hosted thay vì so với bảng xếp hạng, thì phía hosted chính là nơi cuộc so sánh thực sự đáng kể, và việc đặt một checkpoint self-hosted lên đối đầu với nhiều mô hình hình ảnh hosted trên các prompt giống hệt nhau chính là kiểu công việc mà một endpoint duy nhất với khả năng chuyển đổi dự phòng tự động và giá niêm yết của nhà cung cấp được chuyển qua nguyên vẹn được sinh ra để làm: một khóa thay vì bốn tích hợp, và một lượt chạy vẫn hoàn tất ngay cả khi một nhà cung cấp gặp trục trặc trong một giờ. GPT Image 2 và các mô hình hình ảnh của Google đều có trên endpoint đó; MOSS-Image thì không.

Lựa chọn giữa một bản đánh giá đã phát hành và một sản phẩm đã phát hành

Hãy chọn MOSS-Image nếu thứ bạn cần cụ thể là khả năng kiểm soát có cấu trúc đối với vị trí văn bản xuất hiện và độ dài văn bản chạy. JSON bố cục ghi rõ chuỗi và vị trí của từng phần tử văn bản, Apache 2.0 khiến việc rà soát thương mại trở nên nhanh gọn, và checkpoint Base đã được cố ý để nguyên không chưng cất — model card nói rằng không áp dụng hậu huấn luyện hay chưng cất các tham số suy luận như CFG — đây là lựa chọn có chủ đích nhằm chừa việc cho huấn luyện LoRA. Hãy tiếp cận với hiểu biết rằng cả hai benchmark mang tên nó đều là của chính nhà cung cấp, rằng con số bố cục end-to-end mạnh nhất đến từ một pipeline mà nửa đặc tả prompt là model bên thứ ba chứ không phải một module OpenMOSS nhỏ, và rằng encoder chiếm phần lớn dung lượng tải về.

Hãy chọn H​Y-Image 3.5 nếu bạn cần một endpoint có thể gọi được trong tuần này, nếu nội dung của bạn là tiếng Trung, hoặc nếu bạn thà mua một mô hình có thứ hạng chỉnh sửa độc lập hơn là một mô hình có điểm chuẩn từ nhà cung cấp. Hãy dùng với nhận thức rằng mã định danh là một tên gọi xem trước không có bản thay thế ấn định ngày, rằng tuyên bố văn bản chỉ là một câu chứ không phải điểm số, và rằng thứ duy nhất được đo độc lập về mô hình là điểm trung bình ưu tiên mù, vốn không nói lên điều gì về việc liệu phần chưa bị chạm trong khung hình của bạn có còn nguyên vẹn không.

Khoảng trống có thể thay đổi điều này nhiều nhất không phải là một mô hình mới. Mà là việc một bên thứ hai chạy LongLongTextBench trên một thứ không phải MOSS-Image, hoặc Tencent công bố điểm hiển thị văn bản cho bản xem trước. Cả hai đều không tồn tại, và cho đến khi một trong hai xuất hiện, phiên bản thực dụng của so sánh này là một lượt tải xuống đối chiếu với một lệnh gọi API và một buổi chiều dành để thử với chuỗi của chính bạn — một cách dùng thời gian tốt hơn so với việc đọc bảng của bất kỳ nhà cung cấp nào.

Các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive, trong đó mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.